单向S-区间值模糊粗糙集及应用

以Z.Pawlak粗集理论为基础,将动态区间值模糊近似概念引入区间值模糊粗糙集中。由此提出了单向S-区间值模糊粗糙集概念,给出了单向S-区间值模糊粗糙集的结构与性质。定义了单向S-区间值模糊粗糙集的粗相等、截集、粗糙度等概念,并对一些相关性质进行讨论和证明;给出了单向S-区间值模糊粗糙集的应用及存在价值。

双论域区间值直觉模糊vague粗糙集及其应用

区间值直觉模糊集可诱导出vague集和粗糙集,而后两者的结合具有不确定性深入分析的优势.立足双论域区间值直觉模糊粗糙集,引入vague集进行融合扩张,研究双论域区间值直觉模糊vague粗糙集.首先,定义区间值直觉模糊vague相容类,构建双论域区间值直觉模糊vague粗糙集模型,提出关于双逼近近似和三支决策区域的计算算法,并确立该模型的精确度、粗糙度、依赖度.然后,研究该模型的近似算子与不确定性度量的性质.最后,采用医疗例子进行模型计算、度量测量、性质验证,并得到关于患者临床诊断的患病分析与治疗决策.

一类广义区间值模糊粗糙集的公理化刻画

首先在一般区间值模糊关系上定义了两个论域上的一类广义区间值模糊粗糙集.借助区间值模糊集的截集给出区间值模糊粗糙上、下近似算子的一般表示.讨论了各种特殊的区间值模糊关系与区间值模糊近似算子性质之间的等价刻画.最后利用公理化方法刻画区间值模糊粗糙集,描述区间值模糊上、下近似算子的公理集保证了生成相同近似算子的区间值模糊关系的存在性.

基于区间值模糊概率测度的多粒度区间值决策粗糙集模型

在区间值模糊概率近似空间中,提出了基于IVF(区间值模糊)概率测度的多粒度IV(区间值)决策粗糙集模型,分别讨论和刻划了平均、乐观和悲观三种情形,结果和算例验证了模型的实用性和广泛性.

基于覆盖的区间值直觉模糊粗糙集模型的讨论

利用论域上的覆盖提出了基于覆盖的区间值直觉模糊粗糙集模型,并讨论了它的性质.

区间值模糊集的粗糙度

给出了粗糙区间值模糊集的概念,并研究了一些基本性质.通过引进区间值模糊集水平上、下区域的概念,解决了粗糙集理论中普遍存在的两个集合的交的上近似不等于两个集合的上近似的交(两个集合的并的下近似不等于两个集合的下近似的并)的问题.定义了区间值模糊集的粗糙度,由于区间值模糊集水平上、下区域概念的引进,得到了比普通模糊集的粗糙度更好的结果.

基于覆盖的区间值粗糙模糊集模型

将粗糙集与区间值模糊集相结合便可得到区间值粗糙模糊集.通过将经典粗糙集模型中论域上的等价关系用论域的覆盖来替换,建立了基于覆盖关系的区间值粗糙模糊集模型,并给出了该模型下的一些基本性质.

区间值模糊集上的粗糙近似

提出了区间值模糊粗糙集的上下近似,并且利用区间值模糊集的截集定义了区间值模糊粗糙度量.在此基础上讨论区间值模糊粗糙集和区间值模糊粗糙度量的性质.

广义区间值模糊粗糙近似算子的构造研究

构造了一组新的广义模糊粗糙近似算子,将其拓展到区间上。在由任意的二元区间值模糊关系构成的广义近似空间中,证明了该组近似算子与区间化的广义Dubois模糊粗糙近似算子是等价的,最后在一般二元区间值模糊关系下对该组近似算子的性质进行了讨论。

基于区间值推理的粗糙模糊神经网络

将区间值与模糊推理相结合,在构造神经网络的过程中为了简化网络结构而将它们与Rough集中的知识约简相结合,从而提出了基于区间值推理的粗糙神经网络.

双向S-粗区间值模糊集

针对客观世界中的不确定性知识,利用模糊元素迁移的概念,将静态的区间值模糊集推广到动态的情形,得到了S-区间值模糊集.并在此基础上提出了双向S-区间值模糊集,讨论了其相关性质.

区间值模糊信息系统的粗糙隶属度

Pawlak.Z的粗糙集理论与区间值模糊集相结合可以得到区间值模糊信息系统。本文在已有的区间值模糊信息系统概念的基础上,根据模糊等价关系引入了模糊近似空间。从而给出了相似度,进而利用模糊近似空间中任意两个对象集的相似度,定义了区间值模糊信息系统的粗糙隶属度并讨论研究了粗糙隶属度的相关性质。最后,实例验证了这些性质的可行性和有效性。

区间值模糊集上的上(下)近似

定义区间值模糊粗糙集的上下近似,并且利用区间值模糊集的截集定义了区间值模糊粗糙度量。并且讨论了它们的性质。

区间值模糊目标信息系统的规则提取

在区间值信息系统中定义了一种新的变精度相容关系,研究了这种相容关系诱导的极大变精度相容类;提出了基于极大变精度相容类的区间值模糊目标信息系统的粗糙集模型;进一步讨论了利用粗糙隶属函数获得决策规则的方法,最后通过实例说明了方法的可行性.

基于区间值模糊集信息熵的研究生教育质量的评价方法研究

文章讨论了基于信息熵的区间值模糊粗糙集的属性约简方法;采用基于信息熵的属性约简方法,以属性重要性作为属性约简的重要启发式信息,剔除重要性不足的指标,得到约简后的研究生素质教育质量评价指标体系。

基于区间值模糊的改进模糊神经网络研究

鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题,结合区间值与粗糙集理论,通过简化网络结构,改进输入条件,提出基于区间值推理的改进的模糊神经网络.通过仿真实验,验证了该方法的可行性.这一结果为研究模糊神经网络提供一种新的方法.

基于不完备信息系统的三角模糊数决策粗糙集

在不完备信息系统中,针对用区间值表示一个未知参量时,整个区间内取值机会被认为是均等的,得到的结果可能会产生过大误差的问题,将三角模糊数引入到决策粗糙集中,提出了一种基于不完备信息系统的三角模糊数决策粗糙集。首先,定义了一种描述不完备信息的相似关系;然后,针对不完备信息系统中的缺失值,利用三角模糊数来获取损失函数,构建了三角模糊数决策粗糙集模型;实例表明,本文提出的方法不仅能够弥补用区间数表示的不足,而且可以突出可能性最大的主值,从而减少分类误差。

L水平相似关系下不完备区间值信息表的三支决策

推广了不完备信息表的三支决策模型。首先,根据决策者的风险偏好,定义一个L水平相似关系用以度量区间值信息表上不同对象间的相似程度。其次,从不完备信息表中存在的缺失值的两种语义出发,利用区间数获取损失函数进而通过贝叶斯最小风险决策理论求得三划分所需要的阈值。最后,将三支决策模型推广到由区间值不完备信息和损失函数矩阵组成的混合区间值信息表上,并且研究了模型的性质。

相似度三支决策模糊粗糙集模型的决策代价研究

在三支决策模糊粗糙集模型中,一些学者基于相似度三支决策模糊粗糙集模型建立了目标函数来得到最优阈值对(α,β,)的计算方法,但在该过程的研究中,学者并没有在相似度三支决策模糊粗糙集模型中讨论关于决策代价的描述问题。基于模糊信息系统用新的函数来描述决策代价成为计算阈值对(α,β,)的一种方法,首先,在模糊信息系统中,通过建立一个描述决策代价的函数,将模糊信息系统中的模糊数与三支决策的决策代价联系在一起;然后对隶属频率进行拟合,得到了三支决策中决策代价的数值描述;最后,通过两个实例说明了该方法的可行性和适用性。

k阶区间值模糊粗集

引入了基于k阶二元关系的区间值模糊粗集的概念,研究了当二元关系分别为(弱)欧几里得、串行、自反、对称、传递关系时上(下)近似算子的性质.