不完备模糊信息系统

以不完备模糊信息系统为研究对象，建立了其中的模糊相容关系及模糊粗糙上、下近似集。在此基础上，探讨了论域上的模糊覆盖问题并提出了覆盖的3种运算形式；定义了2种新的模糊粗糙熵以讨论不完备模糊信息系统中的不确定性因素，证明了不确定因素的变化与度量强度之间的重要关系；建立了一种度量部分模糊知识依赖的新方法，获得了一些新的定理结果证明。     

基于RBF神经网络与粗糙集的数据挖掘算法

随着数据挖掘技术的兴起,为了提高数据挖掘的准确性,提出了很多数据挖掘算法。神经网络与粗糙集理论结合的数据挖掘算法一直是基于粗糙集理论数据挖掘研究的热点之一。文中提出利用RBF神经网络收敛速度快、泛化能力强等优势先对数据进行训练,优化数据后传递给粗糙集进行数据挖掘的新思路。并通过对比与未经过RBF神经网络训练的数据挖掘结果,发现RBF神经网络与粗糙集结合算法挖掘的精度有明显的提高,证明了RBF神经网络与粗糙集理论结合的数据挖掘算法是有效的、可行的。     

可变粒度粗糙集

分析乐观多粒度粗糙集和悲观多粒度粗糙集的不足之后,提出一种可变粒度粗糙集模型,定义了可变粒度粗糙集的下、上近似集,研究了可变粒度粗糙集与这两种多粒度粗糙集的性质,证明了可变粒度粗糙集是多粒度粗糙集的泛化,最后给出几种可变粒度粗糙集的度量因子,研究了变粒度粗糙集与多粒度粗糙集度量之间的关系.     

不完备信息系统中基于相似关系的知识约简

以具有丢失型未知属性值的不完备信息系统为研究对象,根据非对称相似关系,讨论了知识约简问题.在不完备决策系统中,引入了近似、粗糙分布约简以及广义决策约简,讨论了它们之间的相互关系,给出了近似分布约简的判定定理、可辨识矩阵以及约简公式,并进行了实例分析,为从不完备信息系统中获取知识提供了新的理论基础与操作手段.     

不完备系统中基于多粒度的变精度粗糙集方法

多粒度方法是近年来新兴起的一种数据处理模型。为了使多粒度方法适用于不完备信息系统,借鉴非对称相似关系和可变精度的基本思想,提出了基于多粒度的变精度粗糙集模型,其分别包括乐观和悲观两种不同的形式。对这些模型的基本性质进行了讨论,并在多粒度框架下,将变精度方法与严格包含的方法进行了对比分析,最后通过实例分析,说明了如何在不完备信息系统中根据所提出的多粒度变精度粗糙集模型来获取“或”决策规则。     

基于拓展粗集理论的近似集更新方法研究

传统粗集理论处理的信息表中的数据是完备的,但在现实世界中由于各种原因,面临的信息系统是不完备的,造成了数据库中普遍存在数据残缺现象.本文讨论了在属性值可能为空值的不完备信息系统中上、下近似集的递推公式,可用于概念的递增获取.在第1节中首先介绍了基于这种不完备信息系统下的拓展粗糙集模型[3],第2节证明4个定理用于在不完备信息系统中更新上下近似集,第3节利用推导公式进行实例分析,第4节总结全文.     

不完备信息系统中的集对分析方法

考虑了既有遗漏型又有丢失型未知属性值的不完备信息系统。在这种不完备信息系统中，采用集对分析的方法构建了一种新的基于联系度的二元关系，此关系仅满足自反性。在此基础上，分析了这种二元关系在两种特殊情形的不完备信息系统中的表现形式，然后根据新建立的基于联系度的粗集模型，使用决策矩阵讨论了规则生成方法，最后用一个实例说明了此方法的有效性。     

Hierarchical Structures on Multigranulation Spaces

Though many hierarchical structures have been proposed to analyze the finer or coarser relationships between two granulation spaces,these structures can only be used to compare the single granulation spaces.However,it should be noticed that the concept of multigranulation plays a fundamental role in the development of granular computing.Therefore,the comparison between two multigranulation spaces has become a necessity.To solve such problem,two types of the multigranulation spaces are considered:one is the partition-based multigranulation space,the other is the covering-based multigranulation space.Three different hierarchical structures are then proposed on such two multigranulation spaces,respectively.Not only the properties about these hierarchical structures are discussed,but also the relationships between these hierarchical structures and the multigranulation rough sets are deeply investigated.It is shown that the first hierarchical structure is consistent with the monotonic varieties of optimistic multigranulation rough set,and the second hierarchical structure is consistent to the monotonic varieties of pessimistic multigranulation rough set,the third hierarchical structure is consistent to the monotonic varieties of both optimistic and pessimistic multigranulation rough sets.     

基于KFCM的子空间样本选择方法

针对训练样本中包含边界样本数量的多少对支持向量机分类的精度起主要作用,提出基于核模糊C均值算法(KFCM)先对样本集进行聚类,然后利用得到的模糊隶属度矩阵计算样本的模糊熵,通过设定阈值进行子空间样本的选择,最后将得到的子空间样本作为支持向量机(SVM)的训练样本。实验结果证实,由于应用了KFCM方法克服了一些传统样本选择方法在不知道样本类别的情况下,其无法较准确地对任意形状的簇的子空间样本进行选择,同时该方法保留了典型样本,减少了训练样本的数量,从而保证了分类器的性能和较高的训练效率。通过实验比较,该方法在选取子空间样本的性能上比传统的方法要好。     

不完备系统中基于特征相容块的粗糙集

以同时具有遗漏型和缺席型未知属性值的不完备信息系统为研究对象,分析了由特征关系所得到的特征类中并非任意两个元素都满足容差关系这一不足,将最大相容块技术引入到特征类中,提出了特征相容块的概念,不仅对基于特征相容块的粗糙集的基本性质进行了讨论,而且将特征相容块粗糙集与特征关系粗糙集进行了对比分析,研究结果表明,相比于特征关系,采用特征相容块的方法,可以得到更大的下近似和更小的上近似。