覆盖粗糙集上近似的研究

分析Pawlak粗糙集上下近似具有的性质,结合上下近似的含义和近似精度,讨论覆盖粗糙集上近似的定义方法,提出覆盖粗糙集最小上近似的概念,对其存在性及唯一性进行分析。最后,讨论最小上近似与其他上近似的关系,并对此作了证明。

优势关系下不协调目标信息系统的上近似约简

针对基于优势关系下不协调目标信息系统中属性约简的复杂问题,提出基于优势关系下不协调目标信息系统上近似约简的概念,得到上近似约简的判定定理以及辨识矩阵,建立不协调目标信息系统的上近似约简的具体方法,同时通过实例验证该方法的有效性,从而为优势关系下信息系统的知识发现提供理论基础。

优势关系下广义决策约简和上近似约简

论文定义了决策表的优势关系下广义决策约简和上近似约简,给出了优势关系下广义决策约简和上近似约简的判定定理和辨识矩阵。同计算优势关系下上近似约简的辨识矩阵相比,计算优势关系下广义决策约简的辨识矩阵的时间复杂度低,由于论文已证明优势关系下广义决策约简和上近似约简是等价的,因此,可以利用优势关系下广义决策约简的辨识矩阵计算优势关系下广义决策约简和上近似约简。

完备剩余格中的上近似与下近似模糊推理方法

借助于全蕴涵三I算法的思想,在完备剩余格上探讨了FMP问题的输出的上近似模糊推理与下近似模糊推理,并得到上近似推理与下近似推理算法均具有还原性.

基于上近似的近似推理

为使上近似蕴含的近似信息得到延伸,特将近似空间进行了扩充,从而得到树型近似空间,在其中经上近似与树的融合,引出了不同于其他方式的近似推理。通过分析研究,描述了近似推理的特性,获得了相关的结论。此即表明近似推理不仅保持路径中结点间精确的关联信息,而且拓宽了结点间相互推出的渠道,是一种宽泛性的推理模式。同时树型近似空间及近似推理为实际问题的处理建立了数学方法。

上近似在粗糙集约简中的应用

对粗糙集理论中不相容决策表的约简问题进行了研究。引入关联规则中支持度和置信度的概念,并重新定义了这两个概念。利用粗糙集中上近似概念的特点,提出一种将上近似用于不相容决策表的约简算法。通过一个实例介绍了该算法的基本步骤。算法对各规则能计算出各自的支持度和置信度,能实现对不相容决策表的约简。

利用粗集上近似处理特征提取中的噪声问题

该文针对特征提取中存在的噪声污染问题 ,分析了采用粗集上近似进行特征提取可以处理含有噪声数据的原因 ;证明了上近似质量随着条件属性的压缩而降低 ,提出了一种基于集合上近似的质量来进行特征提取的算法 ,该算法以集合上近似质量为迭代准则 ,通过设置一阈值来求取θ -约简 。

线性空间中的下近似与上近似(英文)

将粗糙集理论引入线性空间,提出了上、下近似的概念,并研究了它们的有关性质,得到了一些有意义的结果。

模糊近似空间的上近似和下近似的计算解析式

粗糙集的概念被推广到模糊近似空间上,给出了上近似、下近似的新定义,并获得上近似和下近似的计算解析式。

概念的最小上近似

近似信息检索方法通过找到概念的最小上界,然后求出概念的上近似来解决本体异构问题.现有方法只考虑包含独立概念的最小上界,无法找到概念的最小上近似.引入概念的析取定义概念的多元最小上界,证明了基于多元最小上界得到的近似是概念的最小上近似.多元最小上界通常会存在大量的冗余,从而增加概念最小上近似表达式的复杂性.为此给出概念的最简多元最小上界的定义,并提供了寻找最简多元最小上界的有效算法.

对群中上近似的一个注记(英文)

研究了群中子群的上近似和下近似的相关性质,指出并证明了其中3个关于上近似的性质中的包含关系实质是相等关系,从而改进了上近似的相关结论,为上近似的应用奠定了理论基础.

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。

覆盖粗糙集的依赖上近似

覆盖粗糙集是经典粗糙集的推广,从不同的角度研究覆盖粗糙上近似,就有不同的上近似定义方法。本文将同一覆盖元中的元素理解为相关,从元素相关性角度研究覆盖粗糙集上近似,从点与集合的依赖关系入手,提出覆盖粗糙集阶的概念及覆盖粗糙集依赖上近似的概念,并对覆盖粗糙集的依赖上近似进行分析。从覆盖意义上说,相对于其它上近似,依赖上近似具有覆盖元数量较少的特点,而且具有上近似可定义的特点。

群中上近似集性质的一种新的简洁证法

Nobuaki Kuroki在文[3]中研究了群中粗糙集的上下近似集的性质.但是他的很多结果的证明依赖于上下近似集的定义,从这个角度去证明是很繁琐的,并且很多结果是可以进一步推广得更深刻一些的.文章给出了群中上近似集性质的一种简洁证法,并且推广了上近似集的一些性质.

协调映射下一类覆盖上近似算子的不变性质

协调映射可以将信息系统映成对象较少的信息系统,从而压缩数据.本文讨论覆盖粗集在协调映射下的不变性质,指出满的协调映射可以保证原覆盖近似空间的一类覆盖上近似与像覆盖近似空间覆盖上近似之间一一对应.

群中上近似集性质的一种新的简洁证法

Nobuaki Kuroki在文[3]中研究了群中粗糙集的上下近似集的性质.但是他的很多结果的证明依赖于上下近似集的定义,从这个角度去证明是很繁琐的,并且很多结果是可以进一步推广得更深刻一些的.文章给出了群中上近似集性质的一种简洁证法,并且推广了上近似集的一些性质.

群中模糊集的上近似集合与下近似集合

粗糙集概念是由 Pawlak于 1 982年提出的 ,现已从许多方面作了推广 .粗糙集与模糊集的结合近年来越来越受到国际学术界的关注 .现在研究群中模糊集的上、下近似 ,并且讨论了近似算子的乘积结构 ,定义了粗糙模糊子群的概念 ,证明了群的模糊子群一定是粗糙模糊子群 .在同态映射下 ,子群的像的上下近似也一定是它的上。

一种求上近似约简的快速启发式算法

利用时间复杂度为O（｜C｜｜U｜）求U／C的快速算法，设计了一种基于属性重要度的上近似约简快速启发式算法，将时间复杂度降为O（｜C｜^2｜D｜｜U｜），该算法在处理拥有海量数据的决策表时，具有高效性。

数据排列的上近似与数据识别

在传统信息系统中引入了n阶粒划分的概念,使信息系统通过n阶粒划分得以粒化,并随着n阶粒划分的变化呈现不同的粒化结构。进而,经对论域对象的特定排序,并通过对上近似和n阶粒划分的融合,确定了一种数据隐含与数据识别的方法,使在数据隐含与数据识别中具有独特的作用。通过调整论域对象的排列顺序,使得数据隐含与数据识别更具灵活性,达到了相同数据隐含及识别的多样性目的。

决策系统基于特定决策类的上近似约简

决策系统针对特定概念的约简相对于整体约简可以获得更简洁的决策规则.借助粗糙上近似算子,提出决策系统针对特定决策类的上近似约简概念,针对这种约简标准给出了需要区分对象的条件,借助区分函数给出了约简计算方法;刻画了保持所有决策类上近似不变的分配约简、基于特定对象的分配约简以及针对特定决策类的上近似约简之间的相互关系.可以通过分配约简构造基于特定对象的分配约简以及针对特定决策类的上近似约简,也可以通过针对特定决策类的上近似约简构造基于特定对象的分配约简.