广义不完备信息系统中一种拓展粗糙集模型

以同时具有遗漏型和丢失型未知属性值的广义不完备信息系统为研究对象,定义一种用于分类的α程度限制优势关系,提出一种基于α程度限制优势关系的拓展粗糙集模型,并给出其上、下近似性质。通过一个教师教学质量评估实例,说明这种模型在广义不完备信息系统中处理模糊和不确定知识是有效和可行的。

广义不完备序值信息系统中的知识约简

以同时具有丢失型和遗漏型未知属性值的广义不完备序值信息系统为研究对象,提出确定特征优势关系的概念,并基于此关系讨论了该系统的知识约简问题.对比分析证明,确定特征优势关系在一定程度上克服了特征优势关系的局限性.在广义不完备序值决策系统中引入近似分布约简,提出新的近似分布约简概念,结果表明基于确定特征优势关系粗糙集模型能有效地处理具有两种未知属性值的广义不完备序值系统,为从复杂的不完备系统中知识获取提供了新的理论基础与技术手段.

广义不完备混合决策系统的知识约简

针对现实中同时具有丢失型和遗漏型未知属性的混合决策系统的约简问题,建立了广义不完备邻域粗糙集模型,提出了未知属性的辨别方法,给出了一种混合约简算法。模型采用广义邻域关系度量不可分辨关系,通过邻域信息粒子逼近论域空间,是非对称相似关系和容差关系的广义化。依据分类一致性假设及广义邻域关系进行未知属性的辨别,讨论了噪声样本和邻域大小对分类精度的影响。采用UCI数据库中5组数据进行了仿真试验,预测精度证明了约简算法的有效性和可行性。

基于优势关系的广义不完备模糊系统

本文以同时具有丢失型和遗漏型未知属性值的广义不完备模糊决策系统为研究对象,提出了确定特征优势关系的概念,构建基于确定特征优势关系的模糊粗糙集模型,并提出相对下、上近似约简的概念,在此基础上得到近似约简的的判定定理及区分函数。并进行实例分析说明其有效性。

广义不完备直觉模糊信息系统的属性约简

给出了广义不完备直觉模糊信息系统的概念,并把特征关系引入广义不完备直觉模糊信息系统,在此基础上构建了广义不完备直觉模糊信息系统与决策表的辨识矩阵,进而分别讨论属性约简和相对约简.

基于新特征优势关系的知识约简模型

针对同时具有缺席和遗漏型未知属性值的广义不完备序信息系统,给出一种基于新特征优势关系的知识约简方法.首先,利用属性值的偏序特点提出了两种不同形式的新特征优势关系.新特征优势关系既保留了已有特征优势关系的优点,又在一定程度上克服了已有特征优势关系的局限性,是已有特征优势关系的进一步推广.然后,针对这两种新特征优势关系,分别给出了广义不完备序信息系统下知识约简的判定定理,定义了基于区分矩阵的区分函数,并利用布尔推理得到了这两种新特征优势关系下知识约简的具体操作方法,同时给出实例对结论和方法加以说明和演示.

基于新特征优势关系的粗糙决策分析模型

针对同时具有缺席和遗漏型未知属性值的广义不完备序决策系统,文章给出了一种基于拓展粗糙集的决策分析模型。首先针对已有特征优势关系的不足,提出一种新特征优势关系;然后在新特征优势关系下得出决策类的粗糙近似,并给出分类决策规则。对比分析证明:新特征优势关系既保留了已有特征优势关系的优点,又在一定程度上克服了已有特征优势关系的局限性,是已有特征优势关系的进一步推广。最后给出应用实例,进一步验证了模型的可行性和有效性。