基于秩统计量的粗糙集精度的度量方法

提出一种基于秩统计量的粗糙集精度的度量方法,该方法既考虑了知识颗粒块数据值的大小的信息,又考虑了论域大小,并给出这一度量的若干性质,实例表明所给出的精度度量是合理的、有效的.     

证据函数的逼近算法

提出了一种新的证据融合逼近算法,它利用焦元信息熵选择参与合成的焦元.为避免过多的焦元被抛弃,提出保留焦元的黄金比例.然后将被抛弃焦元的基本概率指派值按照受益程度重新分配到保留焦元或识别框架.实例表明该方法不但能够加快证据融合的运算速度,而且能克服为了融合速度而牺牲精度的缺点,保证融合结果的准确性.     

一种基于证据焦元距离的权重计算方法

针对经典的D-S合成方法常会出现与实际相悖的不足,该文提出了一种考虑焦元交互影响的权重合成方法.该方法结合香农熵的思想定义了新的焦元距离测度,基于新距离定义各证据间的权重,然后根据权重对原始证据函数进行修正,降低异常证据的重要性,再利用D-S规则进行证据合成.数值分析说明:这一方法可排除干扰性信息,降低冲突,合成结果优于其他经典的计算方法,为D-S证据理论提供一种有效的计算方法.     

覆盖粗糙集模型转化的方法研究

通过研究邻域覆盖、覆盖导出的划分之间的内在关系,给出了一种新的转化方法.新方法证明了由一个覆盖可唯一导出一个划分、由覆盖与其覆盖约简导出的划分一致等结论,而且得出了由覆盖导出的等价关系的上、下近似算子更加细分等优良性质;提高了集合的近似程度,能更好地用于属性约简、核的求取和规则的生成等方面研究.     

可传递信度模型上的Rough算子及其应用

在可传递信度模型(TBM)上定义一对Rough算子,并讨论其性质,然后将其应用于两方面:一是对同一识别框架下不同布尔代数中的任一命题进行表示,二是对TBM中的信任函数和似然函数进行Rough集解释.     

基于相异关系的粗糙集理论

利用相异关系代替Pawlak粗糙集理论中的不可分辨关系,建立了基于相异关系的粗糙集理论,它使粗糙集理论在完备信息系统和不完备信息系统中的应用统一起来．     

基于Pareto法则的BPA概率转换

基于帕累托(Pareto)法则，该文认为复杂焦元信度的分配应该依赖于其单子命题的信度，信度大的更能决定复杂焦元的分配，信度为零的也能影响复杂焦元的分配.将复杂焦元分成2类结构：单子命题没有零值和单子命题有零值.对于前者，找出了复杂焦元的帕累托元素，只在帕累托元素上按其信度权重进行分配，这既避免了一些反常的情况又能更加突出信度大的单子命题.对于后者，采用忽略一部分或平均的办法来进行分配；设置了2个参数，既能控制焦元分配的冒险程度，又能控制转换的效果.提出了一种能够根据给定冒险程度来计算基本概率分配函数概率转换的新方法.最后通过实例分析，验证了该方法是有效的.