覆盖粗糙模糊集的不确定性度量

在覆盖粗糙模糊集模型下,将粗糙集理论中的粗糙度和粗糙熵的概念引入到此模型中,用来度量模糊集的不确定的程度,并讨论了这些度量的一些性质.     

概率粗糙直觉模糊集的不确定性度量方法研究

Pawlak粗糙集模型忽视了信息的不确定性和模糊性,等价类完全包含于目标概念才能被划分到下近似,在处理数据时显得过于苛刻.针对这个问题,本文结合概率粗糙集与直觉模糊集,对概率粗糙直觉模糊集模型进行研究,其模型具有一定的容错能力,能够较为有效的处理含有噪声和模糊的数据.首先,在概率近似空间中,定义模糊事件的条件概率,构建...     

区间粗糙数覆盖粗糙集模型

现有覆盖粗糙集仅讨论了属性值为实数、区间数或有限集值的情况,对属性值为区间粗糙数的讨论尚未见到。为此,文章提出了基于区间粗糙数的覆盖粗糙集模型。在定义了区间粗糙数距离的基础上,结合参数α和γ定义了相容度的概念,提出了相容关系和相容类的定义;然后定义了集合离散度的概念,对以相容类作为近似算子的上下近似进行了改进,提出了基于ξ阈值的集合离散度的上下近似和基于最小集合离散度的上下近似,证明了这两种上下近似的定义均提高了原有模型的精确度;最后讨论了基于最小集合离散度覆盖粗糙集模型的一些性质。     

基于覆盖的模糊粗糙集模型

讨论基于覆盖理论的模糊粗糙集模型。给出了模糊集的粗糙上、下近似算子,讨论了算子的基本性质,证明了覆盖粗糙集模型下所有模糊集的下近似构成一个模糊拓扑,并得到了覆盖模糊粗糙集模型的公理化描述。     

模糊粗糙集及粗糙模糊集的模糊度

1965年,Zadeh提出了Fuzzy集理论,1982年,Z.Pawlak提出Rough集理论。将二者结合而形成的模糊粗糙集（FR集）及粗糙模糊集（RF集）近年来越来越受到国际学术界的关注。本文所研究的FR集及RF集的模糊度,是对FR集及RF集模糊程度的一种度量,进而引进了相应的明可夫斯基距离,明可夫斯基模糊度和Shannon模糊度。     

模糊粗糙集的三个数字特征

系统地讨论了模糊粗糙集的三个数字特征即粗糙度、模糊度和贴近度的公理化定义及其一般性构造方法,并给出了一些具体的计算公式。     

模糊粗糙集理论研究进展

介绍模糊粗糙集的概念及发展进程．提出了理论建立过程中,分别以推广到模糊集、引入模糊逻辑算子、拓展到两个论域为特点的三个发展阶段;分析、比较了各阶段代表性理论的特点,并对模糊粗糙集的未来发展作出了预期。     

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。     

有关拓扑学与覆盖粗糙集的一些结论

引入了拓扑覆盖的概念,并结合最小描述元对有限论域上的拓扑覆盖加于研究,得出了拓扑覆盖的最简覆盖和基与最小描述元之间的关系.介绍了在基于有限论域U上的覆盖,构造U上的一个拓扑的方法.并且在最小描述元的基础上将划分下的粗糙隶属函数推广至一般覆盖下的粗糙隶属函数,而后介绍了其相关运用.     

覆盖广义粗糙集的模糊性

在研究覆盖广义粗糙集的基础上,利用两个距离函数Hamming和Euclidean距离函数,结合模糊集的最近寻常集,引入了覆盖广义粗糙集模糊度的概念,给出了一种模糊度计算方法,并证明了该模糊度的一些重要性质。这些结果在覆盖广义粗糙集的理论研究和应用都发挥着一定作用。     

广义模糊粗糙集的不确定性度量

研究广义模糊粗糙集的不确定性问题,利用一种新的信息熵定义模糊粗糙集的模糊性度量,并给出这种度量的性质,证明当且仅当A是经典可定义集合时其模糊粗糙集的模糊性度量FR(A)等于0。     

一种新的诱导覆盖粗糙集

定义了一种新的诱导覆盖粗糙集,这种定义可以保证其满足对偶性.然后证明了该诱导覆盖粗糙集具备的性质.最后讨论了两种诱导覆盖粗糙集之间的关系.     

模糊粗糙集的表示及应用

一个模糊粗糙集是一对模糊集,它可以用一簇经典粗糙集表示出来.本文研究了模糊粗糙集的表示问题,利用模糊集的分解定理证明了一个模糊粗糙集可以用一簇粗糙模糊集表示出来,利用这个结果可以证明模糊粗糙集的一些重要性质.     

模糊粗糙集代数

一个粗糙集代数是由一个集合代数加上一对近似算子构成的。本文用公理化方法定义了模糊环境下的近似算子和粗糙集代数系统。证明了若系统(Φ(U),∩,∪,-,L,H)是一个模糊粗糙集(粗糙模糊集)代数,则其导出的系统(Φ(U),∩,∪,-,LL,HH)也是模糊粗糙集(粗糙模糊集)代数,同时讨论了特殊类型的模糊粗糙集代数和粗糙模糊集代数与其导出的系统之间的关系。     

变精度覆盖粗糙集模型近似算子的性质

变精度覆盖粗糙集模型是在放宽了覆盖标准的前提下给出的,因而导致近似算子发生了变化。在介绍覆盖粗糙集模型和变精度覆盖粗糙集模型的概念的基础上,给出并证明变精度覆盖粗糙集模型的近似算子的几个性质。     

粗糙集的相似度量

在近似空间中,分别以集合的上下近似以及元素的隶属度定义了两个集合间的相似度度量,讨论了两种相似度的性质,并对两种相似度进行了比较．     

覆盖粗糙集模型增值算子及其性质

为了给不断发生变化的数据库的知识发现提供新的数学工具,本文引进覆盖粗糙集模型的确定增值算子ZX(Y)和不确定增值算子ZX(Y),并讨论了它们的有关性质,即通过研究两个新集合hX(x)、lX(x)的性质(定理2.1和定理2.2),给出并证明了两个增值算子的性质(定理2.3和定理2.4)。     

基于覆盖的概率粗糙集模型及其Bayes决策

经典的Pawlak概率粗糙集模型是基于论域上的等价关系而建立的,然而在实际应用中等价关系很难得到.因此,许多学者建立了基于一般关系(如容差关系、相似关系等)的Pawlak粗糙集模型.本文建立了基于覆盖关系的概率粗糙集模型,推广和总结了前人的工作.同时,提出了该模型下的Bayes决策方法和应用实例.     

基于最小描述交的覆盖广义粗糙集

针对Bonikowski覆盖广义粗糙集模型的不足,给出了基于最小描述史的覆盖上下近似算子.通过和Pawlak经典粗糙集以及Bonikowski的覆盖广义粗糙集比较,发现给出的覆盖上、下近似算子具有了对偶关系,并得到了相关重要性质;进一步讨论了在新定义下覆盖广义粗糙集的约简和公理化问题,丰富了覆盖广义粗糙条理论,并为覆盖广义粗糙集的应用提供了更确切的理论根据.