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.

改进的模糊粗糙集模型

模糊粗糙集模型是对经典粗糙集模型的扩充,然而却有其不足之处。本研究提出的改进的模糊粗糙集模型,是建立在一般模糊粗糙集模型基础之上,将一个论域扩充成两个论域,同时重新定义了模糊粗糙集合的隶属函数,从而有效提高了新模型的粗糙近似精度和应用范围。理论分析和实例计算均证明了新模型的有效性和实用性。

基于模糊粗糙集模型的农业旱灾风险评估--以河套灌区为例

为客观评估农业干旱灾害风险的时空变化特征,本文基于区域自然灾害理论,从农业干旱灾害危险性、暴露性、脆弱性和防灾减灾能力四个方面构造农业干旱灾害风险评价指标体系。采用表征气象干旱强度的作物关键生育期的标准化降水蒸散指数(SPEI)作为危险性评价指标之一。基于构建的模糊粗糙集模型和层次分析(AHP)模型,评估了内蒙古河套灌区(2003-2017年)农业干旱灾害风险时空变化特征。研究结果表明,两种方法所得评价结果基本相同。空间分布上,五原县的风险等级最高,磴口县和乌拉特前旗处于中风险区,临河区和杭锦后旗常年稳居低风险区。时间上,临河区、杭锦后旗和乌拉特前旗的风险指数略有增长,而五原县和磴口县的风险指数在2010年后增加明显且波动幅度较大。根据研究区农业旱灾风险评价结果,对研究区五个区县提出了针对性的防治措施以缓解未来的旱灾风险。

基于模糊-粗糙集模型的一种归纳学习方法

对传统粗糙集理论进行了扩展 ,提出了一种模糊 -粗糙集模型 .利用模糊集理论和 Koho-nen网络自组织映射算法对决策表的连续属性进行模糊化 ,并用模糊贴近度构造模糊相似矩阵 ,把普通粗糙集的不可分辨关系推广为模糊相似关系 .提出一种基于模糊 -粗糙集模型的归纳学习算法FRILA,此算法和决策树算法相比 ,具有得到的规则数目少、规则表示简单等优点 .

基于模糊包含度的贝叶斯粗糙集模型

利用变精度模糊粗糙集(VPFRS)模型在属性约简过程中,其结果极易被参数的改变干扰。为克服参数约束,将先验概率引入到文章中,提出一种基于模糊包含度的贝叶斯粗糙集(IDB-BRS)模型,研究了该模型相关性质的同时根据属性相对重要度的启发,给了出基于该模型的属性约简算法。通过在多个UCI数据集上的实验表明,相对于VPFRS而言,IDB-BRS不需要预先给定参数,计算可获得较小的约简和较高的分类精度。

一种面向混合数据的模糊等价关系构造约简

基于模糊粗糙集模型构建模糊等价关系是混合数据分析的有效方法之一。针对属性类别多样性的混合型信息系统,提出一种带权的对象间相似性度量方法 ,该方法建立每类属性对应的相似性度量函数,再通过归并确立带权的模糊相似矩阵。在转化为模糊等价关系的基础上,采用加入蕴含专家领域知识及用户需求的约简算法。通过数据库中几个数据集样本对属性约简后的数目、精度进行对比,验证了方法的有效性和可行性。