粗糙关系数据库及其发展

对粗糙关系数据库(rough relational database,RRDB)在国内外的发展状况进行了探讨。具体分为两部分,其一,对于与粗糙关系数据库相关的几个概念及它们之间的关系进行了研究;其二,从多值信息系统的规则生成及属性约简、RRDB的粗糙算子研究、RRDB的数据查询及数据更新、RRDB的度量研究及粗糙函数依赖等几方面对目前粗糙关系数据库在国内外的发展状况进行了总结回顾。

图像中非凸区域的粗糙关系特征研究

通过研究图像中非凸区域的特性和A Cohn提出的"蛋-黄"模型,定义最大可能凸子集和最小可能凸超集等概念,给出了非凸区域的上、下近似概念,在此基础上提出了一种非凸区域转化为凸区域的粗糙近似算法,然后研究了非凸区域间、凸区域间的关系特征,给出了非凸区域间的粗糙关系与凸粗糙区域间的粗糙关系等价图,从而简化了非凸区域之间的关系。这对基于图像的空间定性推理(QSR)进行了推广,使其不但能够对含有凸区域的图像进行语义推理,而且能够对含有非凸区域的图像也能进行推理。

基于粗糙关系数据库的粗糙数据查询

以粗糙关系数据库模型 (RRDM)为背景 ,从分解原理、投影原理、粗糙关系数据库 (RRDB)的可定义性及上、下近似几方面讨论了RRDB的查询理论 ,并以此为基础提出了一种新的RRDB查询方法———粗糙数据查询 .我们把粗糙数据查询分为精确查询、粗糙完全查询、粗糙组合查询三类 ,并从这三方面对粗糙数据查询进行了讨论与仿真实验 。

粗糙关系数据库空间结构及其粗糙集模型

粗糙关系数据库模型从本质上来说就是多值信息系统,它继承和扩展了经典的粗糙集理论,但与经典粗糙集理论又有着很大的不同。该文扩展了多值信息系统模型的定义,分析了粗糙关系数据库模型的空间结构,为粗糙数据库的不确定性进行度量提供一个依据,同时通过对粗糙关系数据库空间结构的分析,导出了基于粗糙关系数据库的上、下近似以及值约简,进一步基于粗糙关系数据库的空间结构定义了属性集之间的部分、传递依赖关系和粗糙关系数据库的规范,定义粗糙关系数据库的连接算子,并以此为基础得出了粗糙关系数据库的关系模式分解定理,为粗糙关系数据库模型的进一步研究提供了理论基础。

粗糙关系数据库的数学基础

在引入粗糙关系数据库(Rough Relational Database,RRDB)的基本概念基础上,分析得出粗糙关系数据库中使用的几个主要数学理论包括等价关系、分解、位模式、粗糙熵及粗糙集理论,并进一步深入研究了这些理论在RRDB中的相关性质,对它们在粗糙关系数据库中的应用进行了探讨。

粗糙集理论在关系数据库中的应用

介绍粗糙集理论和在关系数据库方面的应用,分析和研究了应用中粗糙关系数据库模型,以及关系操作、完整性约束和粗糙查询等。

J_(rv)粗糙Vague区域关系

为了处理重要的Jrv类粗糙Vague区域关系,基于Vague集和粗糙集的联合给出Jrv类粗糙Vague区域关系的数学模型表示.通过分析粗糙Vague区域关系模型的复杂粗糙变换情况,确定粗糙Vague区域关系的动态关联邻接图.基于粗糙Vague区域的上﹑下近似模型,提出Jrv类粗糙Vague原子区域关系的可能蕴涵情况表,基于蕴涵情况表给出Jrv类粗糙Vague区域关系的可能蕴涵式.给出实例模型,并对实例模型进行分析.理论研究和实例分析结果表明,该模型可以处理复杂的Jrv类粗糙Vague区域关系,极大地增强了空间数据库处理复杂不确定区域关系的能力.

基于优势关系粗糙集的模糊综合评价的权重确定

文章应用优势关系粗糙集,根据属性的综合优势度计算属性重要度。将属性重要度归一化处理来确定权重的方法克服了传统确定权重的主观性,弥补了经典粗糙集方法确定权重不能很好表达偏好信息的缺点。最后以企业发展能力模糊综合评价的权重确定为例,说明应用优势关系粗糙集确定权重方法是可行的。

基于优势关系粗糙集的自主式学习模型

为了增强对不一致有序信息系统的处理能力,变精度优势关系粗糙集通过引入变精度阈值增加了对不一致信息的适应性,其分类性能受变精度阈值大小的影响.然而,变精度阈值往往依赖于领域先验知识或通过反复尝试确定,极大地影响了算法的实用性.针对优势关系下如何进行信息系统知识获取这一自主控制难题,在分析了变精度优势关系粗糙集所存在问题的基础上,首先定义了优势关系信息系统中决策表的整体确定性、最大整体确定性、整体不确定性、最小整体不确定性等度量准则,进而提出了对各决策类集的最大确定性进行度量的准则和算法.在此基础上,提出了将各决策类集的最大确定性作为该决策类集的变精度阈值进行知识获取的自主式学习模型.该模型不仅避免了知识获取过程中对先验知识的依赖,也增强了对处理不一致信息系统的适应性.通过与现有算法的仿真实验对比分析,发现该自主式学习方法对处理具有较高不一致性的有序信息系统具有比较突出的优势.

集值信息系统中的模糊优势关系粗糙集

以集值信息系统为研究对象,考虑对象之间的优势程度,提出了模糊优势关系的概念;将模糊的方法引入优势关系粗糙集理论,给出了基于模糊优势关系的粗糙集模型并讨论了其相关性质,为从集值决策系统中获取决策规则提供了新的理论基础与操作手段。通过实例验证了所提方法的可行性和有效性。

基于优势关系粗糙集的电信客户价值评价方法

针对电信客户价值评价问题,提出了一种基于优势关系粗糙集的客户价值评价方法。首先借助领域专家的先验知识分别从客户当前价值和潜在价值两方面进行特征数据的提取、学习数据类别标定,而后以各决策类集的最大确定性作为变精度阈值实现自主式规则获取。该方法有效地将领域专家的先验知识和数据本身特征进行了有机结合。由于电信客户数据量大且具有类别标定的学习数据难以获取,在训练数据集选择和类别标定过程中,采用了基于近邻熵的主动学习方法来最大限度地减少领域专家的工作量和提高对训练数据的选择质量。通过在实际数据集上的仿真实验,表明该方法能有效地实现对电信客户的价值评价。

基于优势关系粗糙集的规则生成算法

针对现有的基于优势关系粗糙集的规则生成算法存在运行效率低的问题,提出了一种基于多个优势差别矩阵的规则生成算法,突出不同决策类之间的差别信息,在得到精简规则集的同时,能够提高规则生成效率.通过实验与其他规则生成算法加以比较,表明该算法在平均性能方面优于其他算法.

基于优势关系和可变精度粗糙集的多准则决策方法

针对不确定性决策问题,提出了一种基于优势关系和可变精度粗糙集理论的多准则决策方法。该方法把基于优势关系的粗糙集模型和基于可变精度粗糙集模型结合起来,在可变精度粗糙集模型中把规则的置信度阈值当作可变精度参数值。首先,给出全部方案的成对比较表。然后,从一部分方案的成对比较表中,利用优势关系粗糙集和可变精度粗糙集的扩展粗糙集理论提取两类优势规则。最后,定义打分函数给全部方案打分,并进行排序,选出最优方案。通过一个简单算例论证了该方法的可行性。

基于优势关系粗糙集的空袭兵器判别知识获取

提出了一种基于优势关系粗糙集的方法来抽取空袭兵器识别的主要因素与主要类型之间规则。所提出的优势关系粗糙集方法综合考虑了序值属性和常规属性,具有更为广泛的应用前景。利用实例说明了所提出方法的有效性。

基于优势关系粗糙集的MC客户定制属性分析

客户对定制产品属性组合的偏好决定了定制产品多样化层次和深度,进而极大影响着市场细分程度。为了满足人们对定制产品日益增加的个性化和多样化的需求,提出了一种基于优势关系粗糙集的客户定制属性组合分析策略,该策略在构建具有偏好关系的决策表的基础上,快速挖掘出了客户对定制产品属性偏好所隐藏的潜在规则,利用获取到的决策规则对不同的定制产品从客户偏好的角度上进行了合理的排序。最后,通过某瓷砖企业的定制表明,提出的策略可以为企业快速定位产品市场提供指导性的决策建议。

基于优势关系粗糙集的数据分类

针对经典粗糙集难于解决具有偏好顺序决策表的分析问题,在研究优势粗糙集的基础上,提出了基于优势关系的二进制矢量表的数据分类方法。该方法不需对决策表产生规则,只将原有的对象描述转化为二进制码表,通过被测目标在论域中的对象支持决策类的程度,对数据进行分类。此方法经实例验证,取得了令人满意的效果。

基于优势关系粗糙集的网贷平台评价方法研究

随着P2P网贷市场的快速发展,网贷平台跑路等风险问题日益突出。由于目前没有有效的网贷平台评价方法 ,投资者难以在众多的平台中进行有效选择。针对此问题,在重点考虑投资者关注的网贷平台经营指标前提下,通过构建网贷平台竞争力评价指标体系,运用优势关系粗糙集理论,提出了P2P网贷平台竞争力评价方法。该方法可得到决策规则集,投资者依据决策规则筛选有吸引力的网贷平台,有助于降低投资风险;网贷平台也可据此提升竞争力,吸引投资者。仿真实验表明:平台平均借款期限越短和收取的中间费用种类越少,平台对投资者吸引力就越强,平台竞争力也越大;较高的分类正确率证明评价方法的有效性和可行性。

计算优势关系粗糙集中近似集的快速算法

优势关系粗糙集克服经典粗糙集无法处理偏序关系数据的缺陷,而减少近似集的计算时间可以提高数据处理的效率.基于此种情况,文中提出计算优势关系粗糙集中近似集的快速算法,在对象和属性同时增加时,能快速计算优势关系粗糙集的近似集.算法改进近似集相关参数的定义,通过尽可能少的参数求出近似集,简化计算过程,提高算法运算速度,节省内存.实验表明,文中算法具有较快的运算速度,尤其当数据量增大或数据类别增多时效果更明显.

基于优势关系粗糙集和可拓理论的供应商选择方法

供应商选择的方法,影响着供应商本身以及整条供应链的发展,一直是供应链管理的研究重点。运用优势关系粗糙集和可拓理论对供应商选择方法进行了研究。利用优势关系粗糙集确定评价指标的权重,利用可拓理论构建了供应商选择的可拓判别模型。利用建立的指标体系和选择模型对某公司10个供应商进行了评价和选择,得出了各供应商的优劣顺序,为公司提供了决策依据。

基于邻域关系粗糙集和不确定性的增量属性约简方法

当数据集发生变化时,基于粗糙集的增量方法可以对属性约简进行快速更新。考虑样本增加的动态情况,现有方法对添加的全部样本进行增量计算,时间消耗仍然较大。该文考虑样本的重要程度,认为不同区域的样本对约简更新的贡献程度不同,只选取贡献度大的样本参与约简的更新,从而有效降低计算量。在邻域粗糙集框架下,该文针对分类问题的连续值信息系统,根据样本的分布提出了基于不确定性和邻域关系粗糙集的增量属性约简方法。首先,利用不确定性和分类器结果对样本的贡献程度进行度量和类型划分;然后,针对不同类型的新增样本设计相应的处理策略,在此基础上提出新的增量属性约简算法;最后,在11个UCI数据集上进行大量实验,结果表明该方法与现有方法相比进一步降低了时间耗费,并保持了良好的分类精度和约简能力。