区间值信息系统的知识约简

知识约简是粗糙集理论的重要研究内容之一.传统的知识约简主要针对单值信息系统,但在许多实际问题中,信息系统中的数据往往以区间值的形式存在,因此,区间值信息系统的知识约简研究具有重要意义.现有工作中,论域的分类结果存在冗余度大、误分率高等问题.针对上述问题,在区间值信息系统中引入了α-极大相容类的概念,并提出了新的粗糙上下近似算子,α-极大相容类的采用有效地提高了分类和粗糙近似精度.最后,给出了区间值信息系统知识约简的定义和相应区分函数的计算方法,为区间值信息系统的知识获取提供了一条新的途径.

区间值信息系统的决策属性约简

借助于属性区间值的相似程度在区间值信息系统上定义了一种具有变精度的相容关系,讨论了在这种相容关系下决策区间值信息系统的决策属性约简与决策属性相对约简,并得到了求决策属性约简与决策属性相对约简的具体操作方法。

基于改进的优势关系下的不完备区间值信息系统评估模型

优势粗糙集方法是研究不完备区间值信息系统的一种重要方法。针对当前不完备区间值信息系统研究中存在的问题,提出了两种新的优势关系,即上限优势关系和近似优势关系。在此基础上,研究了对象评估和不确定性度量问题,给出了不同优势关系间的区别与联系,最后利用具体算例加以说明。

基于不完备区间值信息系统的决策粗糙集

在不完备区间值信息系统中,提出一种基于极大相容类的决策粗糙集模型。针对不完备区间值信息系统中属性相似度存在的缺陷,对属性相似度进行改进。在不完备区间值信息系统中,由于容差关系下建立粗糙集模型存在冗余度高、分类精度低的问题,采用极大相容类代替等价类,结合贝叶斯最小风险决策原则,建立决策粗糙集模型。经证明,基于极大相容类建立粗糙集模型可有效提高分类精度。最后,基于正域分布不变的原则提出基于区分矩阵的属性约简算法并将该算法应用于实例。

不完备区间值信息系统的粗糙集约简算法

探讨不完备区间值信息系统的属性约简问题。定义了一种相似联系度容差关系,基于此关系建立了拓展粗糙集模型。然后通过定义双参数分配约简和同异反可辨识矩阵,给出了基于同异反可辨识矩阵的双参数分配约简算法。所建模型可根据不同的用户需求和数据集的分布特点对参数进行动态调整,更符合实际。最后给出了数值例子,并分析了不同参数值对约简结果的影响。

区间值信息系统在变精度相容关系下的属性约简

借助于属性区间值的相似程度在区间值信息系统上定义了一种具有变精度的相容关系,讨论了在这种变精度相容关系下区间值信息系统的属性约简与判定,并得到了区间值信息系统上属性约简的具体操作方法,还讨论了相似水平对区间值信息系统的属性约简的影响。

优势关系下的区间值信息系统及其属性约简

针对区间值信息系统,提出一种新的优势关系,并定义了基于这种优势关系的信息系统的上、下近似集。通过可辨识矩阵的方法,提出了区间值信息系统的属性约简方法。通过实例验证该属性约简方法简便易行。

区间值信息系统的启发式属性约简

针对区间值信息系统中的属性约简问题,引入α-极大相容类的概念,定义区间值信息系统的属性间依赖度和信息熵,提出相应属性内(外)重要度的度量方法,给出一种统一的启发式属性约简算法,通过实验验证该算法的有效性,并分析不同相似水平α对约简结果的影响。

不完备区间值信息系统的安全评估

针对不完备区间值信息系统(IIIS)多属性群决策的"瓶颈"问题,讨论基于广义优势关系粗糙集的不完备区间值信息的处理方法,并改进分类质量的概念,在结合层次分析法形成一致性判断矩阵的基础上,确定群决策中各决策者的权重,实现对IIIS的综合安全评估。实例分析说明了该方法的有效性和实用性。

区间值信息系统基于极大相容类的属性约简

区间值信息系统是单值信息系统的一种广义模型,通过引入变精度相容关系以及极大变精度相容类,提出区间值信息系统的属性约简与对象的相对属性约简。进一步,基于区分矩阵,定义一种区分函数与相对区分函数,得到计算区间值信息系统上属性约简与相对约简的具体操作方法。

区间值信息系统的多粒度粗糙集及其决策

文章从多粒度视角研究了区间值信息系统(interval-valued information system,IvIS),定义了多粒度容差关系,给出了乐观和悲观的2种模型,研究了其性质及其与单粒度模型的联系与区别;然后定义了区间值决策系统(interval-valued decision system,IvDS)的多粒度决策规则的置信度因子及决策规则提取方法,并且给出了决策规则支持定理及其证明;最后通过一个算例验证了所提理论方法的正确性与有效性。

基于α-β优势关系的区间值信息系统属性约简方法

区间值信息系统是单值信息系统的一种扩充,如何对其进行属性约简是区间值多属性决策中的一个重要的问题.在已有的优势关系基础上,定义了α-β优势关系,得到基于新的优势关系的可辨识矩阵,进而对区间值信息系统进行属性约简,给出了约简算法.最后通过一个算例验证了新方法的可行性,并与已有方法进行了比较,结果表明所提出的方法更为简单有效.

区间值信息系统的熵度量

不确定性度量是粗糙集理论的一个主要研究问题,其中熵度量受到学者们的广泛关注。然而,迄今为止,区间值信息系统的香农熵度量研究较少,尤其缺乏满足单调性的香农熵度量。为此,该文首先给出了一种由覆盖导出划分的方法,并证明了覆盖越细,由其导出的划分越细,从而可用划分熵对区间值信息系统的不确定性进行度量;其次,分别构造了区间值信息系统的香农熵度量和补熵(粒度)度量,并证明了其单调性和有界性。最后,分析了香农熵和补熵的关系。

区间值信息系统的粗糙集模型

在区间值信息系统中,首先提出用于分类的拓展二元关系,定义了这种关系下的上下近似集,建立在此关系下的粗糙集模型,并对区间值信息系统进行属性约简。其次,给出区间值决策信息系统的下近似约简的定义和下近似约简判定定理,进而得到下近似约简的方法。

区间值信息系统在双精度容差关系下的约简

为了处理一般的区间值信息系统,给出了基于相离度的相似度定义,提出了基于相似度和相似率的双精度容差关系,讨论了在双精度容差关系下区间值信息系统的属性约简与判定,并给出了一种新的基于二进制辨识矩阵的属性约简算法,同时还分别讨论了相似度和相似率对区间值信息系统的属性约简的影响。通过实例分析说明了属性约简的具体操作方法和算法的有效可行性。

属性合成区间值信息系统的0-1形式背景研究

区间值信息系统是常见的信息系统之一。针对相同论域上的区间值信息系统给出属性合成的区间值信息系统;将形式背景的基本理论引入到合成区间值信息系统中,讨论利用子形式背景直接构造原形式背景;进而研究子形式背景与原形式背景下协调集之间的关系,给出原形式背景下同构概念格的构造方法;最后利用实例验证相关结论。

决策区间值信息系统的交互相容关系及属性约简

决策区间值信息系统的处理方法在解决实际问题中具有重要意义。定义了区间的相对包含度概念,进而提出区间的交互相似度、决策区间值信息系统的交互相容关系,从而克服了以往区间值信息系统方法忽略区间的交互关系的不足,提高了分类的准确性;讨论了交互相容关系下决策区间值信息系统的属性约简和相对属性约简,并给出了寻找约简和相对约简的具体操作方法。

区间值信息系统中一种极大相容类的增量更新算法

由于区间值信息系统中对象的属性值都是区间值,经典粗糙集中的等价关系已不再适用.给出一个新的距离度量来定义属性值为区间值的两对象之间的距离,基于此给出了邻域关系及邻域的定义,然后给出了区间值信息系统中的极大相容类的定义.由于实际应用中信息系统是动态变化的,即新对象的加入和已有对象的删除,因此如何利用已求得的结果增量的更新极大相容类是亟待解决的一个关键问题.由此,提出一种基于Bron-Kerbosch算法的增量更新极大相容类的算法,实验结果表明,该算法能有效提高更新极大相容类的效率.

基于随机优势关系的区间值信息系统

在区间值信息系统中引入了分布函数,得到了基于随机优势关系的区间值信息系统,构造了区间值信息系统的α-随机优势关系。利用Lévy距离,对α-随机优势关系进行了计算,实例说明了方法的有效性。

基于信息粒化的区间值信息系统不确定性度量方法

目前区间值信息系统的不确定性度量方法大多基于粗糙集的粗糙度度量。实例分析表明该度量方法不满足严格单调性,为了解决这一缺陷,将粒计算方法引入区间值信息系统中,提出一种区间值信息系统的信息粒化模型。引入区间值信息系统的知识粒度和粗糙熵两种度量方法,理论分析出它们具有的严格单调性,在区间值信息系统的不确定性度量方面具有更好的优越性。实验验证了知识粒度和粗糙熵均比传统的粗糙度具有更好的不确定性度量效果。