基于CRS的规则不确定性测度

提出了一种新的规则不确定性测度，改进了基于信息熵和经典粗集理论的不确定性测度，据此导出了变精度粗集(VPRS)的规则不确定性量度。     

基于粗集方法改进的图像平滑

研究了一个基于粗集理论改进的图像平滑方法 ,首先建立粗集等价关系和相应划分集合 ,然后得到基于粗集方法的图像平滑框架 ,提出基于粗集理论改进的图像平滑的具体实现。该平滑方法的平滑效果与传统平滑方法相比较 ,具有更清晰的边缘和细节 ,并且算法简单易于实现。     

基于粗集理论的最小化决策模型

随着Internet的出现，信息过程量已经成为电子商务经营决策人员必须面对的问题。如何才能在大量的可用信息资源中及时发现有用的知识，已经引起了广泛关注。粗集理论在数据挖掘节中的应用，提供了应用处理模糊和不确定知识的数学工具，获取知识、精炼知识和实现知识增值的方法。在粗集基本概念的基础上，探讨了根据粗集理论分析处理信息、提取有用特征的方法，以及通过分析、推理产生最小决策规则的方法。     

粗集理论中不相容规则的一种修正算法

粗集理论是继概率论、模糊集、证据理论之后的又一种处理模糊和不确定性知识的数学工具。针对粗集理论在实际应用中常常出现的条件属性相同而决策属性不一致问题，提出了一种修正不相容规则的算法。即从相对错误分类率概念出发，在力求保持原知识分类能力的前提下，通过比较不相容规则的相对错误分类率大小，从而对不相容规则进行修正的算法。并通过雷达分类实例验证了算法的可行性。     

正则化训练的神经网络与粗集理论相结合的股票时间序列数据挖掘技术

论文提出将正则化神经网络与粗集理论相结合应用于股票时间序列数据库的数据挖掘.首先对时间序列数据库进行预处理,除去高频干扰信号,然后将股票时间序列数据按照收盘价的变化趋势分割成一系列静态模式,每种模式代表股票价格的一种行为趋势(上涨或下跌),把决定各种模式的相关属性组成一系列信息,形成一个适用于粗集方法的信息表.然后使用正则神经网络对信息表进行学习,用粗集理论从正则神经网络所存储的知识中抽取规则,得到的规则可以用于预测时间序列在未来的行为。该方法融合了正则神经网络优良的泛化性能和粗集理论的规则生成能力,实验表明,该方法预测效果比较准确。     

一种基于粗集理论的知识发现系统的研究与设计

文章在给出基于数据库的粗集理论的形式化描述的基础上，首先引入关联度概念，修改了一个典型的缩减算法，定义了一个能较为全成反映知识形成过程中一些得要统计特征的规则表示方法，最后设计知识发现系统的并举例验证了系统的正确性和实用性。     

改进的粗集属性约简的启发式算法

提出了一种改进的粗集属性约简的启发式算法。寻找粗集理论的最小属性约简已经被证明是NP难题，一般采用启发式算法来寻找近似最优解，但求得的约简有冗余属性存在的问题。针对一般启发式算法的不完备性，利用粗集理论中的属性依赖度和属性重要度，构造启发式信息，并在算法中增加了消除冗余的二次约简过程，得到一种改进的启发式算法。最后通过实际算例分析，验证了该改进算法的有效性。     

自动化理论与技术

0318679基于粗集理论的系统评估〔刊〕/徐德友//南京航空航天大学学报。-2003,35(2).-216～219(E) 讨论了基于粗集理论!系统综合评估和运用粗集理论进行系统评估指标体系!选择。给出了基于粗集理论进行系统综合评估的一般步骤,并研究了运用粗     

航空雷达故障诊断的β上近似属性约简及规则融合

航空雷达故障诊断的一个主要目标是求出某种程度上可能发生的故障类型,为此,首先引入β上近似属性约简,定义了β上近似决策辨识集和辨识矩阵,给出了求取β上近似约简集的方法;其次,提出了一种基于包含度的规则融合方法,该方法充分挖掘属性值信息,可以得到全部属性条件下的带可信度的决策规则,有效解决了在各类型故障样本数目相差较大的情形下的规则融合问题;最后,以某型航空雷达的整机测试为例,在基于β上近似约简对其测试参数进行约简的基础上,应用基于包含度的规则融合方法,得到了全部属性取值条件下的航空雷达故障诊断规则。结果表明：该方法直观有效、计算简便,为航空雷达故障诊断提供了新的思路和途径。     

一种快速DSmT-DS近似推理融合方法

该文对Dempster-Shafer(DS)理论以及Dezert-Smarandache理论(DSmT)进行了深入研究,为了能够在仅需较低计算复杂度的前提下得到更加精确的融合结果,提出一种新的快速DSmT-DS近似推理融合方法。该方法针对超幂集空间仅单子焦元具有信度赋值的情况,将超幂集空间拆分映射成元素为各单子焦元和其补集的二元集合的新的超幂集空间,并求出每个补集的信度赋值;再运用Dezert-Smarandache框架中的第5条比例冲突分配规则(DSmT+PCR5)在新的超幂集空间的二元集合子空间下对多证据源进行融合,得到各单子焦元的融合结果;然后通过归一化处理求得各单子焦元的信度赋值。通过理论分析得出该文方法的融合结果是介于Dezert-Smarandache框架中的第5条比例冲突分配规则(DSmT+PCR5)及Dempster-Shafer(DS)框架下的 Dempster 组合规则之间。该文方法在需要较低计算复杂度的前提下,可以得到优于Dempster组合规则的近似融合结果。最后通过多个角度与已有方法进行对比,验证了该文方法的优越性。     

不完备信息系统中扩充关系的研究

为了能够有效地分析处理不完备的信息系统，必须对现有的Rough集模型进行扩充。分析研究了现有的几种比较有影响的基于Rough集的扩展关系，提出了一种处理不完备信息系统的约束非对称关系，并对这些扩充关系进行了分析比较。还提出了基于这种关系的上近似和下近似概念，以及正区域、近似精度、近似质量和依赖关系等相关概念。     

粗糙集理论中一种连续属性离散化算法

连续属性离散化一直是机器学习领域中亟待解决的关键问题之一。提出一种基于断点重要性的离散化算法。首先给出粗糙集理论的几个基本概念:决策表、不可分辨关系、信息熵和条件熵,然后对离散化问题进行介绍,给出断点分类的条件熵定义,在此基础上给出了断点选择的粗糙集连续属性离散化算法。仿真结果表明,算法的综合性能优越于文献报道的同类算法。     

基于粗糙集的交通信号控制决策研究

粗糙集理论能够在分析大量经验数据基础上找到用于判断决策的规则,同时允许决策对象中存在一些不太完整的属性,并通过推理得出基本上确定的规则。将粗糙集理论与交通控制结合起来,对交通控制过程中的属性进行了分析,并将粗糙集理论的知识获取和决策分析算法应用到交通信号控制中,提出了一种系统的交通信号控制知识获取和决策的方法,是在解决城市交通状况决策问题上的一次有益的尝试。     

粗糙集理论中属性相对约简算法

粗糙集理论是近年来发展起来的一种有效地处理模糊和不确定性知识的数学工具,而求核与约简是粗糙集理论中的两个重要问题,现已证明求决策表所有约简和最小约简是一个典型的NP难题.本文在分析粗糙集理论的基础上,发现了正区域的一些有用性质,提出了一种利用正区域直接求核的方法,并利用正区域的启发式信息给出了两种相对约简算法.     

一种基于逼近于理想灰关联投影的多目标决策算法

分析了多目标决策问题;综合灰色系统理论、TOPSIS和矢量投影方法,提出了一种新的基于逼近于理想灰关联投影的多目标决策算法,介绍了该方法的基本原理和一些基本概念,建立了综合决策方案与正、负理想方案之间接近程度的决策模型,总结了用该方法进行决策分析的一般步骤;提出了一种基于方案区分度的决策灵敏度分析方法.实际算例验证了提出的多目标决策模型和决策灵敏度分析方法的可行性和有效性,该方法为多目标决策提供了一种新思路,决策灵敏度高,能为方案的决策提供更为可靠的科学依据.     

Extended Rough Set Model Based on Prior Probability and Valued Tolerance Relation

Based on equivalence relation,the classical rough set theory is unable to deal with incomplete information systems.In this case,an extended rough set model based on valued tolerance relation and prior probability obtained from incomplete information systems is firstly founded.As a part of the model,the corresponding discernibility matrix and an attribute reduction of incomplete information system are then proposed.Finally,the extended rough set model and the proposed attribute reduction algorithm are verified under an incomplete information system.     

基于相似度的变精度容差关系扩充粗糙集模型

比较分析了已有扩充粗糙集模型,提出基于相似度的变精度容差关系扩充粗糙集模型。该模型根据两对象的相似度及属性值缺失情况划分客差类。通过与基于容差关系、相似关系、限制容差关系等扩充粗糙集模型比较,证实了该模型对不完备信息系统处理的现实可行性和有效性,最后给出了相对正域的概念及属性约简规则。     

基于粗集和多Agent技术的分布式数据挖掘

在分布式数据库基础上,对各个站点的数据库使用粗集的方法进行挖掘,产生各个站点的规则,将这些规则库组合起来,产生一个全局的规则库,从而可以为管理者提供决策的依据.但是,产生的全局库中往往会有不一致的规则出现,一方面,是由于数据库本身的不一致等原因,导致了规则的不一致;而另一方面,则由于各个站点都追求规则的简洁性,使得直接从全局数据提取的规则不矛盾,在分布式环境下却得到矛盾的规则.对于第一种情况,可以通过现有的增加规则的可信度等方法加以避免;而对于第二种情况,本文提出了三种算法来解决了这个问题,并对这三种算法的效率、得到的一致规则的长度等问题进行详细的分析,说明了算法3是一种高效实用的算法.另外,本文对局部站点的核和全局站点的核的关系进行了研究,并证明了一个定理.     

基于不完备信息系统的粗模糊属性值的知识获取

研究了一类基于粗集属性取模糊值的不完备信息系统的知识获取方法.给出粗模糊属性值信息系统的一种表示方法,采用模糊集思想,构造这类系统的模糊不可分辨关系,并研究这类信息系统的知识获取算法,并以一个实例,说明这种算法的有效性.     

基于VPRSM和相对熵排序法的辐射源威胁评估

辐射源威胁评估属于多属性决策问题,逼近理想解排序(TOPSIS)法作为经典的多属性决策方法,在威胁评估中应用广泛,但TOPSIS存在人为设定权重和位于正、负理想点中垂线上的对象无法进行区分排序的问题。针对TOPSIS法的问题,提出了基于变精度粗糙集模型(VPRSM)和相对熵排序法的辐射源威胁评估方法。该方法首先基于VPRSM利用先验辐射源数据信息确定权重;然后,将相对熵引入TOPSIS法对其加以改进,通过相对熵排序法完成威胁评估。实例仿真验证了所提方法的有效性和适用性。