变精度双向S-粗集及其应用

提出基于副集的双向S-粗集,变精度双向S-粗集;给出基于副集的双向S-粗集,变精度双向S-粗集的数学结构;给出变精度双向S-粗集的存在背景和意义解释。变精度双向S-粗集是对双向S-粗集理论的完善和发展。

基于粗糙集约简的飞机发电机故障诊断决策研究

针对现有飞机发电机故障诊断流程繁琐、诊断结果精确度低的问题,从数据挖掘角度出发,引用变精度粗糙集约简算法处理现有诊断流程系统,为了在小样本条件下更好地提取有效信息,利用对象集定义的二元关系和依赖空间给出了变精度粗糙糙集的β下近似协调集的判定定理。采用了下近似属性约简的飞机发电机故障诊断决策,根据现有诊断决策构造原始诊断决策表,并在小样本条件下按照约简规则约简,结合专家经验构造决策约简表,通过粗糙集中右边界域的准确度和覆盖度验证了该方法的有效性和普适性。

一般二元关系下基于粗糙隶属函数的程度粗糙集

在分析经典粗糙集模型不足的基础上,通过引入精度系数k(k∈(0.5,1]),给出了一般关系下基于粗糙隶属函数的程度粗糙集,并讨论了所给模型的相关重要性质。与经典粗糙集模型相比较,发现该模型不仅是对经典粗糙集模型的拓展,还是对基于等价关系的变精度粗糙集模型的拓展。

多粒度广义L-模糊可变精度粗糙集

为了更有效地处理不精确性问题,将模糊变精度粗糙集与多粒度相结合,成为研究的热点.在不可交换的广义剩余格的基础上,定义了基于L-模糊近似空间的广义L-模糊可变精度粗糙集中的左下(右下)和左上(右上)近似算子.然后,结合多粒度,给出了基于不可交换的广义剩余格的多粒度L-模糊可变精度粗糙集及其近似算子,研讨了它们的一些性质.该研究在变精度粗糙集研究中具有一定的理论价值,提供了一种新方法,能更加精确地解决实际中的不精确性问题.

粗糙集理论在水科学中的应用

应用可变精度粗糙集,对水电站水库最优出力规则进行知识发掘,并获得了出力决策规则.与一般优化调度规则相比,基于粗糙集的规则隐含了决策时段以外的入库水量信息,不同于仅以当前时段水库来水和水位进行决策的常规优化调度,具有更大的灵活性和合理性.

新型变精度多粒化粗糙集模型

为了解决现有的变精度乐观多粒化粗糙集要求宽松和悲观多粒化粗糙集要求过于严格的不足,该文提出了新型变精度多粒化粗糙集模型,即可协调的变精度多粒度粗糙集模型。该模型通过引入阈值,调节满足变精度约束条件的属性个数,使变精度多粒化粗糙集模型更具灵活性。分析了该新模型的相关性质并将其与经典模型进行了对比分析。通过理论分析,该文提出的新型变精度不仅继承了传统变精度多粒化粗糙集的相关性质,而且在一定环境下可以退化为传统变精度多粒度乐观和悲观粗糙集模型。研究表明,该文提出的模型是传统多粒度模型在应用背景下的有力扩展。

决策系统中约简的不一致分析

提出了用于刻画不一致程度的概念——不一致层次,讨论了不一致层次的性质;用3种粗糙集模型对决策系统中由约简引起的分类率、分类正确率、未分类率和不一致层次的变化进行了讨论.讨论结果对粗糙集理论的研究和实际应用具有一定的指导作用.

变精度单向S-粗集

提出基于副集的单向S-粗集,变精度单向S-粗集;给出基于副集的单向S-粗集,变精度单向S-粗集的数学结构,变精度单向S-粗集的存在背景和意义解释.变精度单向S-粗集是对单向S-粗集理论的完善和发展.

变精度粗糙集模型与应用

介绍了Ziarko变精度粗糙集模型、β约简和广义变精度粗糙集模型;讨论了广义变精度粗糙集模型β上、下近似算子的基本性质,分析了该模型与Ziarko变精度粗糙集模型之间的关系,最后用实例分析了β约简过程.

基于广义变精度粗糙模糊集模型的知识发现

介绍了广义Ziarko’s变精度粗糙集模型和广义粗糙模糊集模型,找出了它们的不足。基于支集相对错误分类率及误差参数β(0≤β<0.5),提出了广义变精度粗糙模糊集模型,讨论了模型中β上、下近似算子的性质;分析了该模型与广义Pawlak’s粗糙集模型、广义Ziarko’s变精度粗糙集模型和广义粗糙模糊集模型的关系;最后给出了该模型中近似约简的定义和方法,并通过实例分析说明了约简算法的有效性。

基于多数包含关系的广义变精度粗糙集模型

通过分析Ziarko变精度粗糙集模型的不足,引入误差参数α(0≤α<0.5),定义了基于多数包含关系的广义变精度粗糙集模型;讨论了该模型中α上、下近似算子的性质;验证了当|R_p(x)|·α=k时,广义变精度粗糙集模型退化为程度粗糙集模型;最后,举例说明了该模型在数据挖掘中的应用.

基于广义粗集和知识共享的供应链需求预测R^5模型

在知识共享前提下,提出了供应链需求预测的案例推理R5模型。此模型以粗集方法进行知识发现,建造和划分案例库,以案例推理管理和应用知识,将广义粗集的数据挖掘功能引入案例推理模式当中,用于指导供应链企业从过去的合作经验中有效学习其合作伙伴的“预测知识”,进而利用新的需求信息进行当前产品的需求预测模型选择。仿真算例表明,将变精度粗集和广义相似关系这两种粗集的泛化形式引入案例推理机制,可以提高推理效率和容错性;利用数据挖掘技术,从相关产品的环境信息及供应链成员的特征参数中发现需求预报的领域知识与深层知识,可以降低知识获取成本及模型选择的主观性。

变精度广义双向s-粗集模型

本文通过对基于双向s-粗集和一般二元关系R所提出的广义双向s-粗集的分析,提出了变精度广义双向s-粗集,定义了广义双向s-粗集中的多数包含关系,借助引入误差参数α(0≤α<0.5),给出了变精度广义s-粗集模型及其有关性质定理.通过实例分析并验证了动态系统中由于属性集合的动态迁移特性与变精度参数变化所产生的广义s-粗集的上、下近似,边界和分类近似精度的变化关系.

β确定下的飞机发电机故障诊断决策约简研究

针对飞机整体驱动发电机故障诊断过程中的故障多源、诊断决策复杂的问题,从数据挖掘角度出发,引用变精度粗集模型处理诊断信息系统.利用对象集定义的二元关系和依赖空间给出了变精度粗糙集的β下近似协调集的判定定理,通过确定近似分类质量γ判断β取值范围并构造下近似分布表,提出了一种决策规则中β下近似属性约简的整体驱动发电机故障诊断决策.通过实际发电机输出故障信号诊断流程约简后得到决策系统,利用粗集中右边界域的准确度和覆盖度验证该方法的有效性和小样本情况下得到决策方法的普适性.

变精度动态S-粗集模型及应用

通过分析变精度概率粗集模型与概率S-粗集模型的不足,给出了一般关系下的变精度S-粗集模型,并将变精度与概率S-粗集相结合,得到了变精度概率S-粗集模型。运用该模型处理相关动态问题会明显降低决策失误的风险。