动态粗信息粒度矩阵的关系讨论

在前面已讨论过的静态粗信息矩阵数量特征(粒度、精度)基础上,利用动态粗糙集理论,进一步给出动态粗信息粒度矩阵的三种形式,系统地讨论了静态、动态系统的粗信息粒度矩阵的特征及其关系定理,这一研究不仅完善了粗信息矩阵这一新的研究方向内容,而且为动态系统的知识挖掘提供了一个可靠的依据。     

基于相容性的语言判断矩阵的不一致性调整的新方法

语言判断矩阵是决策者给出的一种重要的偏好信息形式.本文定义了语言判断矩阵对应的导出矩阵,语言判断矩阵一致性等概念,研究了语言判断矩阵导出矩阵与其特征矩阵的相容性和一致性的关系,在此基础上定义了语言判断矩阵与其特征矩阵的偏差矩阵,由此给出了语言判断矩阵不一致性调整的新方法.实例分析表明该方法行之有效.     

基于相容性的模糊判断矩阵一致性改进新方法

模糊判断矩阵是决策者给出的一种重要的偏好信息形式。根据模糊判断矩阵互补性的特点,提出一个模糊判断矩阵相容性的指标,并研究模糊判断矩阵相容性和一致性的关系,在此基础上定义了一个模糊判断矩阵与其特征矩阵的偏差矩阵,给出了一致性改进的新方法,最后进行了实例分析,结果表明该方法行之有效。     

基于信息扩散的模糊关系矩阵的三种构造方法及适用条件

介绍了由信息扩散技术生成原始信息矩阵的方法,以及由原始信息矩阵构造模糊关系矩阵的三种实用方法,最后通过实例分析,给出了这三种模糊关系矩阵的适用条件.     

一类广义范德蒙矩阵的求逆公式及递推公式

利用线性方程组给出了一类广义范德蒙矩阵可逆的条件及逆矩阵的矩阵表示式 ,并给出了求逆的递推公式 .     

一种校正模糊判断矩阵一致性的新方法

给出一种校正模糊判断矩阵一致性的新方法。首先 ,给出关于模糊判断矩阵满意一致性的定义及判定方法 ,然后通过构造和分析能够反映完全一致性矩阵和原判断矩阵之间关系的偏差矩阵 ,给出校正模糊判断矩阵一致性的计算步骤 ,最后给出了一个算例。     

不同直觉偏好信息下的多属性决策方法

研究了属性值为实数且决策者对属性的偏好信息以直觉判断矩阵或残缺直觉判断矩阵给出的模糊多属性决策问题.首先介绍了直觉判断矩阵、一致性直觉判断矩阵、残缺直觉判断矩阵、一致性残缺直觉判断矩阵等概念,而后分别考虑关于直觉判断矩阵和残缺直觉判断矩阵的多属性决策问题,接着建立了基于直觉判断矩阵和残缺直觉判断矩阵的多属性群决策模型,通过求解这些模型获得属性的权重.进而给出了不同直觉偏好信息下的多属性决策方法.最后通过一个例子说明了该方法的可行性和实用性.     

模糊判断矩阵一致性的调整方法

给出了模糊判断矩阵一致性调整的新方法 .该方法是在模糊判断矩阵一致性定义及判定方法的基础上 ,通过构造和分析模糊判断矩阵的调和矩阵 ,进一步给出了将模糊判断矩阵改进为满意一致性矩阵的计算步骤 .最后给出了一个算例 .     

群决策中判断的一致性分析及方案排序

对群决策中基于区间数互补判断矩阵形式偏好信息的一致性问题进行了探讨。首先,给出了区间数互补判断矩阵相容性指标定义及性质;然后,通过定义群和个体判断的一致性指标,提出了群判断的一致性判别方法和不一致的协调方法;同时依据个体判断的一致性指标大小,即群成员评判水平的高低,给出了群偏好信息的集结方法;最后给出了由区间数互补判断矩阵导出方案排序权重的计算方法及应用算例。     

关于反中心对称矩阵的某些性质探讨

利用反中心对称矩阵的定义以及翻转矩阵等技巧,给出了反中心对称矩阵的伴随矩阵、特征值及特征向量的一些新结论.     

基于覆盖粗糙集理论中的约简与求核

提出基于分辨矩阵的求覆盖粗糙集约简与核的方法,在Zakowski提出的覆盖粗糙集模型的基础上,利用分辨矩阵的一些性质,把文献[10]中的粗糙集理论中的约简与求核方法应用到基于覆盖的粗糙集理论中,既简化了覆盖粗糙集理论中的约简与求核过程,又推广了文献[10]的方法,最后举例说明此方法的有效性。     

粗糙不变子群的若干性质与粗糙商群

讨论粗糙集理论在代数系统——群上的应用。基于有关粗糙群、粗糙子群和粗糙不变子群的基本概念以及粗糙子群的一些性质和有关粗糙不变子群的定理，讨论了粗糙不变子群的若干性质和粗糙商群的概念，并给出了这些性质的严格证明。     

粗糙商半群的性质

主要讨论粗糙集理论在半群中的应用．基于粗糙半群中的同余关系，提出粗糙商半群的概念，由粗集中的粗糙同态和粗糙同构．进而讨论粗糙商半群的一些性质，并给出这些结论严格的证明，进一步补充和完善了半群中的粗糙集理论。     

基于优势关系下不协调目标信息系统的分布约简

在基于优势关系下的不协调目标信息系统中引入了分布约简和最大分布约简的概念,并讨论了二者之间的关系,而且得到了分布和最大分布约简的判定定理以及辨识矩阵,建立了不协调目标信息系统的分布和最大分布约简的具体方法,同时通过实例验证了该方法的有效性,从而进一步丰富了粗糙集理论。     

粗糙除环、粗糙域和粗糙整环

对粗糙集上代数结构进行了研究,引入了粗糙除环、粗糙域和粗糙整环等概念.利用粗糙集理论方法和经典代数中的处理手段,讨论了粗糙除环和它们的结构特征,得到了它们的一些良好的性质.     

Fuzzy粗糙半群的Fuzzy粗糙同态与同构

给出Fuzzy粗糙半群与Fuzzy粗糙同态的定义,并讨论Fuzzy粗糙半群的Fuzzy粗糙同态与Fuzzy粗糙商半群的Fuzzy粗糙同构。     

Diverse reduct subspaces based co-training for partially labeled data

Rough set theory is an effective supervised learning model for labeled data. However, it is often the case that practical problems involve both labeled and unlabeled data, which is outside the realm of traditional rough set theory. In this paper, the problem of attribute reduction for partially labeled data is first studied. With a new definition of discernibility matrix, a Markov blanket based heuristic algorithm is put forward to compute the optimal reduct of partially labeled data. A novel rough co-training model is then proposed, which could capitalize on the unlabeled data to improve the performance of rough classifier learned only from few labeled data. The model employs two diverse reducts of partially labeled data to train its base classifiers on the labeled data, and then makes the base classifiers learn from each other on the unlabeled data iteratively. The classifiers constructed in different reduct subspaces could benefit from their diversity on the unlabeled data and significantly improve the performance of the rough co-training model. Finally, the rough co-training model is theoretically analyzed, and the upper bound on its performance improvement is given. The experimental results show that the proposed model outperforms other representative models in terms of accuracy and even compares favorably with rough classifier trained on all training data labeled.     

粗糙模糊集与模糊粗糙集的截集性质

研究粗糙模糊集、模糊粗糙集、广义粗糙模糊集和广义模糊粗糙集的截集性质,并且还研究了基于逻辑算子的广义模糊粗糙集的基本性质。     

群中模糊同余关系下的模糊粗糙群

在模糊同余关系下,首次提出了群中模糊同余关系下的模糊粗糙集和模糊粗糙群的概念,并讨论了它的一系列的性质,得到了一些有意义的结果。