Homomorphic Properties of Fuzzy Rough Groups

This paper is devoted to the discussion of homomorphic properties of fuzzy rough groups.The fuzzy approximation space was generated by fuzzy normal subgroups and the fuzzy rough approximation operators were discussed in the frame of fuzzy rough set model.The basic properties of fuzzy rough approximation operators were obtained.

基于Rough Set理论的判断矩阵构造方法

群决策支持系统 (GDSS)是利用信息技术 ,将多个决策者个人对该领域的理解及个人判断能力结合在一起 ,利用结构化决策分析技术 ,对半结构化和非结构化问题进行求解 .层次分析法是对定性问题作定量分析的一种简便而有效的方法 .提出了一种 GDSS环境下判断矩阵构造的新方法 :运用粗集理论 ,利用管理信息系统运行所积累的大量决策数据来分析各决策因素、决策者对决策目标的影响 ,并建立自学习系统 ,从而构造具有完全一致性的综合判断矩阵 .

区间粗糙数群组G1法的随机聚合求解及应用

针对复杂不确定环境下的群体评价问题,采用区间粗糙数表征专家偏好,在G1法的基础上,结合蒙特卡洛仿真技术,提出了一种随机模拟聚合算法.首先,通过随机抽样的方式模拟权重系数,并依据序相关性和区间粗糙数贴近度确定专家权重.其次,综合所有专家意见得到指标的最终权重,并将其与预处理后的指标值线性集结,求得一次模拟的综合评价值,据此判断被评价对象间的优劣.通过充分模拟得出优胜度矩阵,并从中推导出包含优胜概率的可能性排序,弥补了不确定信息环境下绝对排序呈现的不足.最后,通过算例说明了方法的有效性,并与现有方法对比阐述了所提方法的优势.

基于模糊邻域判别指数的在线流组特征选择

在线流组特征选择可以充分利用特征流中原始的组结构信息,以在线的方式处理特征选择问题。然而,现有方法大多无法处理具有模糊性和不确定性的数据。为此,提出一种基于模糊邻域判别指数的在线流组特征选择算法。设计一种模糊邻域判别指数,用于描述模糊邻域粒的判别信息,扩展相关的不确定性度量方法。在此基础上,用组内特征选择和组间特征选择两种策略选择具有强近似能力且非冗余的特征。在8个公共数据集上进行对比实验,验证了该算法具有更优且稳定的分类性能。

三角模糊不完备三支群决策及其在糖尿病诊断中的应用

为同时应对不确定信息表示与风险信息融合对群决策带来的挑战,构建一种三角模糊不完备三支群决策方法,并将其应用于糖尿病诊断决策。首先,针对信息不确定性蕴含的模糊性和不完备性,分别引入三角模糊集和不完备信息系统的概念。通过与多粒度三支决策结合,构建了可调多粒度三角模糊概率粗糙集模型。然后,根据离差最大化法计算属性权重与专家权重,结合ELECTRE(elimination et choice translating reality)方法建立了三角模糊多属性群决策方法。最后,通过对糖尿病患者数据的案例分析和评估,验证了所提方法的可行性和有效性。该方法不仅从不确定信息表示、风险信息融合和最优粒度选择的视角丰富了多粒度三支群决策理论,而且推动了糖尿病智能诊断方面的应用。

粗糙群和基于子群的群的粗糙

运用粗糙集理论的思想,在群中基于子群定义了群的近似空间,并定义了集合的运算,用集合的近似进行了研究.用近似群重新定义了粗糙群理论中的粗糙群、粗糙子群、粗糙不变子群、粗糙商群、粗糙同态、粗糙同构等一系列概念,并在传统的和新定义的两种粗糙群理论体系中,研究了基于子群的群的粗糙的性质.

粗集公理组的极小化

粗集公理化是粗集理论研究的一个重要部分 ,它的目标是获得可靠和极小的粗集公理组 .以往文献在这一研究中取得了有意义的进展 ,给出了若干组粗集公理 .但是 ,它们在粗集公理的表示形式、粗集公理组的极小化以及粗集公理组的可靠性证明中 ,尚未达到粗集公理化的理想目标 .该文在以往文献的基础上 ,研究了粗集公理组的极小化 .首先 ,去除了现有粗集公理组中隐含着的冗余性 ,得到了更为精练的两组粗集公理 ,并证明了它们的可靠性 ;其次 ,定义了极小粗集公理组概念 ,并证明了给出的两组粗集公理是极小的 ;最后 ,讨论了一个典型粗集公理组 S5 。

牵引供电系统设计方案的综合评判

电气化铁道牵引供电系统设计方案的选择需要考虑众多定量和定性因素的影响,是一个复杂的模糊多属性决策问题。为此,基于牵引供电系统设计原则,建立了方案优选的分层评价指标体系;提出了一种改进的层次分析法与逼近理想解排序法相结合的综合评判决策方法,利用加权平均属性重要度的计算,改进了评价指标权重的求解,通过群决策将专家主客观权重合理组合,集结了决策者的权威性和意见一致性,引入垂面距离的定义度量各方案与模糊理想解之间的贴近度,实现了方案的比较和排序;以某新建客运专线为例进行验证,结果表明:该方法理论清晰,可操作性和通用性强,是牵引供电方案优选的一种有效决策方法。

软模糊粗糙集

软集理论是1999年Molodtsov为了克服传统数学在处理不确定性问题时所遇到的困难而提出的一种新的数学工具。将软集理论与Z.Pawlak粗糙集结合起来,提出了软模糊粗糙集和软模糊粗糙群及它们的同态的概念,讨论了它们相关的性质。

粗糙不变子群的若干性质与粗糙商群

讨论粗糙集理论在代数系统——群上的应用。基于有关粗糙群、粗糙子群和粗糙不变子群的基本概念以及粗糙子群的一些性质和有关粗糙不变子群的定理 ,讨论了粗糙不变子群的若干性质和粗糙商群的概念 。

粗糙群定义的缺陷与修正

自Pawlak Z提出粗糙集理论以来,众多学者进行了广泛深入的研究,并将该理论拓展至粗糙代数领域.Biswas R和Nanda S首次提出了粗糙群(B-N粗糙群)的概念并给出了若干性质,但这一概念本身存在着一定缺陷.已有一些研究者指出了B-N粗糙群的定义和结论存在的一些问题,并给出了B-N粗糙群的修正定义,但B-N粗糙群定义仍有一个缺陷未能被发现.本文详尽分析了B-N粗糙群及其修正版的缺陷,提出了一种新的粗糙群修正定义,并用示例进行了说明.

不确定条件下装备送修级别粗糙群决策方法

针对装备健康管理过程中送修级别的不确定信息和多源决策问题,研究了一种不确定信息的粗糙群决策方法。定义了群决策信息系统以描述多源决策问题,并用不协调群决策信息系统解释决策信息的不协调特性。结合不协调信息的群决策与不完备信息的粗糙决策两种方法长处,设计了不确定条件下的粗糙群决策方法。最后,将粗糙群决策方法应用于某型雷达的送修级别决策,应用实例验证了粗糙群决策方法处理不确定信息的有效性,可显著提高装备送修级别决策的吻合率。

基于粗糙集和群决策的高校教师科研能力评价模型研究

通过对相关研究的分析,提炼出反映高校教师科研能力和水平的主要指标,运用粗糙集和群决策特征根法构建出高校教师科研能力评价模型,对科研能力评价中的定性和定量要素进行综合评价,通过实证分析,验证模型的科学性和实用性。

基于粗糙集和群决策特征根法的区域水资源可再生性评价

【目的】基于水资源可再生的特点,将粗糙集理论引入到水资源可再生性评价中,建立区域水资源可再生性评价的准确方法。【方法】针对水资源系统信息的不确定性和不一致性以及水资源中经常遇到的群决策问题,将粗糙集理论和群决策特征根法相结合应用于水资源评价,即将粗糙集作为数据的预处理工具,先构造决策表,再用粗糙集进行属性约简,对约简后的指标集用多属性群决策的定量评价方法进行了评价。【结果】实例计算表明,因粗糙集能较好地处理不确定、不完备、不一致信息,故能得到更为准确、详细的评价结果。【结论】将粗糙集和群决策特征根法相结合用于水资源可再生性评价是可行的。

多物流配送中心优化选址决策模型研究

坚持物流配送中心选址与企业长期发展相结合,综合考虑选址方案带来的建设运营成本和长期配送费用,运用粗糙集方法和群决策特征根法对所有定性因素进行综合评判,并把定性要素综合评判值与定量要素相结合构建决策模型。利用遗传算法进行最优决策方案选择,实现了对企业物流配送中心选址过程中所有定性和定量影响因素的综合考虑,同时增加了配送费用考虑年限参数λ,使得模型具有了更强的实用性。通过仿真实验,模型的有效性和实用性得到了充分的验证。

基于正规子群的群的粗糙

主要讨论了粗糙集理论在群中的应用.基于粗糙集理论,继续探讨了一个群的子集关于正规子群的粗糙近似子群.同时,给出了粗交换子群的概念与性质.最后,在商群中讨论了粗糙集的一些性质,并给出这些结论的严格证明,进一步补充和完善了粗糙群理论.

面向远程测试与支援的不完备信息粗糙群决策

针对远程测试过程中由于数据质量及网络传输质量引起的信息不完备问题和远程支援过程中多专家意见合作冲突的多源决策问题,设计了一种粗糙群决策方法。该方法首先运用粗糙集理论,引入相似关系对不完备信息系统进行表示,采用最优完备选择避免不完备数据补齐方法带来的信息失真,对不完备信息系统进行决策,同时引入决策支持度的概念,针对多个专家对同一个对象的决策不是完全一致的情形进行复合粗糙群决策。实例表明:该方法可明显提高装备送修等级决策的准确率,提高远程测试与支援的效率。

基于谱系聚类的粗糙集数据挖掘预处理方法

介绍了一种基于统计分析的数据离散化方法——谱系聚类法,以胶合板缺陷检测数据为应用对象进行了基于谱系聚类的数据离散化研究,并与其它离散化方法进行了对比分析,对比结果表明经谱系聚类方法离散化后的数据,再进行粗糙集约简时,会有更多的冗余属性和记录被约掉,从而可以降低模型的复杂程度,加快获取知识的进程,提高分类的准确率。工程实践证明谱系聚类是一种有效的可用于数据预处理的离散化方法,结合粗糙集算法可以获取满意的数据挖掘结果。

基于粗糙集和群决策的配煤中心选址模型

为实现配煤中心的合理有效选址,综合考虑建设成本、运营费用、大面积土地可得性、大面积土地地理位置、交通便利性、自然条件、社会负效应、煤炭储运资源利用等定性、定量要素,基于粗糙集、群决策特征根理论及目标规划方法,建立配煤中心选址综合评价模型。实例分析表明,运用该模型确定的配煤中心选址方案科学合理,为选址决策提供了依据。

关于粗糙群的注记

从代数的观点、拓扑的观点来讨论和研究粗糙集是粗糙集理论研究的主导思想之一.近年来,国内外学者对粗糙群、粗糙子群、粗糙半群、子群的粗糙理想做了大量的研究,并得到了很好的结论.运用粗糙集理论的思想,在已有的粗糙群的概念的基础上,更深入地探讨了粗糙集理论在代数系统——群上的应用,给出粗糙子群、粗糙陪集、粗糙不变子群和粗糙商群的概念,并讨论了一些新的性质.