不协调目标信息系统知识约简的比较研究

研究不协调目标信息系统的各种知识约简之间的关系。证明分布约简既是β上分布约简 ,也是β下分布约简 ,并且在一定条件下 ,β上、下分布约简与不协调目标信息系统的分配约简和最大分布约简等价。

不协调目标信息系统的知识约简

在不协调目标信息系统中引入了最大分布约简的概念 ,讨论了最大分布约简、分配约简、分布约简和近似约简之间的关系 .最大分布约简弱于分布约简 ,克服了对信息系统过于苛刻的要求 .同时 ,它又克服了分配约简可能产生与原系统不相容的命题规则的缺陷 ;给出了这些知识约简的判定定理和相应的可辨识属性矩阵 。

集值决策信息系统的知识约简与规则提取

本文用集值信息系统描述不完备信息系统。在集值信息系统中定义了两种不同的关系:相容关系和优势关系,给出了两种不同关系下集合的上下近似概念及其性质。研究了集值决策信息系统在两种不同关系下的广义决策约简,得到了广义决策约简的判定定理和辨识矩阵,从而得到了约简的具体操作方法。最后,基于两种关系从集值决策信息系统提取了最优广义决策规则,并进行了讨论。

集值信息系统的知识约简与属性特征

定义了集值信息系统中的一种新的关系,讨论了在这种关系下集值信息系统的知识约简问题,给出了集值信息系统属性约简的判定定理和辨识矩阵,得到了计算约简的具体方法;讨论了集值信息系统中3种不同类型的属性特征及每一种属性的判定定理。

集值决策信息系统的知识约简与属性特征

本文定义了集值决策信息系统中的一种新的关系,给出了在这种关系下协调集值决策信息系统属性约简的判定定理和辨识矩阵,从而得到了知识约简的具体操作方法,并讨论了在属性约简中起不同作用的属性分类及其特征。定义了不协调集值决策信息系统的分配协调集,给出了一种将不协调集值决策信息系统转化为广义协调近似空间的方法,并证明了不协调集值决策信息系统的分配协调集就是广义协调近似表示空间的协调集。

基于优势关系下不协调目标信息系统的分布约简

在基于优势关系下的不协调目标信息系统中引入了分布约简和最大分布约简的概念,并讨论了二者之间的关系,而且得到了分布和最大分布约简的判定定理以及辨识矩阵,建立了不协调目标信息系统的分布和最大分布约简的具体方法,同时通过实例验证了该方法的有效性,从而进一步丰富了粗糙集理论。

基于优势关系下不协调目标信息系统的知识约简

在基于优势关系下不协调目标信息系统中引入了分配约简和近似约简的概念,并讨论了它们二者之间的关系,进一步给出了知识约简的判定定理和辨识矩阵,从而提供了在优势关系下不协调目标信息系统知识约简的具体操作方法。

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。

合成信息系统与子信息系统

本文给出了对象合成信息系统、属性合成信息系统、对象子信息系统及属性子信息系统的定义,分别讨论了它们的上下近似算子与原信息系统的上下近似算子之间的关系,并给出了它们的一些实际应用。

优势关系下不协调目标信息系统的部分一致约简

在基于优势关系下的不协调目标信息系统中引入了部分一致约简的概念,并得到了部分一致约简的判定定理以及辨识矩阵,建立了不协调目标信息系统的部分一致约简的具体方法,同时通过实例验证了该方法的有效性,从而为优势关系下信息系统的知识发现提供了理论基础。

信息系统知识约简简便算法

1引言 粗糙集[1]理论是一种新的处理模糊和不确定知识的数学工具,其主要思想是,在保持信系统的分类能力不变的前提下,通过知识约简,导出问题的决策或分类规则.

基于优势关系下信息系统分配约简的矩阵算法

在基于优势关系下的信息系统中引入了优势矩阵和目标分配矩阵的概念,进一步建立了优势关系下信息系统分配约简的矩阵算法,通过实例分析验证了该算法的有效性,说明了其优点是对数据复杂的信息表也可相对容易地求出所有的分配约简。该方法提供了在优势关系下信息系统分配约简的便捷操作方法。

集值信息系统的知识发现与约简

知识约简是粗糙集理论的核心问题之一。该文利用可辨识矩阵给出了集值信息系统知识约简的方法。

基于集值决策属性的集值信息系统

定义了决策属性也是集合子集的集值决策信息系统,给出了基于集值决策属性的协调集值决策信息系统的定义,得到了协调集值决策信息系统属性约简的判定定理和辨识矩阵,并讨论了在属性约简中起不同作用的属性分类及其特征。定义了不协调集值决策信息系统的分配协调集,给出了基于集值决策属性的不协调集值决策信息系统属性约简的方法。

序信息系统的知识粗糙熵与粗集粗糙熵

在序信息系统中引入了知识粗糙熵和粗集粗糙熵的概念,得到了它们的有关性质,并证明了二者都随着知识确定程度的增强而单调下降的结论,从而给出了序信息系统的信息解释。进一步通过讨论它们之间的联系说明了粗集的粗糙熵可以更精确地度量粗集地粗糙程度。这些结论为序信息系统的知识发现奠定了一定的理论基础。

信息系统诱导出的形式背景及其性质

信息系统和形式背景是数据库中对象与属性之间关系的两种不同表现形式,是数据挖掘与知识发现的重要内容.本文基于粗糙集理论对两者进行了研究,指出了每个信息系统均存在一个与之对应的形式背景,通过这个形式背景可以确定信息系统的分类知识及由此划分形成的集代数.最后,文中给出了形式背景中所有概念外延组成的集合与信息系统中由划分形成的集代数相等的充分必要条件。由此,利用形式背景中的外延即可获得相应的粗近似。

形式概念分析与集值信息系统

形式概念分析与粗糙集理论是两种有效的知识发现工具,已在各个领域获得成功应用。本文给出了一种将形式背景转化为集值信息系统的方法,证明了形式背景分析中的对象粒协调集与由该形式背景导出的集值信息系统的协调集是等价的,并且分析了形式背景中三种不同类型的对象粒属性特征。最后给出了形式背景中属性粒的概念及相关结论。

关于微分-代数系统的Runge-Kutta迭代方法的研究

为了求解非自制指标-1的微分-代数系统,我们研究基于Runge-Kutta方法的动力学迭代过程,得到相关的非线性微分-代数方程的收敛理论,这类迭代过程具有一般性和灵活性,且沿着时间域网格点可以选取不同的插值函数。

相容关系下集值信息系统的粗糙熵

熵理论是信息系统中不确定性研究的有效工具之一。首先给出了集值信息系统的相容关系,在此基础上引入了粗糙熵。讨论了粗糙熵的最大、最小值,并证明了粗糙熵的单调性。

不协调集值决策信息系统的属性约简

给出了不协调集值决策信息系统的两种属性约简方法:分配约简和部分一致约简。分配约简保持所有对象的可能决策类不变,部分一致约简保持部分对象的一致决策不变。给出了这些约简的判定定理和辨识矩阵,从而得到了属性约简的具体操作方法。