广义变精度粗糙集模型中近似算子研究

定义了多数包含关系;借助引入的误差参数β(0≤β<0.5),提出了基于后继邻域的广义变精度粗糙集模型的β上近似■X、β下近似■X、β边界bnr_β和β负域negr_β的定义;详细讨论了β上、下近似算子■与■X的性质;从对偶性角度出发推广了β上近似、β下近似算子■X与■X,得到了两对对偶的上、下近似算子■X与■X和■X;最后全面讨论了推广后的两对上、下近似算子■X与■X和■X与■X的性质,详细分析了它们同广义变精度粗糙集模型中上、下近似算子■X与■X和一般关系下的变精度粗糙集模型中上、下近似算子■X与■X的关系。

基于多数包含关系的广义变精度粗糙集模型

通过分析Ziarko变精度粗糙集模型的不足,引入误差参数α(0≤α<0.5),定义了基于多数包含关系的广义变精度粗糙集模型;讨论了该模型中α上、下近似算子的性质;验证了当|R_p(x)|·α=k时,广义变精度粗糙集模型退化为程度粗糙集模型;最后,举例说明了该模型在数据挖掘中的应用.

变精度粗糙集模型与应用

介绍了Ziarko变精度粗糙集模型、β约简和广义变精度粗糙集模型;讨论了广义变精度粗糙集模型β上、下近似算子的基本性质,分析了该模型与Ziarko变精度粗糙集模型之间的关系,最后用实例分析了β约简过程.

一般关系下的变精度粗糙集模型

通过分析一般关系下基本粗糙集模型的不足,定义了一般关系下的多数包含关系,借助引入的 误差参数α(0≤α<1/2),给出了一般关系下的变精度粗糙集模型．在该模型中,当α=0时,退化为一般关 系下的基本粗糙集模型(Z．Pawlak模型);当|Rs(x)|·α=k时(|Rs(x)|表示元素x后继邻域Rs(x)之基 数,k为非负整数),退化为常见的程度粗糙集模型．通过它与一般关系下基本粗糙集模型(Z．Pawlak模 型)的比较,可以看出,在引入误差参数α后,能够使尽可能多的有用信息被提取、挖掘．从而克服了基 本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失的现象,并讨论了所给模型的一 些性质．最后,在所给模型基础上讨论了一种广义近似空间中集合的相对可辨性、近似依赖和属性约 简．

变精度粗糙集模型及其应用研究

介绍了广义粗糙集模型和Ziarko变精度粗糙集模型,找出了它们的不足;借助引入的误差参数β(0≤β<0.5),给出了基于后继邻域的一般二元关系下变精度粗糙集模型的β上近似、β下近似、3边界和β负域的定义以及β近似质量和β粗糙性测度定义;详细讨论了β上、下近似算子的性质、该模型与其他粗糙集模型的关系以及一般二元关系下两种变精度粗糙集模型的关系;最后,举例说明了该模型在信息处理中的应用。

基于变精度粗糙集的应急调度模型

以应急调度为背景,为了提高不同精度下的不确定信息处理能力,研究了变精度应急调度问题.针对多物资、多出救点、多受灾点和时变供求约束等特点,构建了应急时间最短、成本最少的多目标应急调度模型.证明了应急响应总时间的取值范围,以此推导出模型中运输时间与运费的取值范围.在上述定理证明前提下,设计了粒子群优化算法对该模型进行求解,并将其最优目标函数值与随机模式下最优目标函数值进行对比,显现出本文所提模型与设计算法的有效性.

变精度覆盖粗糙集模型的比较

介绍覆盖粗糙集和Ziarko变精度粗糙集模型,将Ziarko变精度粗糙近似算子应用于覆盖近似空间,借助引入的误差参数β(0≤β<0.5),给出2种变精度覆盖粗糙集模型的β上近似、β下近似、β边界和β负域的定义。讨论2种模型中β上、下近似算子的基本性质、2种模型之间的关系以及变精度覆盖粗糙集模型与其他粗糙集模型的关系。

属性值变化时变精度粗糙集模型中近似集动态更新的矩阵方法研究

为了从矩阵的视角探讨信息系统动态知识更新的有效方法和途径,提出了信息系统的属性值发生变化时变精度粗糙集模型中概念上、下近似集增量式更新的矩阵方法并构造出相应的算法;随后在MATLAB平台上开发出近似集增量式更新和非增量式更新的两类矩阵算法的程序;最后在UCI数据集上进行两种矩阵算法的性能测试。测试结果表明,概念近似集增量式更新矩阵算法的可行、简洁和高效。

不完备信息系统下的变精度粗糙集模型及其知识约简算法

Rough Set Theory, which has been found applicable and useful in many fields, is now a very effective method in data mining research. However, when the decision table is an incomplete one, with the original rough set theory proposed by Z. Pawlak, one can't get satisfactory results. In this paper an approach based on limited valued tolerance relation and majority inclusion relation is proposed. And furthermore a new attribute reduction method called extended discernable matrix is given. As this model is somewhat a combination of fuzzy means and majority inclusion relation, it is more effective than the previous models in practice.

ⅡS中基于限制容差关系的变精度粗糙集模型

在不完备信息系统中的限制容差关系的基础上,建立了变精度粗糙集模型,并且对其相关性质进行了分析。从构造区分函数出发,给出了求不完备信息系统近似约简的一般方法,定义了β近似约简,β近似区分函数等概念,给出了求其β近似优化决策规则的一般步骤,最后通过实例说明所提到的理论是符合客观实际的。

变精度覆盖粗糙集模型的推广研究

基于多数包含关系及误差参数β(0≤β<0.5),提出了两种基于对象邻域的变精度覆盖粗糙集模型,讨论了模型中β上、下近似算子的性质;从对偶性角度出发推广了β上近似、β下近似算子apcβ(X)与apcβ(X),得到了两对对偶的上、下近似算子apc′β(X)与apc′β(X)和apc″β(X)与apc″β(X);研究了这些近似算子的性质及相互关系。

不完备信息系统中一个变精度粗糙集模型

针对不完备信息系统的知识获取,提出了一种基于相容度的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展.定义了这种模型上的知识约简,并给出了求约简的一个启发式算法.最后通过实例分析说明了算法的有效性.

变精度粗糙集模型约简层次研究

分析了变精度粗糙集模型约简异常出现的原因,结合变精度粗糙集模型特征,将特定β值上的约简扩展为区间约简,并从分类质量、β相对正域和决策类三个层次分别对约简进行描述,研究了它们与约简异常之间的关系。区间约简评价因子的提出,对评价及选择区间约简有重要指导意义。

基于(α,τ)限制相似关系的变精度粗糙集模型

针对经典粗糙集模型只能处理完备信息系统,将变精度粗糙集模型引入到不完备信息系统中。给出了(α,τ)限制相似关系的定义及其相关性质,并提出了基于(α,τ)限制相似关系的变精度粗糙集模型,提出了基于属性重要度和近似分类质量的知识约简算法。通过算例分析验证了该模型知识约简算法的有效性。

一种基于灰色绝对关联度的变精度粗糙集模型

应用经典粗糙集理论处理连续值属性决策表问题时,对连续值属性进行离散化会造成信息损失,同时经典粗糙集模型也无法处理不精确分类。针对以上问题,建立了基于灰色绝对关联度的变精度粗糙集模型,研究了模型的部分性质和定理,提出了基于重要度的约简算法对模型进行属性约简。通过实例说明了模型建立和约简的具体过程。

变精度粗糙集模型在决策树构造中的应用

针对ID3算法构造决策树复杂、分类效率不高等问题,本文基于变精度粗糙集模型提出了一种新的决策树构造算法。该算法采用加权分类粗糙度作为节点选择属性的启发函数,与信息增益相比,该标准更能够全面地刻画属性分类的综合贡献能力,计算简单,并且可以消除噪声数据对选择属性和生成叶节点的影响。实验结果证明,本算法构造的决策树在规模与分类效率上均优于ID3算法。

基于广义变精度粗糙模糊集模型的知识发现

介绍了广义Ziarko’s变精度粗糙集模型和广义粗糙模糊集模型,找出了它们的不足。基于支集相对错误分类率及误差参数β(0≤β<0.5),提出了广义变精度粗糙模糊集模型,讨论了模型中β上、下近似算子的性质;分析了该模型与广义Pawlak’s粗糙集模型、广义Ziarko’s变精度粗糙集模型和广义粗糙模糊集模型的关系;最后给出了该模型中近似约简的定义和方法,并通过实例分析说明了约简算法的有效性。

变精度上近似与程度下近似粗糙集模型的正域及其算法

针对变精度近似与程度近似的结合问题及正域的核心地位,组建了变精度上近似与程度下近似粗糙集模型,并定义了其中的正域概念。研究了模型正域与精度量化指标和程度量化指标关联的内涵及意义,得到了模型正域的精确刻画与性质。为了计算模型正域,提出了自然算法与原子算法,并进行了算法分析与算法比较,得到了自然算法与原子算法具有相同的时间复杂性,而原子算法却具有更优的空间复杂性的结论。最后用一个医疗实例对模型正域及其算法进行了分析与说明。变精度上近似与程度下近似粗糙集模型的正域,从膨胀的优势方向完全扩展了经典粗糙集模型的正域,对与精度参数和程度参数相关的必然性知识发现具有意义。

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。

基于变精度模型的平分互测动态约简粗糙集知识发现方法研究

普通粗糙集模型对数据噪音的高度敏感限制了其在工程实际中的应用,本文在变精度模型近似约简的基础上提出了数据全集随机平分互测法以提高数据的利用率。为克服数据集随机分割带来的约简值浮动变化的问题,本文提出了动态约简的方法筛选出最优约简,将此最优约简应用于数据全集生成最优规则。