基于加权综合的分类算法

给出一种新的属性依赖性度量,根据这种依赖性度量,给出属性重要性的定义,然后以这种属性重要性为权重,给出一种基于加权综合的样本分类算法。由于属性的重要性是由条件属性相对于决策属性的依赖性决定的,它的数值相对比较客观,这样解决了常用的定权方法的弱点,它们一般是凭经验或由专家给出,具有相当的主观性。     

模糊信息系统属性重要性度量

利用包含度工具将粗糙集方法应用在模糊信息系统中,给出了模糊信息系统中属性重要性度量计算方法,通过举例说明了[3]中关于属性重要性度量概念的局限性。     

层次P-集合的属性规律发现

P-集合是把动态特性引入到有限普通集合X内,改进有限普通集合X得到的.层次P-集合是对普通P-集合的扩展,具有层次结构和链式结构.利用层次P-集合的性质,研究层次P-集合属性元素与规律,给出层次结构间属性元素的关系及度量,给出链式结构中属性元素的关系及度量,给出属性规律.     

模糊数空间上的积分度量及其在模糊聚类中的应用

在本文中,首先利用区间数的EW-型度量探讨了模糊数空间上的积分度量问题,给出了模糊数空间上的一种新的积分度量-EW-型积分度量,并证明了其相关性质.其次,作为EW-型积分度量的应用,设计了对属性特征为三角模糊数的事物进行分类的模糊聚类算法.然后通过实例分析,说明了EW-型积分度量使模糊聚类算法实现的更简单易行,分类更加精细,合理有效等。     

基于对偶犹豫模糊集的多属性决策方法

基于对偶犹豫模糊集的定义,首先由对偶犹豫模糊集距离测度的定义,给出了对偶犹豫模糊集的Hamming距离测度公式。其次给出了一个最优化模型来计算完全未知的属性权重。最后提出了以便用来度量两个对偶犹豫模糊信息之间相关关系的相关系数,并给出定义和加权相关系数计算公式,使决策运算更快捷有效。由此提出一种属性权重完全未知的模糊多属性决策方法,并给出此方法的计算步骤,通过实例验证了该方法的有效性。     

犹豫中智语言PROMETHEE方法在网络谣言管控方案评选中的应用

针对网络谣言管控难以获得唯一方案的问题,设计了犹豫中智语言环境下PROMETHEE多属性决策方法。首先,给出了新的犹豫中智语言投影测度;在此基础上设计了体现决策者的风险态度的犹豫中智语言优势度测度,以此作为PROMETHEE方法中的偏好函数;利用广义Banzhaf值全面度量属性之间的关联程度;最后,以一个网络谣言管控方案选择的案例说明本文方法的有效性和可行性。     

内扰动与属性合取扩展规律挖掘-发现

扰动的存在使得系统标准输出规律变成非标准输出规律的现象等价于在扰动存在的条件下,非标准输出规律被挖掘-发现;利用函数P-集合模型与它的动态特征给出这个现象的理论研究.主要结果:给出函数P-集合的结构与规律扰动,扰动恢复概念;给出扰动度量;利用这些概念,给出内扰动与属性合取扩展定理;属性合取扩展与内扰动规律挖掘定理,内扰动与规律挖掘辨识定理,内扰动与规律挖掘属性不变性定理.     

考虑可信度和属性优先级的犹豫模糊决策方法

研究了考虑可信度的犹豫模糊混合集成因子以及考虑属性优先级的犹豫模糊多属性决策方法。首先给出了用于衡量数据差异程度的加权变异率公式,并证明了其具有类似于基尼系数的优良度量性质,之后在此基础上提出了可信度诱导犹豫模糊混合平均(CIHFHA)算子。针对属性权重信息未知的犹豫模糊决策问题,构建了一种新的考虑属性优先级的熵值修正G1的组合赋权方法,该方法可有效地利用属性客观评价数据以及通过考虑属性优先级体现专家意见,解决了主客观权重分配问题,得出的属性权重更加客观、合理。之后给出了一种基于CIHFHA算子和组合赋权方法的多属性决策方法,算例说明该方法的有效性和实用性。     

外P-信息融合和它的属性合取特征

P-集合(packet sets)是由内P-集合X~F(internal packet set X~F)与外P-集合X~F(outer packet set X~F)构成的集合对;或者,(X~F,X~F)是P-集合.利用外P-集合,给出外P-信息融合生成,外P-信息融合补充生成与外P-信息融合度量概念;给出外P-信息融合生成定理,外P-信息融合依赖定理;给出外P-信息融合还原定理;给出外P-信息融合的属性合取定理与属性合取压缩定理;给出属性合取压缩外P-信息融合发现原理.     

超Cartan域的Einstein-K(?)hler度量

给出了第1类超Cartan域的Einstein-Khler度量生成函数的隐函数表达式;给出了第1类超Cartan域的全纯截曲率及其估计,并由此对K>(mn-1)/(m+n)时的第1类超Cartan域给出了Einstein-Khler度量和Kobayashi度量的比较定理;对一种特殊的超Cartan域给出了其完备的Einstein-Khler度量的显表达式,这在非齐性域中还是首次得到。     

属性测度空间的粗糙集模型

在属性测度空间理论指导下,提出了属性测度下的属性粗糙集模型及依参量的属性粗糙集模型,并就不同属性粗糙集模型的精度进行了讨论.     

Evidence-theory-based numerical algorithms of attribute reduction with neighborhood-covering rough sets

Covering rough sets generalize traditional rough sets by considering coverings of the universe instead of partitions, and neighborhood-covering rough sets have been demonstrated to be a reasonable selection for attribute reduction with covering rough sets. In this paper, numerical algorithms of attribute reduction with neighborhood-covering rough sets are developed by using evidence theory. We firstly employ belief and plausibility functions to measure lower and upper approximations in neighborhood-covering rough sets, and then, the attribute reductions of covering information systems and decision systems are characterized by these respective functions. The concepts of the significance and the relative significance of coverings are also developed to design algorithms for finding reducts. Based on these discussions, connections between neighborhood-covering rough sets and evidence theory are set up to establish a basic framework of numerical characterizations of attribute reduction with these sets.     

模糊粗糙集及粗糙模糊集的贴近度及其应用

本文研究了模糊粗糙集（FR集）及粗糙模糊集（RF集）的贴近度，是权衡两个FR集，两个RF集彼此糙近程度的一种标尺，进而研究了FR集，RF集的内积，外积，引进了FR集，RF集的格贴近度，并在此基础上提出一种新的属性约简的方法。     

知识的属性扰动与属性扰动定理

By using the dynamic characteristic of one direction S-rough sets(one direction singular rough sets) and dual of one direction S-rough sets(dual of one direction singular rough sets),the concepts of attribute disturbance of knowledge,the attribute disturbance degree of knowledge,and the disturbance coefficient of knowledge are given.By employing these concepts,the cardinal order theorem of the attribute disturbance knowledge,the unit circle theorem of the attribute disturbance knowledge,and the discernib...     

关于粗糙模糊集的相似度量

基于对不确定性信息处理的背景,定义了粗糙模糊值与粗糙模糊集的相似度量,研究了它们的有关性质.     

属性粗糙集的新型近似算子

由等价类中元素属性测度的上、下确界定义的属性粗糙集,没有充分反映等价类中其它元素的作用,在信息处理中不免造成元素信息的丢失.为此提出一种新的属性粗糙集近似算子的表示方法,给出了相应的性质并实例说明了这一方法的合理性.     

基于精度的属性约简新方法

自Pawlak提出粗糙集概念以来,人们就一直对粗糙集的近似精度很感兴趣,出现了不少有关近似精度的文献.在粗糙集理论中,精度是量化由粗糙集边界引起的不精确性的一种重要数字特征.在分析传统精度和基于等价关系图的过剩熵的近似精度的基础上,提出了一种新的精度定义.比较发现,新定义的精度更具有合理性.同时把这个新定义的精度运用到了属性约简上,通过实例比较发现,本文提出的属性约简更具有可行性.     

属性模糊集的分解特征

在模糊集理论研究的基础上,结合粗糙集的属性集、元素迁移的相关知识,提出属性模糊集的概念,利用给出属性模糊集的有关知识,结合模糊集与粗糙集合的有关理论,得到了属性模糊集的一系列重要定理,为模糊集合理论的进一步研究奠定了理论基础.