不同知识粒度下粗糙集的不确定性研究

粗糙集的不确定性度量方法,目前主要包括粗糙集的粗糙度、粗糙熵、模糊度和模糊熵.在不同知识粒度下,从属性的角度,给出了分层递阶的知识空间链,发现在分层递阶的知识粒度下部分文献中定义的粗糙集的粗糙熵和模糊度随知识粒度的变化规律不一定符合人们的认识规律.从信息熵的角度提出了一种粗糙集不确定性的模糊度度量方法,证明了这种模糊度随知识粒度的减小而单调递减,弥补了现有粗糙熵和模糊度度量粗糙集不确定性的不足.最后,分析了在不同知识粒度下粗糙度和模糊度的变化关系.     

新的信息熵属性约简

在粗糙集不确定性度量公式中,模糊熵和模糊度是重要的度量方式。根据粗糙集不确定性度量中模糊熵和新的模糊度公式,提出了在决策信息系统中修正条件信息熵和相对模糊熵的概念,并分别用两种方式证明了熵在属性约简过程中的单调性。然后利用向前添加属性算法进行属性约简,约简结果在RIDAS(roughset based intelligent data analysis system)平台上进行识别率测试,通过实验对比分析了两种新的信息熵与条件信息熵的约简结果,为基于信息熵的属性约简提供了参考。     

基于严凹函数的粗糙集不确定性度量

通过语义分析,提出了一种拓展的粗糙集不确定性度量公理化定义;将香农熵函数推广到严凹函数,提出了一类以条件概率为自变量、基于严凹函数的粗糙集不确定性度量公式,它是严凹函数值的加权平均.在此基础上,得到一系列粗糙集不确定性度量方法.从严凹函数视角讨论了基于模糊熵的不确定性度量方法,发现现有多种能够用于度量粗糙集不确定性的模糊熵函数都是所提出方法的特殊情形.比较了粗糙度、改进粗糙度和所提出方法的区别和联系,最后设计了一些算例,比较了各种方法的异同,验证了基于严凹函数的粗糙集不确定性度量与粗糙集不确定性语义是一致的.     

覆盖近似空间中粗糙集的不确定性度量研究

对于覆盖近似空间中粗糙集的不确定性度量,目前的方法主要有粗糙度、粗糙熵和模糊度。通过分析这些不确定性度量方法,发现在特定的情况下它们都存在一定的不合理性。提出一种粗糙集的模糊度,给出并证明了相关性质。分析表明该度量方法克服了已有方法存在的不合理性,为覆盖粗糙集的不确定性度量提供了方法。     

基于粗糙熵权的模糊多准则决策方法及应用

提出度量粗糙集不确定性的粗糙熵概念，并基于粗糙熵对属性的重要度给出了定义，从而提供一种求解模糊多准则决策模型中准则权重的方法．根据备选方案的模糊评价系统，给出相关的知识表达系统,并建立删除冗余属性后的备选方案综合评价优选矩阵，通过比较各备选方案与理想方案的近似度求出最优方案．最后，通过实例计算证明了上述模型及方法的有效性．     

粗糙集不确定性度量的矩阵运算

粗糙集的不确定性度量是粗糙集理论的重要研究内容之一。结合模糊理论和粒计算理论改进了粗糙集的不确定性度量方法。通过集合的相对知识粒度及边界熵给出了粗糙集的粗糙性度量函数与模糊性度量函数,随着近似空间知识粒的细分,粗糙集的粗糙度与模糊度均满足单调递减的性质。利用矩阵理论提出了易于实现的粗糙性度量与模糊性度量的矩阵算法。     

离散II-型模糊集的不确定性度量

随着II-型模糊集理论的不断发展和应用领域的扩大,需要探讨II-型模糊集不确定性的性质与度量方法,在研究II-型模糊集不确定性特征及模糊熵的基础上,通过扩展模糊熵的定义,给出了离散II-型模糊集熵的定义,证明其满足模糊熵的4条公理性条件,该定义将对II-型模糊集在不确定环境中的应用提供新的思路和方法。     

区间直觉模糊粗糙集的不确定性研究

对区间直觉模糊信息系统中近似集的不确定性进行了研究,给出了区间直觉模糊粗糙集的不确定性度量公式。首先在区间直觉模糊近似空间中,定义了一对具有对称性的新的区间直觉模糊上、下近似算子;其次给出了区间直觉模糊集粗糙隶属函数的定义并讨论了相关性质;最后利用区间直觉模糊粗糙隶属函数的区间直觉模糊熵,定义了区间直觉模糊粗糙集的模糊熵,并讨论了区间直觉模糊粗糙集的模糊熵为零的充要条件,证明了在区间直觉模糊近似空间中经典集合和它的余集的粗糙度量是相等的,以此说明定义的合理性。     

区间属性值信息系统的不确定性度量

以区间属性值信息系统为研究对象,建立了其中的自反模糊关系、模糊信息粒以及模糊粗糙集.定义了两种新的粗糙熵对区间属性值信息系统中的不确定性因素进行度量,并进行了其单调性的讨论.     

指数型犹豫模糊熵在多属性决策中的应用

提出一种指数型犹豫模糊熵,并基于熵权法给出犹豫模糊多属性决策模型.首先,给出犹豫模糊元熵的公理化定义,构造犹豫模糊元的指数型犹豫模糊熵测度公式,并证明指数型犹豫模糊熵测度公式满足犹豫模糊元熵的公理化定义基本准则.在此基础上,引入犹豫模糊集的熵定义和熵测度公式,并证明犹豫模糊集的指数型犹豫模糊熵测度公式同样满足犹豫模糊集...     

粗集理论中知识的粗糙性研究

粗集理论是处理知识不精确和不完善的一种归纳学习方法,其基本思想是在保持分类能力不变的前提下,通过知识约简,导出概念的分类规则。熵作为对不确定性的一种度量,可用于描述近似空间(U,R)中对象的分类情况。在文中,知识的粗糙性定义为近似空间中的粗糙熵,近似空间上基于等价关系的划分过程是其粗糙熵不断减小的过程。同时讨论了信息系统中的若干粗糙熵性质。     

基于知识粒度的粗糙集的不确定性度量

粗糙集的不确定性与其所在近似空间知识粒度的大小密切相关.提出了近似空间中集合的相对知识粒度的概念.基于相对知识粒度的粗糙集的粗糙性度量既刻画了近似空间对粗糙集不确定性的影响,又去除了负域的干扰.从边界熵的角度提出了一种粗糙集的模糊性度量.随着近似空间知识粒的细分,粗糙集的粗糙度与模糊度均单调递减.     

粗糙集中若干新的模糊度计算公式

依据模糊集的模糊度和贴近度的公理化定义,基于粗糙集的模糊度和贴近度的基本概念,进一步研究粗糙集的模糊性度量方法,给出了文[3]中模糊度公式的等价形式;同时讨论了粗糙集中由贴近度诱导的模糊度,给出了粗糙集中若干新的模糊度计算公式。     

覆盖粗糙模糊集的不确定性研究

不确定性度量是粗糙集理论中的基础问题之一。粗糙模糊集的不确定性一方面来自上、下近似集间差异产生的粗糙性,另一方面来自概念外延不清晰产生的模糊性。目前对于粗糙模糊集的不确定性研究仍不够透彻。针对覆盖近似空间下的粗糙模糊集不确定性,提出更加严格的度量修正准则,并借助上、下近似集隶属度与原模糊集隶属度之间的差异,给出修正粗糙度的概念。算例分析表明该方法能够更加准确地刻画实际问题。     

Rough集之间的相似度量

Applications of rough set theory in incomplete information systems are a key of putting rough set into real applications. In this paper, after analyzing some basic concepts of classical rough set theory and extended rough set theory, the measure of similarity is developed between two rough sets in the classical rough set theory based on indiscernibility relation and between two rough sets in the extended rough set theory based on limited tolerance relation. Then,some properties of these two methods for measuring similarity are developed respectively. At last,these two measure methods of rough set theory are compared.     

扩展不完备信息系统及知识依赖度量

对不完备信息系统进行扩充，考虑不同对象可能具有不同的重要性，引入了对象重要性函数．使得知识表达系统可以融入主观偏好和领域先验知识等因素。在此基础上，根据一般二元关系新定义了粗糙集的近似精度、粗糙熵、知识的粗糙熵的概念，证明了扩展不完备信息系统中不确定因素的变化与度量强度之间的重要关系。对于知识依赖进行了深入探讨，研究了由知识动态变化所引起的知识依赖度量程度的变化，进行了相关定理的证明。     

扩展不完备信息系统及知识依赖度量

对不完备信息系统进行扩充,考虑不同对象可能具有不同的重要性,引入了对象重要性函数,使得知识表达系统可以融入主观偏好和领域先验知识等因素。在此基础上,根据一般二元关系新定义了粗糙集的近似精度、粗糙熵、知识的粗糙熵的概念,证明了扩展不完备信息系统中不确定因素的变化与度量强度之间的重要关系。对于知识依赖进行了深入探讨,研究了由知识动态变化所引起的知识依赖度量程度的变化,进行了相关定理的证明。     

Generalized fuzzy rough sets determined by a triangular norm

The theory of rough sets has become well established as an approach for uncertainty management in a wide variety of applications. Various fuzzy generalizations of rough approximations have been made over the years. This paper presents a general framework for the study of T-fuzzy rough approximation operators in which both the constructive and axiomatic approaches are used. By using a pair of dual triangular norms in the constructive approach, some definitions of the upper and lower approximation operators of fuzzy sets are proposed and analyzed by means of arbitrary fuzzy relations. The connections between special fuzzy relations and the T-upper and T-lower approximation operators of fuzzy sets are also examined. In the axiomatic approach, an operator-oriented characterization of rough sets is proposed, that is, T-fuzzy approximation operators are defined by axioms. Different axiom sets of T-upper and T-lower fuzzy set-theoretic operators guarantee the existence of different types of fuzzy relations producing the same operators. The independence of axioms characterizing the T-fuzzy rough approximation operators is examined. Then the minimal sets of axioms for the characterization of the T-fuzzy approximation operators are presented. Based on information theory, the entropy of the generalized fuzzy approximation space, which is similar to Shannon’s entropy, is formulated. To measure uncertainty in T-generalized fuzzy rough sets, a notion of fuzziness is introduced. Some basic properties of this measure are examined. For a special triangular norm T = min, it is proved that the measure of fuzziness of the generalized fuzzy rough set is equal to zero if and only if the set is crisp and definable.     

基于覆盖的粗糙模糊集的粗糙熵

覆盖约简是研究覆盖去冗余问题的一种有效方法。本文在基于最简覆盖的粗糙集模型的基础上,将粗糙度和粗糙熵的概念引入基于最简覆盖的粗糙模糊集,用来度量其不确定性程度;讨论了它们的一些性质,并通过实例说明粗糙熵比粗糙度更能精确地反映基于最简覆盖的粗糙模糊集的不确定性程度。