粗糙直觉模糊集的不确定性分析

基于粗糙直觉模糊集的基本概念和模糊熵的公理化定义,给出了直觉模糊集粗糙隶属函数的定义并讨论其基本性质,再利用粗糙隶属函数的直觉模糊熵,给出了粗糙直觉模糊集的不确定性度量,并讨论了度量的一些相关性质。     

基于逻辑算子的推广的L-模糊粗糙集

将基于逻辑算子的粗糙模糊集推广到格L上,定义基于逻辑算子的广义L-模糊粗糙集,和一对广义L-模糊粗糙算子,最后研究其性质并给出了证明.     

一种多粒度粗糙区间模糊集方法

多粒度是利用粗糙集方法处理分布式数据的一种有效手段。为了使得多粒度方法能够用于模糊目标的近似逼近,提出了一种多粒度粗糙区间模糊集方法,分别包括乐观和悲观两种不同的模型。不仅对这两种多粒度粗糙区间模糊集的基本性质进行了讨论,而且通过实例分析表明了新提出的模型用于处理区间模糊问题的有效性。     

模糊决策信息系统上精度约简与规则提取

基于模糊决策信息系统,借助于模糊相容关系,寻找各属性的相容类,将模糊信息系统转化为模糊目标信息系统,再通过区分矩阵对基于模糊相容类的粗糙模糊集的上、下近似分别进行精度约简,最后提取规则并对规则进行优化。     

基于包含度的区间直觉模糊粗糙集模型

利用区间直觉模糊包含度的概念建立区间直觉模糊粗糙集模型。首先,将直觉模糊集中的包含度拓展到区间直觉模糊集上,给出区间直觉模糊包含度定义和计算公式;其次,在区间直觉模糊等价关系下,基于区间直觉模糊包含度,建立了区间直觉模糊粗糙集模型,并对近似算子的重要性质进行了讨论。     

基于Mamdani方法下二型模糊集的模糊推理模型

模糊推理是蓬勃发展中的模糊控制技术的数学核心,二型模糊集的模糊推理是研究二型模糊逻辑系统的基础。研究并给出了基于Mamdani方法下二型模糊集的各种模糊推理模型,包括单输入单输出模糊推理模型,多输入单输出模糊推理模型,多规则、多输入单输出模糊推理模型等。     

模糊粗糙集的扩张定理

模糊粗糙集(FR)是基于知识的不确定性提出来的，由于其处理信息系统中知识的不完善、不确定问题较粗糙集和模糊集有其自身的优点，近年来模糊粗糙集理论越来越受到国际学术界的关注，文章所讨论了模糊粗糙变换的性质并用模糊粗糙变换的保并性质证明了模糊粗糙集的扩张定理。     

基于粗糙模糊集理论的卫星导航系统作战效能评估方法

针对卫星导航系统在信息化战争中的地位与作用,提出了一种基于粗糙集和模糊集理论的作战效能评估方法——粗糙模糊集理论,并对粗糙模糊集理论的算法进行了分析和设计,建立了卫星导航系统作战效能评估指标体系．最后结合实例,运用粗糙模糊集理论对卫星导航系统作战效能进行了评估,给出了效能评估的决策规则．     

基于粗糙模糊集理论的卫星导航系统作战效能评估方法

针对卫星导航系统在信息化战争中的地位与作用,提出了一种基于粗糙集和模糊集理论的作战效能评估方法——粗糙模糊集理论,并对粗糙模糊集理论的算法进行了分析和设计,建立了卫星导航系统作战效能评估指标体系.最后结合实例,运用粗糙模糊集理论对卫星导航系统作战效能进行了评估,给出了效能评估的决策规则.     

模糊语言项在论域上的标签表示

自然语言知识挖掘与分析处理是大数据与人工智能领域的研究热点,其中理解模糊语言概念是挖掘与分析处理自然语言知识的关键核心。语言变量中的模糊语言值是模糊语言概念的理论基础,模糊语言值由模糊语言值的名称（也称为模糊语言项）和论域上的模糊集构成,模糊语言项用来描述论域上的模糊集,论域上的模糊集用来表示模糊语言项的语义或含义。模糊数学中确定“模糊语言项与论域上模糊集之间描述与表示的关系”一直依赖于人的主观意愿,导致模糊语言值不是一个明晰的概念,即模糊语言项与论域上模糊集之间的对应关系无法相互明确确定。文章分析了模糊语言项的自然语言特性以及“模糊语言项描述论域上模糊集”的本质与关键,提出了模糊语言项集在论域上的标签映射及模糊语言项在论域上的标签表示,构建了模糊语言项与论域上对象之间的关联关系;基于模糊语言项在论域上的标签表示,提出了模糊语言项描述论域上模糊集的信任度,据此给出了模糊语言项语义的确定方法,构建模糊语言项与论域上模糊集之间的相互对应关系,使模糊语言值成为一个明晰的概念,模糊语言项与其语义共同形成了一种新的模糊语言值表示模型。文章将新的模糊语言值表示模型与已有基于论域上模糊集的模糊语言值计算模型和符号化的模糊语言值计算模型进行了比较分析,结果表明,新的模糊语言值表示模型改进或克服了已有模糊语言值计算模型的不足,是解决大数据环境下混合语言决策问题的可选有效工具,明晰的模糊语言值可广泛应用于自然语言知识挖掘与分析处理中。     

基于模糊相容关系的集值决策表的相对约简

从模糊粗糙集的角度讨论集值决策表的相对约简。首先,基于2个对象取相同值的可能性大小,在集值信息系统中定义了一个模糊相容关系,给出了模糊相容关系的上近似和下近似;其次,通过引入模糊近似质量,定义了集值决策表中条件属性的重要度与相对重要度,进而提出了一种计算相对约简的启发式算法;最后,通过实例说明该算法能够得到集值决策表的相对约简。     

模糊同余关系下的模糊粗糙群

给出了在模糊同余关系下模糊粗糙群的上、下近似的定义,应用模糊同余关系的截集的一些性质,研究了模糊同余下粗糙群的性质.     

基于多核粒化的模糊粗糙计算模型

传统的单核粒化粗糙集模型没有考虑不同粒化关系的相互影响. 为解决这一问题, 提出了基于多核粒化的模糊粗糙计算模型. 以一族核关系构成的多粒度空间为研究对象, 将乐观和悲观粗糙集模型拓展到多核空间, 定义了基于S-T算子的多核下、上近似算子. 给出了基于多核粒化粗糙逼近的属性选择算法. 实验结果验证了不同核粒化关系之间"求同存异"和"求同排异"的相互作用.     

云服务模式下设计方案的优选决策方法

针对云服务模式下设计方案在多目标优选决策过程中未能充分考虑到用户多元化和差异性的需求问题,提出结合质量功能配置和粗糙集理论的设计方案优选决策方法. 该方法在分析云服务模式的基础上,引入用户参与的设计决策过程方式和模糊评价机制,对用户需求进行聚类分析和智能转化. 建立面向用户需求的设计方案评价指标体系,对网络化协同设计过程中的设计方案评价指标的重要度进行准确量化. 遵循科学性与系统性相结合的原则,提出云服务模式下设计方案优选决策三阶模型. 结合粗糙集理论和粗糙逼近理想解法,对该模型进行求解. 以云服务平台上的游艇设计方案为例,验证该方法的有效性和可行性.     

基于模糊聚类和粗糙集的电力系统短期负荷预测

电力系统短期负荷预测中存在大量的不确定因素直接影响到负荷预测结果的准确性,而粗糙集理论能有效地分析和处理各种不精确、不一致、不完整的信息,并从中发现隐含的知识,揭示潜在的规律。将模糊聚类分析和粗糙集理论结合在一起对电力系统短期负荷进行预测。首先通过模糊聚类分析,根据气温、相对湿度以及日类型等影响负荷的因素将负荷历史数据分成若干类,然后应用粗糙集理论分别建立相应的负荷预测模型。采用某电网提供的数据进行负荷预测,结果分析表明该方法有很高的预测精度,从而说明了基于模糊聚类和粗糙集理论的电力系统短期负荷预测方法的优越性。     

一种广义模糊粗糙集模型的新定义

在Pawlak粗糙集模型的基础上,把一个论域推广到两个论域,等价关系推广为模糊关系,被近似对象换成模糊集,得到广义模糊粗糙集模型．讨论了该模型与经典粗糙集模型的关系,并与其他模糊粗糙集算子进行了比较．该模型在保留原有一些性质的基础上,近似精度提高了,更具有实际应用价值．     

Jrv粗糙Vague区域关系

为了处理重要的Jrv类粗糙Vague区域关系,基于Vague集和粗糙集的联合给出Jrv类粗糙Vague区域关系的数学模型表示.通过分析粗糙Vague区域关系模型的复杂粗糙变换情况,确定粗糙Vague区域关系的动态关联邻接图.基于粗糙Vague区域的上﹑下近似模型,提出Jrv类粗糙Vague原子区域关系的可能蕴涵情况表,基于蕴涵情况表给出Jrv类粗糙Vague区域关系的可能蕴涵式.给出实例模型,并对实例模型进行分析.理论研究和实例分析结果表明,该模型可以处理复杂的Jrv类粗糙Vague区域关系,极大地增强了空间数据库处理复杂不确定区域关系的能力.     

概率粗糙集Ⅲ型与Ⅳ型之研究

经典粗糙集理论在解决系统不确定性知识时有明显的不足,对于不协调的决策表的规则提取存在很大的局限性.因此许多学者从不同的角度如变精度、概率论、模糊集来拓展其研究领域.概率粗糙集是从概率论出发,充分利用近似边界区域提供的统计信息,能提取带有确定因子的决策规则.概率粗糙集Ⅲ型与Ⅳ型是其后两种形式.论文推导了概率Ⅲ型与Ⅳ型的若干定理及重要性质,并予以证明;把最小风险Bayes决策转化为概率Ⅲ型与Ⅳ型下的问题来解决,最后用一个实例说明了其有效性.