一种广义模糊粗糙集模型的新定义

在Pawlak粗糙集模型的基础上,把一个论域推广到两个论域,等价关系推广为模糊关系,被近似对象换成模糊集,得到广义模糊粗糙集模型.讨论了该模型与经典粗糙集模型的关系,并与其他模糊粗糙集算子进行了比较.该模型在保留原有一些性质的基础上,近似精度提高了,更具有实际应用价值.

广义模糊粗糙集在模糊信息约简中的应用

针对数据集为模糊值时冗余信息难于消除的问题,提出了基于模糊相似关系的广义模糊粗糙集与Quick Reduct算法相结合的方法。利用广义模糊粗糙集数据相似程度对属性值为实数值的数据集合进行约简,不需要预先对原始数据集合进行离散化,约简结果能更完整地反映原信息系统的分类能力。同时算法中利用了启发式信息,使模糊依赖性增加较快的属性作为最小约简。计算实例验证了该方法的有效性。

多粒度广义L-模糊可变精度粗糙集

为了更有效地处理不精确性问题,将模糊变精度粗糙集与多粒度相结合,成为研究的热点.在不可交换的广义剩余格的基础上,定义了基于L-模糊近似空间的广义L-模糊可变精度粗糙集中的左下(右下)和左上(右上)近似算子.然后,结合多粒度,给出了基于不可交换的广义剩余格的多粒度L-模糊可变精度粗糙集及其近似算子,研讨了它们的一些性质.该研究在变精度粗糙集研究中具有一定的理论价值,提供了一种新方法,能更加精确地解决实际中的不精确性问题.

覆盖广义粗糙集的模糊性

在研究覆盖广义粗糙集的基础上,利用两个距离函数Hamming和Euclidean距离函数,结合模糊集的最近寻常集,引入了覆盖广义粗糙集模糊度的概念,给出了一种模糊度计算方法,并证明了该模糊度的一些重要性质。这些结果在覆盖广义粗糙集的理论研究和应用都发挥着一定作用。

广义区间值模糊粗糙近似算子的构造研究

构造了一组新的广义模糊粗糙近似算子,将其拓展到区间上。在由任意的二元区间值模糊关系构成的广义近似空间中,证明了该组近似算子与区间化的广义Dubois模糊粗糙近似算子是等价的,最后在一般二元区间值模糊关系下对该组近似算子的性质进行了讨论。