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。     

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。     

不完备区间值信息系统的安全评估?

针对不完备区间值信息系统(IIIS)多属性群决策的“瓶颈”问题,讨论基于广义优势关系粗糙集的不完备区间值信息的处理方法,并改进分类质量的概念,在结合层次分析法形成一致性判断矩阵的基础上,确定群决策中各决策者的权重,实现对IIIS的综合安全评估。实例分析说明了该方法的有效性和实用性。     

不完备区间值信息系统中的粗集理论

针对不完备区间值信息系统,提出了一种用于分类的偏序关系,并给出了计算这种偏序关系约简的实际操作方法．在不完备区间值决策系统中,根据基于偏序关系的粗糙集模型,引入了上、下近似约简的概念．上、下近似约简是保持所有决策类的下、上近似都不发生变化的最小属性子集,借此获取简化的决策规则．     

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。     

基于蕴涵的区间值直觉模糊粗糙集

提出一种基于区间值直觉模糊蕴涵的区间值直觉模糊粗糙集模型.首先,介绍了区间值直觉模糊集、区间值直觉模糊关系和区间值直觉模糊逻辑算子的概念;然后,利用区间值直觉模糊三角模和区间值直觉模糊蕴涵,在区间值直觉模糊近似空间中定义了区间值直觉模糊集的上近似和下近似;最后,给出并证明了这些近似算子的一些性质.     

不完备区间值信息系统中邻域粗集模型

目前对未知区间值的研究还处于起步阶段。以包含复杂的遗漏型未知区间值不完备信息系统为研究对象,提出了一种基于灰格运算和Hausdorff距离的新的邻域关系。在此基础上,依次提出了邻域关系、最大相容类和邻域系统3种灰色粗集模型。进一步讨论了3种灰色粗集模型之间的上、下近似空间,以提高近似空间的精确度,并用实例进行了分析及验证。     

区间集值信息系统中的粗糙集理论

介绍集值信息系统和区间值信息系统,并提出了同时具有这两种系统特点的区间集值信息系统.依据属性值的语义关系,将区间集值信息系统分为两类：析取（I型）和合取（II型）系统,并对其分别提出了基于优势关系的粗糙集模型,讨论了相关性质.最后用实例分析验证了所提出系统的有效性.     

基于扩展粗糙集模型的集值不完备信息系统决策研究

在客观世界中信息系统往往是不完备的。该文将粗糙集模型经过扩展后应用于属性值为集合值的不完备信息系统,给出了几种不同的上下近似集定义,着重建立和分析了一种不完备决策表,研究了对应的粗糙集模型扩展后的属性约简的方法,并根据约简生成了决策规则。     

基于改进的优势关系下的不完备区间值信息系统评估模型

优势粗糙集方法是研究不完备区间值信息系统的一种重要方法。针对当前不完备区间值信息系统研究中存在的问题,提出了两种新的优势关系,即上限优势关系和近似优势关系。在此基础上,研究了对象评估和不确定性度量问题,给出了不同优势关系间的区别与联系,最后利用具体算例加以说明。     

一种基于残缺信息的多准则区间直觉模糊决策方法

提出一种权重系数存在残缺信息的多准则区间直觉模糊集的排序算法。该方法通过逻辑集成得到各方案的区间直觉模糊集,计算各种方案的区间直觉模糊数的Hamming距离,并建立非线性规划模型,利用粒子群算法求解所得的优化模型,得出最优准则的权重系数。然后通过比较区间直觉模糊集与优级方案 及次级方案的距离来进行最优排序。最后利用实例对方法的有效性和可行性进行了说明。     

Rough set theory for the interval-valued fuzzy information systems

The notion of a rough set was originally proposed by Pawlak [Z. Pawlak, Rough sets, International Journal of Computer and Information Sciences 11 (5) (1982) 341-356]. Later on, Dubois and Prade [D. Dubois, H. Prade, Rough fuzzy sets and fuzzy rough sets, International Journal of General System 17 (2-3) (1990) 191-209] introduced rough fuzzy sets and fuzzy rough sets as a generalization of rough sets. This paper deals with an interval-valued fuzzy information system by means of integrating the classical Pawlak rough set theory with the interval-valued fuzzy set theory and discusses the basic rough set theory for the interval-valued fuzzy information systems. In this paper we firstly define the rough approximation of an interval-valued fuzzy set on the universe U in the classical Pawlak approximation space and the generalized approximation space respectively, i.e., the space on which the interval-valued rough fuzzy set model is built. Secondly several interesting properties of the approximation operators are examined, and the interrelationships of the interval-valued rough fuzzy set models in the classical Pawlak approximation space and the generalized approximation space are investigated. Thirdly we discuss the attribute reduction of the interval-valued fuzzy information systems. Finally, the methods of the knowledge discovery for the interval-valued fuzzy information systems are presented with an example.     

Fuzzy rough set theory for the interval-valued fuzzy information systems

The concept of the rough set was originally proposed by Pawlak as a formal tool for modelling and processing incomplete information in information systems, then in 1990, Dubois and Prade first introduced the rough fuzzy sets and fuzzy rough sets as a fuzzy extension of the rough sets. The aim of this paper is to present a new extension of the rough set theory by means of integrating the classical Pawlak rough set theory with the interval-valued fuzzy set theory, i.e., the interval-valued fuzzy rough set model is presented based on the interval-valued fuzzy information systems which is defined in this paper by a binary interval-valued fuzzy relations RF⁽ⁱ⁾(U×U) on the universe U. Several properties of the rough set model are given, and the relationships of this model and the others rough set models are also examined. Furthermore, we also discuss the knowledge reduction of the classical Pawlak information systems and the interval-valued fuzzy information systems respectively. Finally, the knowledge reduction theorems of the interval-valued fuzzy information systems are built.     

Dominance-based rough set approach to incomplete interval-valued information system

Since preference order is a crucial feature of data concerning decision situations, the classical rough set model has been generalized by replacing the indiscernibility relation with a dominance relation. The purpose of this paper is to further investigate the dominance-based rough set in incomplete interval-valued information system, which contains both incomplete and imprecise evaluations of objects. By considering three types of unknown values in the incomplete interval-valued information system, a data complement method is used to transform the incomplete interval-valued information system into a traditional one. To generate the optimal decision rules from the incomplete interval-valued decision system, six types of relative reducts are proposed. Not only the relationships between these reducts but also the practical approaches to compute these reducts are then investigated. Some numerical examples are employed to substantiate the conceptual arguments.     

基于随机优势关系的区间值信息系统

在区间值信息系统中引入了分布函数,得到了基于随机优势关系的区间值信息系统,构造了区间值信息系统的α-随机优势关系。利用Levy距离,对α-随机优势关系进行了计算,实例说明了方法的有效性。     

不完备信息系统下的L_A最大相容类粗糙集模型

目前处理不完备信息系统已经有了容差关系、相似关系等推广的粗糙集模型,以及这两种模型的改进形式。基于限制容差关系,提出了一种新的相容类的概念——LA最大相容类,并建立LA最大相容类粗糙集模型。通过对比分析得出LA最大相容类粗糙集模型可以获得更高的近似精度,并讨论了在此模型下属性的约简问题。     

不完备信息系统中的集对粗糙集模型分析

考虑一种不完备信息系统,其中同时具有缺席和遗漏型未知属性值,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加权相似度量。在此基础上,分析了加权相似度量在两种特殊情形的不完备信息系统中的表现形式,并通过实例说明了它的有效性。     

区间直觉模糊信息系统中的信息粒度

区间直觉模糊信息系统比一般信息系统更能全面、细致、直观地描述和刻画决策信息,对其进行不确定性研究具有重要的意义。利用信息粒度对区间直觉模糊信息系统的不确定性进行了刻画,给出了区间直觉模糊粒度结构的交、并、差、补等四种运算。提出了区间直觉模糊粒度结构上的三种偏序关系,并建立了它们之间的联系。定义了区间直觉模糊信息粒度和区间直觉模糊信息粒度的公理化,并研究它们的性质。     

基于变精度粗糙集的不完备信息系统知识约简

基于变精度的思想,提出了一种新的不完备信息系统变精度粗糙集模型。基于该模型给出了不完备信息系统的β上（下）分布约简和β上（下）近似约简。给出了求解不完备信息系统β上（下）分布约简的辨识矩阵方法。     

不完备灰色信息系统的粗集模型

提出一种属性值为区间灰数的不完备信息系统。首先根据区间灰数的定义,提出了区间灰数的一些运算性质,并定义了不完备灰色信息系统;然后,根据灰相似度,提出了变精度灰相似关系,并根据变精度灰相似关系引出了上、下近似算子;最后给出了约简的实际操作方法,并通过典型例子验证了该方法的有效性。