广义多粒度双量化邻域粗糙集

针对实数型数据的信息量化问题,引入相对概念和绝对基数构建了广义多粒度双量化邻域粗糙集模型.首先,通过I型和II型广义多粒度上、下邻域特征支撑函数构建两类广义多粒度上、下邻域近似算子并讨论其性质;其次,讨论了两种广义多粒度邻域粗糙集的关系;最后,通过传染病案例实证分析了模型的实用性和有效性.

广义多粒度粗糙集属性约简和matlab计算

定义了基于广义多粒度粗糙集的属性约简,研究了约简的一些基本性质,给出matlab计算的过程,并给出计算实例。定义了信息系统的严格协调、软不协调性、粒度协调、粒度不协调,定义了广义多粒度下约简、粒度约简、(下/上近似)分布协调约简、(下/上近似)质量协调约简,并给出部分结论。广义多粒度粗糙集的约简适用于乐观多粒度粗糙集和悲观多粒度粗糙集。研究结果可完善多粒度粗糙集理论,为理论研究和应用奠定基础。

不完备信息系统中的广义多粒度双相对定量决策粗糙集

经典的粗糙集理论建立在等价关系基础上,要求过于严格,所以限制了它的实际应用范围.为此,扩展形式的粗糙集模型得到了广泛关注,并已成为研究热点.在现实世界中,由于数据测量的误差、对数据的理解或获取的限制等众多原因,所遇到的信息系统往往是不完备的.面向不完备信息系统,在广义多粒度粗糙集以及双相对定量决策粗糙集的基础上定义了两种广义多粒度双相对定量决策粗糙集(GMDrq-DTRS).一方面,讨论GMDrq-DTRS与广义多粒度粗糙集之间的等价关系,以及它们正负域的大小关系;另一方面,在不同的参数关系下,讨论GMDrqDTRS的正域、负域以及上下边界域所具有的特殊关系.并用具体实例来解释说明GMDrq-DTRS决策过程和所讨论的GMDrq-DTRS与其他模型之间的关系.

多源覆盖信息系统下的加权广义多粒度粗糙集模型及其应用

考虑到多源覆盖信息系统中数据的复杂性以及单个信息系统之间的不平等性,引入诱导覆盖粗糙集,并对信息系统的属性赋予权重值,提出了多源覆盖信息系统下的加权广义多粒度粗糙集MCS-WGMRS模型。定义了属性权重的计算方法,给出模型的上、下近似,并获取了相应的决策规则。通过实例分析验证了MCS-WGMRS模型的有效性,结果表明该模型对目标集的分类能力更强,适当调整阈值可进一步提高模型的容错性。

多粒度广义近似空间的模糊粗糙集

针对多粒度广义近似空间中各元素之间关联度的问题,给出了元素之间相似度以及论域上相似矩阵的概念.结合粗糙集和模糊集理论,构建了多粒度广义近似空间中的模糊粗糙集模型并讨论了多粒度广义近似空间中的模糊粗糙下、上近似算子的性质.最后研究了多粒度广义近似空间中模糊粗糙的精确度和粗糙度.

基于广义自适应多粒度的多源信息融合研究

多粒度粗糙集模型是一种有效的信息融合策略。利用该策略能从多个角度将多源信息进行融合,并转化成一致的信息表示。现有的大多数多粒度信息融合方法对每个知识粒度都采用相同的阈值,然而,众所周知,不同的信息源的来源和噪声都不尽相同,其对应的知识粒度的阈值也应不同。为此,首先在广义多粒度粗糙集中引入单参数决策理论粗糙集,提出了广义自适应多粒度粗糙集模型。然后,利用经典的融合策略设计了4种广义多粒度模型,所有模型都可以通过一个参数补偿系数ζ来自适应地获得知识粒度对应的阈值对,并讨论了这些模型的相关性质。最后,通过实验结果证明,所提模型在实际应用中灵活性更高,决策更为合理。

基于参数粒的广义多粒度粗糙集

针对信息源对同一问题或决策干扰程度不同时信息粒的获取问题,提出了一种用参数获取信息粒的方法。首先给出了计数函数、参数粒、参数支撑函数的定义;其次通过参数支撑函数构建了2种广义多粒度参数粒粗糙集模型,并讨论了广义多粒度参数粒粗糙集上、下近似算子的性质,给出了Ⅰ型广义多粒度参数粒粗糙上近似算子的算法;再次,通过定义2种广义多粒度参数粒的精确度和粗糙度讨论了这2种广义多粒度参数粒粗糙集的度量问题;另外,通过商品分类的例子说明了模型的有效性;最后通过实验数据分析,发现参数越大,Ⅰ型广义多粒度参数粒的精确度越高。