基于超图的多尺度决策信息系统最优尺度选择

特征选择是降低数据维度,提高知识获取效率的一类重要数据处理方法.多尺度决策信息系统的最优尺度选择是在一定代价框架下的最优化求解,从而进一步提高数据挖掘的效率.利用图论中的极小顶点覆盖得到相应系统的最优尺度组合,通过构造多尺度系统特征间的邻接关系矩阵,生成该系统诱导的超图.其极小顶点覆盖可视为多尺度信息系统的一个最优尺度组合.在此基础上,提出基于超图的多尺度决策信息系统最优尺度特征求解算法.数值实验表明,该方法能提高数据挖掘时间效率和分类精度,有利于降低数据处理成本.

余等价关系下的粗糙集

二元关系作为一类特殊的集合,可考虑它的余集.文中首先从等价关系的集合属性出发,给出余等价关系的定义及其内部关系刻画,构造基于余等价关系的广义粗糙集,论证其公理化基础.其次研究经典粗糙集和余等价关系下的广义粗糙集之间的相互联系,并在特定条件下借助余等价关系下的广义粗糙集,简化相应经典近似算子的相关运算,刻画基本精确集等重要知识.

严格局部自反关系下的广义粗糙集

经典粗糙集是在等价关系基础上建立的一类不确定性理论方法。研究一般二元关系下的广义粗糙集,不仅可以拓宽粗糙集理论的应用范围,而且也能从一定的角度进一步阐释经典粗糙集的基本性质。在考虑自反粗糙近似算子的基础上,提出了严格局部自反关系的定义,讨论了严格局部自反关系下广义粗糙集的性质,给出了其公理化特征。结合自反粗糙近似算子,研究了一般二元关系下广义粗糙集中的精确集,得出了一些重要的结论。

类对称关系下的广义粗糙集模型

针对等价关系下的经典粗糙集,定义弱对称与局部强对称二元关系,构造相应的广义粗糙集模型。给出这2种模型的公理化特征,并将两者结合,得到强对称二元关系下的广义粗糙集模型。理论分析证明,论域上任何集合均为广义精确集的充要条件是其二元关系为强对称关系,即可以利用该模型刻画经典粗糙集中的广义精确集。

类传递关系下的广义粗糙集及其公理化

提出了正向类传递与反向类传递二元关系,分别考虑了基于这两种二元关系的广义粗糙集,探讨了它们各自的性质,给出了相应粗糙近似算子的公理化特征。分析了这两类广义粗糙集与其它相关二元关系下广义粗糙集之间的联系,得到了一些重要的结果。

关于“模糊数学”课程教学的一些思考

由于计算机智能的快速发展,与其相关的各种学科越来越受到广泛的重视.模糊数学在计算机智能技术中发挥着非常重要的作用,并已获得巨大的经济效益."模糊数学"课程对于应用数学、信息与计算科学、统计学等学科的学生,是一门应用价值较强的选修课程.文章探讨了该课程当前的教学现状,并提出了提高该课程教学效果的一些策略.

信息系统中属性重要性的等价刻画

信息系统是一个具有对象与属性关系的数据库,揭示属性的本质特点、刻画属性的重要性是考虑各类约简问题的基础.本文改进了已有的基于等价关系的属性重要性的度量,并给出了基于划分的属性重要性的刻画,在一定程度上简化了相关运算步骤,提高了运算效率.

蕴含K_5-P_2可图序列的刻划

对于给定的图H,称π是蕴含H可图的,如果π有一个实现包含H作为子图.K k,C k,Pk分别表示k阶完全图,圈长为k的圈和路长为k的路.K 5-P2表示从5阶完全图中删去长为2的路.Luo Rong[14]考虑了蕴含C k可图序列的刻划问题,并刻划了当k=3,4,5时,蕴含C k的可图序列.此外,Luo等人[15]刻划了蕴含K 4的可图序列,Eschen和Niu[16]刻划了蕴含K 4-e的可图序列,Yin Jianhua等人[23]刻划了当r=2,s=3和r=2,s=4时,蕴含K r,s的可图序列,其中K r,s是r×s完全二部图.Hu Lili等人[3-5]刻划了蕴含K 5-C4,K 5-Z4,K 5-E3的可图序列,徐正华等人[18]刻划了蕴含K1,4+e的可图序列,王艳[17]刻划了蕴含K 1,4+P2的可图序列,刘明静[13]等人刻划了蕴含K 5-Z5的可图序列.本文刻划了当n≥5时,蕴含K 5-P2的可图序列.

融合邻域信息的k-近邻分类

距离度量是影响k-近邻(KNN)法分类精度的重要因素之一。提出一种融合邻域信息的k-近邻算法。首先,定义了样本邻域的概念,并根据邻域的影响提出2条相应准则;然后,在计算测试样本与训练样本的距离时,综合考虑了样本邻域所带来的影响。该算法不仅可以更加精确地刻画样本之间的距离,而且一定程度上增强了KNN的稳定性。该方法在UCI标准数据集上进行了测试,结果表明,性能优于或与其他相关的分类器相当,并且在噪声扰动下具有较强的鲁棒性。

粗糙集的阶梯式近似

首先,利用基于边界域粗糙近似算子,给出 n 阶边界集的定义,引入 n 阶粗糙近似算子的定义,构造粗糙集理论的一套阶梯式近似方法.然后,通过实例和相关证明表明,无论二元关系还是在覆盖环境中,总存在正整数 n ,对于任意对象集, n 阶上下近似集完全等于该对象集,即该对象集是此意义下的精确集,或其 n 阶上下近似集趋近于某一固定的对象集,即 n 阶粗糙集总能使对象集合趋近于它本身或某一固定的集合.

基于边界域的变精度粗糙集

粗糙集理论作为分类学习的一种工具,借助一对极值映射的一元算子,利用已知的知识结构表示未知的研究对象。具体主要体现在已知知识包含于未知对象集或与对象集相交不空。随着数据规模的不断增长以及数据形式的日趋复杂,严格意义的包含常常不能满足现实的需要。因此,经典粗糙集忽略了非常接近于严格包含的情况。变精度粗糙集放宽了严格包含关系。弥补了经典粗糙集理论的这一不足。然而,和经典粗糙集相比,变精度粗糙集不可避免地失去了一些基本性质。为了进一步探讨这些性质的本质内涵,在研究已有变精度粗糙集结构和性质的基础上,提出了3类基于边界域的变精度粗糙集模型,比较研究了这些模型之间的联系和区别。结果表明,第Ⅰ类变精度模型是已有变精度粗糙集模型的推广,第Ⅱ类变精度模型则是经典粗糙集的直接拓展形式之一。这2类变精度模型都侧重于从局部多数包含的角度刻画对象集。第Ⅲ类变精度模型侧重从对象集的整体边界域,即整体多数包含的角度描述了未知知识。

《粗糙集理论及其应用》研究生课程教学改革与实践

随着信息大数据时代的到来,与其相关的各种学科越来越受到广泛的重视.粗糙集理论及其应用在人工智能中发挥着非常重要的作用,并已获得巨大的经济效益.“粗糙集理论及其应用”课程对于不确定理论及其应用方向的硕士研究生,是一门应用价值较强的专业基础必修课程.文章探讨了该课程当前的教学现状,讨论了提高该课程教学效果的一些方案,并就粗糙集理论及其应用课程的改革与实践提出了一些相应的策略.

多尺度决策系统的覆盖粗糙模糊集及其最优尺度选择

进一步推广基于覆盖的粗糙模糊集模型,在对象最小描述的近邻域上考虑对象在决策属性下的隶属度,提出了2种不同的覆盖粗糙模糊集,将覆盖粗糙模糊集与多尺度决策系统结合,构建了4种多尺度决策系统中的覆盖粗糙集模型。定义了对应的正域和属性重要度,设计相应的最优尺度选择算法。最后通过实验分析,比较了4种覆盖粗糙模糊集模型在多尺度决策系统中的最优尺度与原始尺度在回归预测效果上的差异。实验结果表明,第4种多尺度决策系统覆盖粗糙模糊集模型所选择的最优尺度组合有效提高回归模型的预测能力。

一类新的犹豫模糊语言决策信息的关联测度

在已有的相关系数的基础上提出了均值形式的相关系数,有利于较柔和的消除两个犹豫模糊语言集之间的干扰,减少信息的损失.并进一步给出了其加权形式,用以度量犹豫模糊语言集的相互关系.

冷藏猕猴桃库房管理关键技术

采用冷藏技术是延长猕猴桃市场售卖期、增加商品值的重要措施。以下，根据我们多年的工作经验，谈谈猕猴桃冷藏保鲜环节库房管理关键技术。

知识库的精细关系比较

比较知识库精细关系的两种不同定义,得出等价关系与划分、二元关系与覆盖、以及二元关系与覆盖约简之间的一些有趣联系;进而探讨这两种定义在粗糙集中对提高知识确定性程度的不同作用。这些结论将对基于粗糙集的不确定性研究提供一定的帮助。

基于强对称关系的广义粗糙集模型

粗糙集的公理化是该理论研究的重要课题之一. 文中在分析对称关系下粗糙近似算子的特征公理基础上,提出强对称二元关系. 对比等价关系的性质,讨论该二元关系的一些重要特征,给出对称关系成为强对称关系的充要条件,并研究其下广义粗糙集的性质,得到强对称关系下粗糙近似算子的公理化特征. 利用相应的特征公理与精确集之间的联系,探讨一般二元关系下论域中精确集的一些重要特征,对拓广粗糙集理论及其应用提供一定帮助.

广义粗集公理化的一个注记

广义粗集理论是基于等价关系的粗集理论的各种拓广。本文讨论了基于一般二元关系的广义粗糙集的公理化,通过实例分析了确定二元关系的必要公理组条件,并给出了各公理组的充分条件。

多粒度粗糙集近似集的增量方法

利用正确分类率来考虑属性论域同时变化时基于向量矩阵的经典多粒度粗糙集上下近似集的动态近似更新。首先讨论了论域缩小属性增加时,多粒度粗糙集的上下近似算子一些性质的改变,并给出了基于向量矩阵的近似集更新方法;其次讨论了论域缩小属性减少时,相应算子性质的变化,并给出了基于向量矩阵的近似集更新方法。新方法有效地缩小了经典多粒度粗糙集近似集更新时的搜索区域。

直觉模糊向量β覆盖L粗糙集

直觉模糊覆盖粗糙集作为模糊粗糙集的一类推广,自提出以来就备受关注。为了更好的刻画直觉模糊环境中的目标概念,同时兼顾不同对象容错能力的差异性,本文提出了直觉模糊向量β覆盖L粗糙集,讨论了它们的相关性质、不确定性度量及其属性约简方法。首先研究了直觉模糊向量β覆盖及其邻域的相关特征。其次在直觉模糊β覆盖粗糙集的基础上给出了直觉模糊β覆盖L-1粗糙集,讨论了二者之间的联系。在直觉模糊向量β邻域的基础上,定义了直觉模糊向量β覆盖L-2粗糙集,探讨了其相关性质并讨论了它和其它模型之间的相关联系。最后研究了模型相关的直觉模糊粗糙性、相似性、辨识性度量等不确定性刻画方式,并给出相关属性约简算法。通过例子验证了模型的有效性与适用性。结论表明,就已有的直觉模糊β覆盖粗糙集而言,直觉模糊β覆盖L-1粗糙集与目标概念之间具有更高的相似性;直觉模糊向量β覆盖L-2粗糙集具有更好的适用性,并在一定的程度上具有更高的精确度。