基于赋权粗糙隶属度的文本情感分类方法

提出了基于赋权粗糙隶属度的文本情感分类方法.该方法将特征倾向强度引入到文本的向量空间表示法中,建立了基于二元组属性(特征,特征倾向强度)的文本表示模型.提出了基于情感倾向强度序的属性离散化方法,将特征选择寓于离散化过程,达到数据降维的目的.利用特征倾向强度,定义了赋权粗糙隶属度,用于新文本的情感分类.在真实汽车评论语料上,与支持向量机分类模型进行比较实验表明,基于赋权粗糙隶属度的文本情感分类方法在对数据进行一定程度的压缩后仍表现出较好的分类性能.

应用粗糙隶属度确定大坝效应量分量比例

为了评价各因素对大坝监测效应量的综合影响程度,研究了确定大坝监测效应量各分量比例的粗糙集方法。首先对原始监测信息进行数据离散化得到决策表,然后对决策表进行属性约简以去除影响极小的影响因素,最后用粗糙隶属度分析各主要因素的重要性指标及其在效应量中所占的分量比例。该方法能提取隐藏在数据中的潜在信息,而不需要预先给定数学模型和相关参数,有利于保证分析的客观性。实例分析表明,该方法简捷实用,可定量分析影响因素对效应量的影响程度。

度量加权直觉模糊序信息系统的粗糙隶属度

在已有的直觉模糊序信息系统概念的基础上,根据加权得分函数引入度量加权向量,并利用度量加权的概念把直觉模糊等价关系推广为度量加权直觉模糊优势关系,从而建立了度量加权直觉模糊序信息系统.进一步定义了粗糙隶属度,研究了其相关重要性质,并通过实例验证了该模型的可行性和有效性.

区间值模糊信息系统的粗糙隶属度

Pawlak.Z的粗糙集理论与区间值模糊集相结合可以得到区间值模糊信息系统。本文在已有的区间值模糊信息系统概念的基础上,根据模糊等价关系引入了模糊近似空间。从而给出了相似度,进而利用模糊近似空间中任意两个对象集的相似度,定义了区间值模糊信息系统的粗糙隶属度并讨论研究了粗糙隶属度的相关性质。最后,实例验证了这些性质的可行性和有效性。

基于邻域的隶属度覆盖粗糙集模型

通过覆盖粗隶属函数,将粗糙集理论与模糊集理论联系起来,建立一种粗糙集理论与模糊集理论间的关系.把覆盖粗隶属函数视为论域上的一个特殊模糊集,用它的α-截集和β-强截集的概念,将覆盖粗糙集模型进行推广,提出基于邻域的隶属度的覆盖粗糙集模型,并讨论了其性质.

多粒度粗糙集模型的一致模语义分析

一致模是单位元取自[0,1]中任意数值的新型聚合算子,是常见三角模与三角余模的自然推广.从一致模的角度出发对已有的多粒度粗糙集模型进行了细致分析,进一步,通过将边界域中对象的粗糙隶属度进一步细化,将对象在每个Pawlak空间中的粗糙隶属度进行聚合,给出了对象在多粒度空间中粗糙隶属度的全新定义,并对其语义表示特点进行了分析.

基于粗隶属函数的粗糙集模型的推广

通过粗隶属函数,将粗糙集理论与模糊集理论联系起来,建立一种粗糙集理论与模糊集理论间的关系。把粗隶属函数视为论域上的一个特殊模糊集,用它的!-截集和强"-截集的概念,将经典粗糙集模型进行推广,提出基于等价关系的隶属度粗糙集模型,验证一些有用的性质,并证明该模型比Pawlak粗糙集模型具有更好的精度。最后将基于等价关系的隶属度粗糙集模型拓展到基于一般二元关系的广义隶属度粗糙集模型,并给出其相应的性质。

基于新的距离度量的K-Modes聚类算法

传统的K-Modes聚类算法采用简单的0-1匹配差异方法来计算同一分类属性下两个属性值之间的距离,没有充分考虑其相似性.对此,基于粗糙集理论,提出了一种新的距离度量.该距离度量在度量同一分类属性下两个属性值之间的差异时,克服了简单0-1匹配差异法的不足,既考虑了它们本身的异同,又考虑了其他相关分类属性对它们的区分性.并将提出的距离度量应用于传统K-Modes聚类算法中.通过与基于其他距离度量的K-Modes聚类算法进行实验比较,结果表明新的距离度量是更加有效的.

覆盖粗糙直觉模糊集模型的研究

粗糙集和直觉模糊集的融合是一个研究热点。在粗糙集、直觉模糊集和覆盖理论基础上,给出了模糊覆盖粗糙隶属度和非隶属度的定义。考虑到元素自身与最小描述元素的隶属度和非隶属度之间的关系,构建了两种新的模型——覆盖粗糙直觉模糊集和覆盖粗糙区间值直觉模糊集,证明了这两种模型的一些重要性质,与此同时定义了一种新的直觉模糊集的相似性度量公式,并用实例说明其应用。

粗糙集理论在模糊神经网络中的应用研究

应用粗糙隶属度及粗糙神经 0元对模糊神经网络进行讨论 ,得到了一种利用神经网络修正不完善粗糙规则的方法 ,以及一种粗糙模糊神经网络 .以日本大阪湾的COD浓度为例 ,取得了良好的拟合及预测效果 ,从而具有广泛的应用前景 .

基于模糊近容度的战时物资供应偏好选址(英文)

提出一种基于模糊近容度的战时物资供应的偏好选址方法,认为选址方案的确立是一个模糊多属性决策过程,而且这些属性在决策中具有主观偏好性,决策表是在原始模糊条件属性表的基础上,根据模糊粗糙隶属度和近似精度约简得到。选址方案的排序由模糊近容度生成。最后说明此方法在应用上的合理性和有效性。

基于粗糙隶属函数的规则组合可信度计算与推理

针对离散关系数据库知识发现和不确定性推理问题 ,采用粗糙隶属度函数来确定由粗糙集方法提取规则的可信度因子 ,减少了确定可信度因子的主观因素 ,提高了应用可信度理论进行不确定性推理的可靠性 .针对一医疗诊断的实例给出在结合可信度理论的计算原理之后 。

大坝安全监测的粗集模型方法

针对传统分析方法的不足,研究了大坝安全监测的粗集模型方法.首先对原始监测信息进行粗糙集处理,提取主要影响因素和决策规则集,然后用粗糙隶属度分析各主要因素的重要性指标及其在效应量中所占的分量比例,并且通过对规则集的不确定性推理建立了大坝监测的粗集预报模型.实例分析表明,粗集模型在大坝影响因素重要性评价和非确定性测值预报方面取得了满意的结果.

概念格在变压器故障诊断中的应用研究

为解决变压器故障诊断中传统方法无法解决的知识发现与获取难题,以变压器故障诊断知识库为基础,建立相应的概念格结构,并在格上剪枝以协调目标信息库。从数据集中生成概念格过程的实质是概念聚类过程,应用广泛。应用格上的概念诊断变压器故障,能确定出不完整信息下的格节点对象集,再用粗糙隶属度法确定出各故障发生的概率。研究表明该法有一定的智能性和容错性,是一种有效的变压器故障诊断知识处理方法。

一种新的覆盖粗糙模糊集模型

在覆盖粗糙集与模糊集结合的研究中,已有的覆盖粗糙模糊集模型存在两类问题:一类是元素的上、下近似隶属度之间的差值通常过大;另一类是元素的上、下近似隶属度与其在给定模糊集中的隶属度无关.对此,通过定义模糊覆盖粗糙隶属度,将元素的最小描述与给定模糊集建立联系,同时综合元素在给定模糊集中的隶属度,进而建立一个新的覆盖粗糙模糊集模型.理论比较和实验结果均表明该模型可以有效解决上述两类问题.