基于程度不可区分关系的粗糙集模型

不可区分关系是粗糙集理论的基础。针对信息系统,提出了程度不可区分关系的概念来刻画信息系统中对象的可区分性程度的差异。提出了基于程度不可区分关系的粗糙集模型,并讨论了模型的基本性质,最后研究了基于程度不可区分关系的粗糙近似算子与Pawlak近似算子的关系。

序信息系统下的程度可区分关系研究

在经典粗糙集中通常运用不可区分关系对知识进行粒化。为解决知识粒化过细带来的分类和决策困难,文章在程度不可区分关系的基础上,讨论了各种可区分关系和不可区分关系的演化机制,提出了基于序信息系统的改进程度可区分关系,进一步刻画对象属性值间的差异程度,最后建立了一种基于程度可区分关系的概率粗糙集模型。

基于同可区分度的属性约简算法

从知识区分能力角度提出同可区分度的概念,并对其性质进行分析.利用同可区分度来刻画信息系统中属性的相对重要性,设计了一种基于信息论观点的启发式约简算法.该算法直接对原信息系统进行约简,不需要预处理,且对完备和不完备信息系统都适用,在保证较高约简率的同时使得信息论观点的约简算法在完备信息系统中的最坏时间复杂度降为O(│A│2│U│).最后用实例说明该算法的高效性.