基于一般包含度的广义变精度粗糙集

本文将变精度粗糙集模型推广到基于一般包含度的广义变精度粗糙集,利用包含度的性质讨论广义变精度粗糙集的性质。给出广义齐次包含度的定义,验证了常用的概率型包含度等均为广义齐次包含度;给出基于该广义变精度粗糙集的知识约简的方法。不同的包含度代表不同的决策语义,因此借助一般包含度研究变精度粗糙集,能够使尽可能多的有用信息被提取、挖掘,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,进一步推广了粗糙集模型,拓宽了粗糙集在数据挖掘、知识发现、模式识别及决策分析等领域中的应用。

一类特殊的粗糙逻辑代数的不确定性度量

基于已有的包含度理论,在一类特殊的粗糙逻辑代数中首次引入了元素的粗糙真度,粗糙度等概念。进一步,引入了针对两个元素的粗糙相似度及粗糙包含度的概念,详细研究了它们的性质。这些概念可用于展开带有粗糙信息特征的近似推理。

基于包含度的不一致决策表约简新方法

在不一致决策表中,以知识的包含度为基础,将一致和不一致对象分开,定义了一种新的属性重要性;为克服区分矩阵法时间复杂度随系统大小增加而指数增长的缺陷,给出分布约简的数学判定定理,提出了一种求分布约简的启发式方法。实例验证分析表明,新的属性重要性是一种更有效的启发式信息,该方法时间复杂度较低,有助于搜索最小或次优约简。

基于Rough集从临床数据中提取诊断规则

在医学上,没有正确的诊断就没有正确的治疗。本文提出用简化的分明矩阵方法对临床数据信息表属性约简,并在此基础上提出相应分类和合并诊断规则生成算法。通过对该数据集测试表明,此算法是可行有效的,并缩短了诊断规则长度,有时还能为病人节省不必要的检查。