基于Lukasiewicz三角模及其剩余蕴涵的模糊粗糙集

讨论基于Lukasiewicz三角模及其剩余蕴涵的模糊粗糙集模型,研究了相应模糊粗糙集的代数性质,证明了自反模糊关系下该模型中的下近似集构成一个模糊拓扑,且上、下近似算子恰为其闭包及内部算子。     

变精度覆盖粗糙集

介绍了Ziarko变精度粗糙集模型和覆盖粗糙集模型;定义了多数包含关系;借助引入的误差参数β（0≤β<0.5）,给出了基于对象邻域的变精度覆盖粗糙集模型中β上近似、β下近似、β边界和β负域的定义以及β近似质量和β粗糙性测度定义;详细讨论了β上、下近似算子的性质、集合的相对可辨别性、该模型与Ziarko变精度粗糙集模型和覆盖粗糙集模型的关系;最后探讨了变精度覆盖粗糙集模型中的约简问题并在所给模型的基础上举例说明了它们在信息处理中的应用。     

基于剩余格L模糊粗糙近似算子公理集的极简化

公理化方法是粗糙集理论研究的重要组成部分,利用公理化方法定义了基于剩余格的L模糊粗糙近似算子,并给出了描述L模糊粗糙近似算子公理集的极简形式。     

集值信息系统在变精度相容关系下的决策规则

集值信息系统中对象的属性集值一般不唯一,基于对象属性集值的相似程度在集值信息系统上定义了一种变精度容许关系,并借用极大一致块方法给出了集值信息系统上极大变精度相容类的定义与一些性质,讨论了在这种极大变精度相容类下集值信息系统的决策规则的获取、属性的相对约简及决策规则的优化。     

基于程度不可区分关系的粗糙集模型

不可区分关系是粗糙集理论的基础。针对信息系统,提出了程度不可区分关系的概念来刻画信息系统中对象的可区分性程度的差异。提出了基于程度不可区分关系的粗糙集模型,并讨论了模型的基本性质,最后研究了基于程度不可区分关系的粗糙近似算子与Pawlak近似算子的关系。     

集值决策表基于限制相容关系的分配约简

针对射频识别(RFID)数据与上层应用需求之间存在的信息鸿沟及其需要实时处理的特征,提出了一种完备数据流的不确定数据择优算法。分析了常规粒子滤波方法存在的不足之处,采用基于熵的方法推导属性最优权重,并利用可能度矩阵选择最佳粒子,从不确定RFID数据流上有效捕获对象的当前状态。算法的优化结果使得采样集向后验概率密度分布取值较大的区域运动,从而提高了算法计算效率并且显著地减少了精确定位所需的粒子数。最后,通过实例表明了该方法能够有效度量RFID数据中蕴含的不确定性。     

基于广义不可区分关系的决策表约简

研究决策表的正域约简及分配约简理论。针对具有自反性的广义不可区分关系,提出了决策表的正域约简及分配约简理论,借助区分函数给出了正域约简及分配约简的计算方法。对Skowron的区分条件进行了改进,在一定意义上为正域约简及分配约简提供了一般理论框架。     

广义粗糙近似算子的拓扑性质

粗糙集理论是一种处理不确定性问题的数学工具。粗糙近似算子是粗糙集理论中的核心概念,基于等价关系的Pawlak粗糙近似算子可以推广为基于一般二元关系的广义粗糙近似算子。近似算子的拓扑结构是粗糙集理论的重点研究方向。文中主要研究基于一般二元关系的广义粗糙近似算子诱导拓扑的性质,给出了基于粒和基于子系统的广义粗糙近似算子诱导的4种拓扑,研究了它们之间的关系;通过对象的右邻域系统给出了基于粒的广义近似算子诱导的拓扑的基,研究了相应拓扑的正规性与正则性;通过分析基于子系统的广义上近似算子的性质,证明了基于子系统的广义上近似算子诱导的拓扑可以转化为基于对象的广义下近似算子诱导的拓扑。     

集值信息系统基于邻域关系的属性约简

集值信息系统是完备信息系统的广义形式,其中的一些对象在某些属性下的取值可能不止一个,反映的是信息的不确定性。在集值信息系统上引入对象的邻域关系,并以每个对象的邻域作为基本集,建立了集值信息系统的粗糙集方法。为了简化知识的表示,进一步在集值信息系统上提出了邻域协调集与邻域约简的概念,并讨论了这种邻域协调集的性质与判定。最后通过区分函数得到了计算集值信息系统邻域约简的方法。     

基于多输入信息融合模型的暂态稳定分类

应用一种信息融合模型对电力系统暂态稳定进行分类评估。当电力系统发生故障时,采用该方法可以综合来自电网和发电机的多个信息源对电力系统的暂态稳定进行判别。利用D-S证据理论实现决策级融合,从而提高电力系统暂态稳定评估的可靠性。10机39节点系统被用来进行仿真研究,结果表明,提出的模型比原有的模型更有效。