三参数区间灰数信息下系统属性约简方法

针对属性评价值为三参数区间灰数的不完备信息系统,提出了一种基于[θ]-灰色优势关系的信息系统属性约简方法。根据三参数区间灰数的定义,给出两个三参数区间灰数基于可能度的大小关系,在此基础上,构建方案属性值之间的一种[θ]-灰色优势关系,并结合可辨识矩阵,给出了这类不完备信息系统属性约简方法。应用实例表明了方法的合理性和有效性。     

集值信息系统的粗糙集扩展模型

通过分析研究现有集值信息系统下定义的二元关系,基于集合包含度在集值信息系统中引入相似度概念,定义了一种基于相似度的α-相容关系,提出基于α-相容关系的粗糙集扩展模型,并分析比较了该模型与现有粗糙集扩展模型之间的关系。最后,给出实例加以验证。     

区间犹豫模糊熵和区间犹豫模糊相似度

基于犹豫模糊熵的概念,提出了区间犹豫模糊熵和相似度的概念,同时研究了它们之间的相互关系。给出了区间犹豫模糊熵的公理化定义,在此基础上构造了两种形式的熵测度公式,并且证明了它们满足区间犹豫模糊熵的四条公理化准则;依据区间犹豫模糊熵引入了区间犹豫模糊加权熵的概念;提出了区间犹豫模糊相似度的概念,并且研究了区间犹豫模糊环境下的熵和相似度之间的关系。     

基于可能度容差关系的多粒度粗糙决策分析方法

在不完备区间值决策信息系统中,针对可能度容差关系和多粒度决策粗糙集的各自优点,提出一种基于可能度容差关系的多粒度决策粗糙模型。首先提出可能度的概念,定义新的容差关系;然后构建了基于可能度容差关系的乐观和悲观多粒度决策粗糙集模型,给出模型的上下近似,并对相关性质和定理进行证明;最后以实例验证了模型的有效性与适用性。结果表明,通过调整属性相似度阈值◢ω◣,可使模型具有一定的容错能力和很强的分类能力。     

粗糙逻辑的计量化研究

将计量化方法引入到粗糙逻辑的研究当中,在一种典型的粗糙逻辑[LR]中引入了公式的粗糙真度概念。在此基础上,提出了公式之间的粗糙相似度、粗糙伪距离等概念,得到了粗糙逻辑度量空间。在粗糙度量空间中提出了两种不同的粗糙近似推理模式。这一结果实现了粗糙集与计量逻辑学这两种不同的处理近似问题理论的融合,同时对进一步丰富基于粗糙集的近似推理有一定启示。     

一种带参数的区间粗糙数型多属性决策方法

针对带参数的区间粗糙数型多属性决策问题,首先定义了带参数的区间粗糙数的期望和方差,以期望值和方差集结函数的优劣度得到正负理想点,然后提出了一种积分形式的带参数型的区间粗糙数新的相离度,并根据已有的加权区间粗糙的距离平均算子（WIRDAA）概念,构建含参数的区间粗糙数型MADM的熵值法模型得到最终排序,最后以一个实例说明该方法的可行性。     

基于不完备区间值信息系统的决策粗糙集

在不完备区间值信息系统中,提出一种基于极大相容类的决策粗糙集模型。首先,针对不完备区间值信息系统中属性相似度存在的缺陷,对属性相似度进行改进。其次,在不完备区间值信息系统中,由于容差关系下建立粗糙集模型存在冗余度高、分类精度低的问题,采用极大相容类代替等价类,结合贝叶斯最小风险决策原则,建立决策粗糙集模型。经证明,基于极大相容类建立粗糙集模型可有效提高分类精度。最后,基于正域分布不变的原则提出基于区分矩阵的属性约简算法并将该算法应用于实例。     

单向S-区间值模糊粗糙集及应用

以Z.Pawlak粗集理论为基础,将动态区间值模糊近似概念引入区间值模糊粗糙集中。由此提出了单向S-区间值模糊粗糙集概念,给出了单向S-区间值模糊粗糙集的结构与性质。定义了单向S-区间值模糊粗糙集的粗相等、截集、粗糙度等概念,并对一些相关性质进行讨论和证明;给出了单向S-区间值模糊粗糙集的应用及存在价值。     

基于不完备信息系统的三角模糊数决策粗糙集

在不完备信息系统中,针对用区间值表示一个未知参量时,整个区间内取值机会被认为是均等的,得到的结果可能会产生过大误差的问题,将三角模糊数引入到决策粗糙集中,提出了一种基于不完备信息系统的三角模糊数决策粗糙集。首先,定义了一种描述不完备信息的相似关系;然后,针对不完备信息系统中的缺失值,利用三角模糊数来获取损失函数,构建了三角模糊数决策粗糙集模型;实例表明,本文提出的方法不仅能够弥补用区间数表示的不足,而且可以突出可能性最大的主值,从而减少分类误差。     

基于集对顺势相似关系的变精度粗糙集模型

为了能有效处理含有含噪音数据、模糊性的不完备信息系统,利用集对分析与粗糙集的思想与方法,在比较几种集对相似关系的优势与劣势的基础上,提出了一种基于阀值[α]联系度系数的集对顺势相似关系,并将其代替变精度粗糙集的不可区分关系,构建了一种基于集对顺势相似关系的变精度粗糙集模型,探讨其性质。通过实例验证了所构建模型的合理性与有效性。     

Vague相似关系与Vague划分

通过对单位区间[0,1]的闭子区间集中的元素——Vague值的定义,引入二元Vague关系、关系运算、逆关系、关系的合成、λ-截关系等新的定义。从基于可能度的区间数序关系的概念以及Vague集投票模型的实际意义两个方面,引入闭子区间集中Vague值的偏序关系的定义,并利用偏序关系证明了Vague关系的一些主要性质。给出了满足sup-min传递性的Vague相似关系以及Vague划分的定义,建立了Vague相似关系与Vague划分一一对应性,进而以[0,1]上连续t模作为广义的“与”逻辑算子,引入Vague相似关系的特例——满足T-传递性的Vague T-相似关系与Vague T-划分新的定义。     

基于压缩理论的区间概念格参数优化模型

在由形式背景构建区间概念格之前,首先要确定区间参数[α,β],区间参数的选取影响着概念外延、格结构以及提取的关联规则数量和精度。为了获取区间概念格的压缩度达到最大时的[α,β],首先,提出了基于形式背景的二元关系对的相似度和二元关系上的覆盖近邻空间的定义,得到二元关系对的相似矩阵,并根据γ相似类求得的覆盖来计算二元关系对的近邻;其次,给出基于参数变化的概念集合更新算法,在非重建的基础上得到各区间参数下概念集合,并结合各区间参数下二元关系对的近邻空间,进一步构建基于压缩理论的区间概念格参数优化模型,依据压缩度的大小以及变化趋势寻找区间参数最优值;最后,通过实例验证了模型的有效性。     

BCK/BCI-代数的广义交软理想

为了进一步研究交软BCK/BCI-理想的性质,通过在交软BCK/BCI-理想的概念中引入一个参数[α],从而给出了[α]-交软BCK/BCI-理想的定义,并在一定程度上推广了交软BCK/BCI-理想的概念。给出了[α]-交软BCK/BCI-理想的刻画方法和性质。讨论了[α]-交软BCK/BCI-理想在同态下像和逆像性质。     

基于多粒度决策粗糙集的云计算产品分类方法

粗糙集理论中一个重要的研究课题是残缺区间决策系统。针对现有决策系统存在分类精度和质量较低的问题,结合可能性相似度容差关系的优良特性,并运用粗糙集理论,设计出一种新的多粒度决策模型。基于属性的视角,重新定义容差关系,并基于此方法,借鉴多粒度决策粗糙集具有一定容错能力和能够多层次处理数据的优势,结合粗糙集的优良特征,提出一种新的多粒度决策模型,然后着重讨论了多粒度决策粗糙集模型的基本性质和度量参数。最后通过云计算产品分类实例,验证了改进的多粒度决策粗糙集模型可有效提高对象的分类精度和分类质量。     

基于多粒度粗糙模糊集的图像边缘检测

提出一种基于粗糙模糊集的多粒度边缘检测方法。该方法结合粗糙集处理不确定信息的能力和C-Set多粒度处理的思想,通过定义粗糙运算和运算给出边缘表示模型,引入粒度参数对边界定位精度和噪声抑制进行调节,引入结构相似度参数融合粗糙上近似和下近似,以获得更加精确的边界。该检测方法在定位精度上具有粒度不变性,并具有一定噪声抑制作用,实验结果显示其具有较好的边缘检测效果。     

基于RFCA的概念相似度计算方法

本文主要针对基于FCA的概念相似度计算模型不能计算非形式概念之间的相似度问题，引入粗糙集理论，给出了FCA中等价关系的定义，提出了基于RFCA的概念相似度计算方法，通过实例说明该方法是可行的。     

[(I,J )]-区间直觉模糊粗糙集

利用吴伟志所定义的两个直觉模糊蕴涵算子[I ]和[J],把[(I,J )]-直觉模糊粗糙集的概念推广到区间直觉模糊集的情形,给出了区间直觉模糊近似空间的概念及[(I,J )]-区间直觉模糊粗糙集,研究了[(I,J )]-区间直觉模糊粗糙集的基本性质并推广了张植明等人提出的结论。     

区间值信息系统的知识约简

知识约简是粗糙集理论的重要研究内容之一.传统的知识约简主要针对单值信息系统,但在许多实际问题中,信息系统中的数据往往以区间值的形式存在,因此,区间值信息系统的知识约简研究具有重要意义.现有工作中,论域的分类结果存在冗余度大、误分率高等问题.针对上述问题,在区间值信息系统中引入了α-极大相容类的概念,并提出了新的粗糙上下近似算子,α-极大相容类的采用有效地提高了分类和粗糙近似精度.最后,给出了区间值信息系统知识约简的定义和相应区分函数的计算方法,为区间值信息系统的知识获取提供了一条新的途径.     

一种融合本体与粗糙集的文档相似度计算方法

针对向量空间模型VSM中,在计算文档相似度时要求文档标引词必须相互独立这一缺陷,提出融合本体与粗糙集的文档相似度计算方法。在该方法中,不仅可以利用本体对概念关系的准确揭示,计算文档之间的概念相似度,还可以结合粗糙集对相关概念实例的属性重要性进行度量,从而计算属性相似度,克服了传统方法需要依赖人的先验知识这一缺陷,最后综合形成文档语义向量相似度,并通过实验分析证明该方法可以在很大程度上提高文档相似度计算的准确性。     

双精度容差关系决策粗糙集及其属性约简

决策粗糙集理论是经典粗糙集理论结合贝叶斯理论拓展而来。为在不完备区间值信息系统下研究决策粗糙集理论,本文首先提出属性相似度的概念,并基于属性相似度定义了双精度容差关系。然后,基于双精度容差关系,结合贝叶斯最小风险决策原则建立不完备区间值信息系统下决策粗糙集模型。针对该模型,对不确定性度量进行修正并基于修正的不确定性度量对该模型的属性约简进行研究。最后提出属性约简算法并应用于目标识别实例。