基于(α,λ)联系度容差关系的变精度粗糙集模型

基于传统粗糙集理论的方法不能有效地处理含噪音的不完备信息系统.根据集对分析理论,提出(α,λ)联系度容差关系.将(α,λ)联系度容差关系与Ziarko提出的多数包含关系相结合,提出变精度(α,λ)联系度粗糙集模型.给出了该模型下基于正域相似度的启发式属性约简算法,分析了算法的时间复杂度,通过仿真实验验证了所提方法处理含噪音的不完备信息系统的有效性.

基于联系度容差关系的不完备信息故障诊断

针对不完备信息条件下的故障诊断问题,研究了一种基于(α,β,γ)联系度容差关系的故障诊断方法.定义不完备诊断信息系统以描述不完备诊断信息,定义(α,β,γ)联系度容差关系以衡量对象间的同一、对立和不定关系;提出了基于(α,β,γ)联系度容差关系的属性约简方法,设计了基于最优同一度的不完备信息故障诊断方法;将该方法应用于管理控制计算机的故障诊断,实例验证了方法能有效处理不完备信息,显著提高了不完备信息条件下的故障诊断准确率.

不完备信息系统中基于联系度的粗集模型拓展

在分析几种已有的针对不完备信息系统的粗集拓展模型基础上,提出了一种基于联系度的粗集拓展模型.该模型的方法是:通过引入阈值将原不完备信息系统进行划分,再利用基于联系度的容差关系确定类,利用产生的这些类得到上下近似.通过例说明该模型是符合客观实际的,更重要的是在容差类的划分中通过引入阈值考虑了根据人的主观要求,这与人机结合以人为主的系统方法论是一致的.

不完备区间值信息系统的粗糙集约简算法

探讨不完备区间值信息系统的属性约简问题。定义了一种相似联系度容差关系,基于此关系建立了拓展粗糙集模型。然后通过定义双参数分配约简和同异反可辨识矩阵,给出了基于同异反可辨识矩阵的双参数分配约简算法。所建模型可根据不同的用户需求和数据集的分布特点对参数进行动态调整,更符合实际。最后给出了数值例子,并分析了不同参数值对约简结果的影响。

一种不完备信息条件下的设备故障诊断方法

本文针对不完备信息条件下的故障诊断,研究了一种基于联系度容差关系的故障诊断方法。首先,定义(α,β,γ)联系度容差关系以衡量对象间的同一、对立和不定关系,提出了基于(α,β,γ)联系度容差关系的属性约简方法,设计了不完备信息故障诊断方法;最后,将该方法应用于某型设备的故障诊断,实例验证了方法能有效处理不完备信息,显著提高了不完备信息条件下的故障诊断准确率。