基于下近似分布粒度熵的变精度悲观多粒度粗糙集粒度约简

将下近似分布约简引入变精度悲观多粒度粗糙集,定义了变精度悲观多粒度粗糙集的下近似分布粒度熵,基于下近似分布粒度熵定义了变精度悲观多粒度粗糙集粒度的重要度,并设计了基于下近似分布粒度熵的悲观多粒度粗糙集启发式粒度约简算法,通过实例验证了算法的有效性。

基于三角范数的变精度悲观多粒度粗糙集模型

多粒度粗糙集模型是目前粗糙集模型研究的热点方向之一。在更一般的情形下,提出了基于三角范数的变精度悲观多粒度粗糙集模型。根据S-范数和T-范数的定义,建立了一种新的基于三角范数的变精度悲观多粒度上下近似模型,并对其性质进行研究;对以上模型进行修正,并对修正模型的性质进行研究;结合实例,验证了模型的合理性。

基于变精度粗糙集的分层知识粒度

本文在研究变精度粗糙集模型中的近似、分类质量与知识粒度关系的基础上,提出了利用嵌套的等价关系集,可以构造基于不同置信阈值β、不同级别分类质量γ的分层知识粒度,并设计了相应的算法,最后以实例构造了分层知识粒度结构图。

不完备系统中的变精度多粒度粗糙集

以不完备信息系统为研究对象,将变精度粗糙集方法与多粒度粗糙集方法进行融合,构建了基于容差关系的可变精度乐观和悲观多粒度粗糙集模型。这两种可变精度多粒度粗糙集模型都是基于容差关系的可变精度粗糙集与多粒度粗糙集的拓展形式。对可变精度多粒度粗糙集的基本性质进行了讨论,为采用粗糙集方法处理不完备信息系统提供了新的技术手段。

基于相似关系的变精度多粒度粗糙集

在不完备信息系统中基于相似关系,引入了可变精度和多粒度粗糙集,进而提出一种基于相似关系的变精度多粒度粗糙集模型。研究了基于相似关系的变精度多粒度粗糙集的相关性质和关系。随后讨论了基于相似关系变精度多粒度粗糙集的约简问题,提出了一种基于属性重要度的启发式分布约简算法,实例分析的结果验证了该方法的可行性。

不完备系统中基于多粒度的变精度粗糙集方法

多粒度方法是近年来新兴起的一种数据处理模型。为了使多粒度方法适用于不完备信息系统,借鉴非对称相似关系和可变精度的基本思想,提出了基于多粒度的变精度粗糙集模型,其分别包括乐观和悲观两种不同的形式。对这些模型的基本性质进行了讨论,并在多粒度框架下,将变精度方法与严格包含的方法进行了对比分析,最后通过实例分析,说明了如何在不完备信息系统中根据所提出的多粒度变精度粗糙集模型来获取"或"决策规则。

基于多重阈值的变精度多粒度粗糙集模型

传统变精度多粒度粗糙集模型是基于单一变精度阈值的,而多粒度粗糙集模型是从多角度和多层次处理数据,数据往往是多源的或者是分布式的,其噪音数据的含量也各不相同。因此,不同知识粒度层次所应具有的变精度阈值也不相同,这使得现有的模型难以适应多粒度环境。为克服上述缺点,提出了基于多重阈值的变精度多粒度粗糙集模型,该模型使得不同知识粒度层次的变精度阈值可独立调整,更符合多粒度粗糙集模型的数据特征。该模型更好地结合了多粒度粗糙集模型和变精度粗糙集模型,可从多角度分析解决问题又兼具更灵活的容错能力。

变精度多粒度粗糙集的约简研究

首先以容差关系为基础,在变精度粗糙集和多粒度粗糙集的基础上,提出了变精度多粒度粗糙集的概念,分别包括变精度乐观多粒度粗糙集和可变精度悲观多粒度粗糙集;其次,为了讨论变精度多粒度粗糙集的约简问题,给出了变精度乐观多粒度近似质量和变精度悲观多粒度近似质量的定义,并对这两种近似质量的基本性质进行了讨论。借助这两种近似质量,分别定义了变精度乐观多粒度约简和变精度悲观多粒度约简,并设计了两个启发式算法以求得这两种约简。最后在UCI的4个不完备数据集上实现了约简的算法,并对约简的结果和约简率进行了分析与讨论。

基于变精度粗糙集的多粒度最简规则获取方法

传统的决策表规则提取需先进行属性约简再进行值约简,过程中存在大量冗余计算,并且当数据包含一定不确定性时效果不佳。为此,提出一种最简规则获取方法,将属性约简与值约简过程合二为一,使用变精度粗糙集模型,从属性多粒度的角度分析,按粒度的大小将决策表转换成不同的知识空间,并利用矩阵简单直观的特点,在不同的知识空间内定义粒矩阵、粒关系矩阵等概念,通过充分挖掘隐含在β粒关系矩阵中的启发式信息Sω,确定属性约简顺序,实现对不同粒度知识空间下最简规则的快速获取;设置覆盖率α为终止条件,以概率方法加快算法收敛速度。最后,从实例分析以及与现有算法进行UCI测试对比两方面对算法进行了验证,实验结果证明了所提算法的正确性与有效性。

基于代数角度的变精度多粒度粗糙集的约简

多粒度粗糙集及变精度粗糙集分别从不同角度对Pawlak粗糙集进行了改进,其中属性约简是Pawlak粗糙集的重要研究方向之一。文中提出基于包含度的变精度多粒度粗糙集,并探讨其性质;给出三种基于代数角度的变精度多粒度粗糙集的约简的定义,并研究了其性质。

基于限制容差关系变精度的β多粒度粗糙集

由于容差关系要求相对比较宽松,所以建立基于限制容差关系变精度的β多粒度粗糙集模型,并讨论它们的性质.最后,通过例子说明此模型在一定程度上提高了近似精度.

变精度多粒度粗糙集近似集更新的矩阵算法

随着信息大爆炸时代的到来,数据集的巨大化和数据集结构的复杂化已经成为近似计算中不能忽视的问题,而动态计算是解决这些问题的一种行之有效的途径。对现有的应用于经典多粒度粗糙集动态近似集更新方法进行了改进,提出了应用于变精度多粒度粗糙集(VPMGRS)的向量矩阵近似集计算与更新方法。首先,提出了一种基于向量矩阵的VPMGRS近似集静态计算算法;其次,重新考虑了VPMGRS近似集更新时的搜索区域,并根据VPMGRS的性质缩小了该区域,有效地提升了近似集更新算法的时间效率;再次,根据新的搜索区域,在VPMGRS近似集静态计算算法的基础上提出了一种新的VPMGRS近似集更新的向量矩阵算法;最后,通过实验验证了所提算法的有效性。

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。

变精度多粒度粗糙集的信任结构

多粒度粗糙集是近年来粗糙集理论中的主要研究课题之一.本文介绍了变精度多粒度粗糙集模型的上、下近似算子;其次,借助划分函数把变精度多粒度粗糙集转化成单粒度粗糙集,构建了变精度多粒度粗糙集模型的信任结构,并生成相应的信任函数与似然函数,这些结果有利于完善变精度多粒度粗糙集的数值属性约简理论.

基于可变容差关系的变精度粗糙集模型

针对已有不完备信息系统扩展粗糙集模型对噪声鲁棒性差的局限性,首先分析了调节基本知识粒大小的同时引入相对错误分类度的必要性;然后结合系统属性值的缺失定义了对象联系度权值矩阵,并以此为基础提出了基于可变容差关系的变精度粗糙集模型(VPRS-VPTR);接着讨论了模型的性质,分析了模型中相关参数(基本知识粒大小、相对错误分类度)对分类精度的影响,给出了分类精度随模型中相关参数变化的求解算法与时间复杂度分析;最后通过仿真实验与相关研究的扩展粗糙集模型进行对比。仿真结果显示,VPRS-VPTR分类精度更高,而且针对UCI数据库上的几组不完备数据集进行仿真实验的结果还表明,相同参数下各不完备数据集的测试集和训练集分类精度变化趋势相同,进而验证了模型的有效性、灵活性及所提算法的可行性。

基于可变多粒度概率粗糙集的分类模型

以多粒度粗糙集理论为背景,结合可变多粒度思想与错误分类率思想,提出可变多粒度概率粗糙集(VMGPRS)模型.结合粗糙集理论中的属性约简思想,提出粒度约简算法,发现并解决可变多粒度模型中由于参数设定而引发的约简后粒度冗余问题.将约简前后的数据应用于SVM、KNN、NB等经典分类算法,验证约简对数据的分类能力几乎无影响.将规则与算法结合,设计基于规则的分类算法,并且实验分析VMGPRS模型中的2个调节参数α、β对分类器分类效果的影响.

基于“逻辑与”算子的双量化多粒度粗糙集模型

在多粒度近似空间中,将刻画相对量化信息的变精度粗糙集和描述绝对量化信息的程度粗糙集通过"逻辑与"算子结合起来,建立了基于"逻辑与"算子的双量化多粒度粗糙集模型,并分别从乐观和悲观双量化多粒度粗糙集的角度对模型的一些数学性质进行了讨论。该模型对多粒度近似空间中的相对量化信息和绝对量化信息同时进行了描述,在处理带噪声的数据方面有一定的应用价值,丰富了基于粗糙集理论的知识发现的理论基础。

基于直觉模糊的双误差“逻辑与”多粒度粗糙集

在直觉模糊信息系统下,同时考虑相对和绝对的双误差,研究变精度与程度的"逻辑与"粗糙集,提出基于直觉模糊的变精度与程度"逻辑与"乐观多粒度和悲观多粒度粗糙集的上下近似集定义。在此基础上,定义一种新型二进制矩阵来计算多粒度粗糙集的上下近似集,并提出通过矩阵计算上下近似集的若干理论,最后通过案例分析验证所提理论的正确性。

多粒度近似空间中基于“逻辑或”算子的双量化粗糙集模型

变精度粗糙集和程度粗糙集都是在单粒度近似空间中,基于不可分辨关系的扩展粗糙集模型。从信息量化角度来说,变精度粗糙集描述了近似空间中的相对量化信息,程度粗糙集则用于对绝对量化信息的表示中,而多粒度近似空间作为一种广义的近似空间,是对经典近似空间的自然扩张。为了在多粒度近似空间中研究同时具有信息的相对量化和绝对量化特征的粗糙集模型,本文通过“逻辑或”算子将变精度粗糙集和程度粗糙集在多粒度近似空间中结合起来,建立了“逻辑或”双量化多粒度粗糙集模型。并对该模型的粗糙集区域,以及所具有的一些基本数学性质进行了深入的讨论,为多粒度近似空间中基于粗糙集理论的知识发现,提供了新的研究方法。

变精度下不完备邻域决策系统的属性约简算法

邻域粗糙集模型在处理完备的数值型数据中得到广泛应用,但针对不完备的数值型和符号型混合数据进行属性约简的讨论相对较少。为此,首先结合邻域粗糙集给出了可变精度模型下不完备邻域决策系统的上、下近似算子及属性约简;然后通过邻域粒化的方法构建了广义邻域下可变精度的粗糙集模型,并提出了一种属性重要度的评价方法;在此基础上,设计出了面向不完备邻域决策系统的属性约简算法,该算法可直接处理不完备的数值型和符号型混合数据;最后,通过实例分析验证了本文提出的算法能够求解出变精度下不完备邻域决策系统的属性约简结果。