泛表的构造及与限制关系表达式的关系

在本文中提出了泛表的新概念，讨论了泛表的性质、构造一个泛表的规则，详细分析和研究了泛表与限制关系表达式之间的关系。

“就是NP”作为后置型非限制关系小句

现代汉语有一种"NP+就是NP"的修饰结构,其中"就是NP"是后置型非限制关系小句。其表达动因是,话主开始所用词语受话不熟悉,故需用另一事物帮助识别,这种表达方式后来固化为一种普通修饰结构。该结构具有对话性,表现在:话主向受话对"就是NP"之NP作为共享知识的确证,对话双方共同构建一个核心词和关系小句的修饰结构。

基于限制优势关系粗糙集的高校学生心理危机预警要素分析

高校突发事件学生心理危机预警指标体系主要来自于专家经验,主观性强、冗余度大,且通过该指标体系搜集到的信息系统是一个不完备的偏序系统。文章提出了一种基于限制优势关系粗糙集的指标约简方法,将限制优势关系引入目标信息系统的部分一致协调约简,构建限制优势关系下的部分一致函数和部分一致辨识矩阵,实现预警指标的约简,获取学生心理危机的引致要素;最后,结合算例进一步说明该方法的有效性。

基于限制优势关系的粗糙模糊集及知识约简

以不完备模糊目标信息系统为研究对象,在其中提出了限制优势关系的概念。相比较于传统的优势关系,使用基于限制优势关系的粗糙模糊集,可以提高模糊目标的近似精度与近似质量。在限制优势关系粗糙模糊集的基础上,提出了相对下、上近似约简的概念。最后给出了求得相对下、上近似约简的具体操作方法并进行实例分析以说明其有效性。

基于限制扩展优势关系的粗糙决策分析模型

针对信息不完全的偏好多属性决策问题,给出一种基于拓展粗糙集的决策分析模型。首先提出限制扩展优势关系的概念;然后在限制扩展优势关系下得到知识的粗糙近似,给出分类决策规则。对比分析证明,限制扩展优势关系既保留了扩展优势关系的优点,又在一定程度上克服了扩展优势关系的局限性。最后,通过一个实例验证了所提出的模型对信息不完备决策系统的处理更符合实际情况。

不完备信息系统中基于限制容差关系的属性约简方法

决策表核属性的确定往往是信息约简的基础,然而以往的核属性约简方法大多是针对完备信息系统的。将完备信息系统中的属性核与属性序约简算法延伸至不完备系统,提出一种不完备信息系统中基于限制容差关系的属性约简方法。该方法通过构造限制容差关系下决策表的改进分辨矩阵来求得核属性,并将非核属性按直观影响分类质量的能力排序,能够保证得到的约简结果是相对最小约简。通过实验比较证明该方法可行、有效。

ⅡS中基于限制容差关系的变精度粗糙集模型

在不完备信息系统中的限制容差关系的基础上,建立了变精度粗糙集模型,并且对其相关性质进行了分析。从构造区分函数出发,给出了求不完备信息系统近似约简的一般方法,定义了β近似约简,β近似区分函数等概念,给出了求其β近似优化决策规则的一般步骤,最后通过实例说明所提到的理论是符合客观实际的。

基于限制邻域关系的不完备混合决策系统属性约简

针对经典粗糙集不能直接处理决策系统中既含有属性值缺失的不完备问题又同时具有名义型属性和数值型属性的混合数据问题,提出一种限制邻域关系,并给出了一套不完备混合决策系统属性约简算法。该算法以条件熵作为启发因子,弥补将决策正域作为启发因子时可能会出现选不出第一个最重要属性的不足,并利用所提的限制邻域关系直接处理不完备混合型数据,从而省去了对不完备数据进行数据补齐或删除和对数值型数据进行离散化的过程,以减少这些数据预处理所带来的不确定性,最后通过对UCI的不完备混合型数据集进行仿真实验,从而验证了该算法在保持或改善分类能力的情况下可以有效地约简冗余属性,并且讨论了在限制邻域关系中的阈值选择对分类结果的影响。

基于限制优势关系的集对粗糙决策分析模型

在不完备偏好信息系统中,目前已有多种扩充,如基于扩展优势关系、基于广义扩展优势关系、基于限制优势关系等扩充,但这些扩充都存在各自的局限性。针对这些局限性,采用集对分析方法,定义集对α近似限制优势关系概念,提出一种基于限制优势关系的集对粗糙决策分析模型。这种模型是基于限制优势关系的集对粗糙决策分析模型的扩充和改进。该模型通过近似程度α的调节和控制,保证这种限制优势关系划分的准确性,同时更具灵活性,更适合处理大型不完备偏好信息系统。

基于(α,τ)限制相似关系的变精度粗糙集模型

针对经典粗糙集模型只能处理完备信息系统,将变精度粗糙集模型引入到不完备信息系统中。给出了(α,τ)限制相似关系的定义及其相关性质,并提出了基于(α,τ)限制相似关系的变精度粗糙集模型,提出了基于属性重要度和近似分类质量的知识约简算法。通过算例分析验证了该模型知识约简算法的有效性。

基于对象间完备度的限制容差关系改进模型

本文在分析不完备信息系统已经存在的容差关系、非对称相似关系、限制容差关系以及特征关系的基础上,提出了对象间完备度的概念,并建立了基于对象间完备度的限制容差关系模型,最后通过实例分析说明此模型可以更加真实客观地处理不完备信息系统。

限制容差关系下的集对变精度粗糙集模型

不完备信息系统中目前有多种扩充,如基于容差关系的扩充、基于相似关系的扩充等等,但是这些扩充都各自存在局限性。针对这些局限性,引入相对分类错误率的概念,提出了一种基于限制容差关系下的集对变精度粗糙集模型。这就将经典的粗糙集模型和限制容差关系下的集对粗糙集模型进行了推广。然后,讨论了该模型上、下近似算子的一些性质。最后,通过一个具体例子,说明了该模型在不完备信息系统中处理模糊和不确定性知识是可行、有效的。

基于限制容差关系的粗糙集模型中近似集增量更新方法研究

基于限制容差关系的粗糙集模型可有效处理不完备信息系统,目前对其研究仅限于静态数据.而在许多情况下数据是动态变化.因此,研究基于限制容差关系的粗糙集模型下动态知识更新方法具有现实意义.本文给出了属性集变化时不完备信息系统在限制容差关系下近似集的增量更新方法.通过实例验证了方法的有效性,可用来支持知识动态更新.

基于限制非对称相似关系模型的规则获取算法研究

粗糙集理论在不完备信息系统中的应用,是将粗糙集理论进一步推向实用的关键之一,而经典的粗糙集理论对不完备信息系统的处理显得束手无策.在分析研究已有的扩充粗糙集理论模型的基础上,进一步提出基于限制非对称相似关系模型,并将经典的可辨识关系矩阵加以扩充,定义了限制非对称相似关系下的可辨识关系矩阵,采用布尔推理方法,直接从不完备信息系统中提取规则而无需改变初始不完备信息系统的结构.实验结果表明,所获得的决策规则简洁,与缺省值无关.

限制容差关系的不完备可变粗糙集

针对不完备信息决策系统中信息引起的不相容性的问题,引进包含度,提出基于限制容差关系的可变粗糙集模型,并研究其相关性质.通过对限制容差关系的可变粗糙集模型和限制容差关系粗的糙集模型对比分析,结果表明:限制容差关系的可变粗糙集模型拥有更高的粗糙近似分类精度和粗糙近似分类似质量,通过实例说明该理论是可行的.

基于限制容差关系和集对分析方法的扩展粗集模型中的知识依赖

用基于限制容差关系的扩充粗集模型对不完备信息系统进行分析,找出各个对象间的依赖关系,将对象进行约简。用基于集对分析方法的改进集对粗集模型对已进行了对象约简的不完备信息系统进行分析,找出各个属性之间的依赖关系,进一步进行属性约简。结合一个实际例子加以分析,说明这种限制容差关系模型和集对分析方法相结合的方法对处理不完备信息系统合理有效。

基于限制非对称相似关系的粗糙集模型

基于不可分辨关系的粗糙集理论不适用于含未知值的不完备信息系统.需要将经典的粗糙集理论不可分辨关系加以扩充才能处理不完备信息系统.目前已经提出了基于容差关系、量化容差关系、限制容差关系、非对称相似关系等的扩充粗糙集理论.但是,这些理论还存在一些局限性.文章提出了一种新的基于限制非对称相似关系的粗糙集扩充模型.理论分析和实验证明,与其它模型相比,可以从基于限制非对称相似关系模型的近似集中获取更多的信息.

基于相似度的限制容差关系改进

对于不完备信息系统,可以首先进行完备化处理,然后再对所得到的完备信息系统采用传统的处理方法进行约简。但是,这种处理往往会改变原始系统的相关信息。为此有必要直接对不完备信息系统进行处理。论文在分析不完备信息系统已经存在的容差关系、非对称相似关系及限制容差关系的基础上,引入相似度的概念,对限制容差关系进行改进,从而得到基于相似度的限制容差关系模型,能够更灵活地处理不完备信息系统。

基于限制容差关系的集对粗糙集模型

粗糙集理论是一种新的处理模糊和不确定性知识的软计算工具,在人工智能及认知科学等众多领域已经得到了广泛的应用。对于不完备信息系统,目前也有了多种扩充方法,如基于容差关系、基于相似关系和基于限制容差关系等的扩充。但是,这些扩充也都存在一些局限性。本文用集对分析的方法,定义了一个集对α相似限制容差关系,提出了一种基于限制容差关系的集对粗糙集模型。这种模型是限制容差关系的扩充粗糙集模型的推广和改进,既保留了原有扩充模型的优点,又可以通过对相似程度α的调节和控制,在保证这种容差类划分的准确性的同时,增加了其灵活性,更适于大型不完备信息系统的处理。

论英语限制性关系分句的句法结构

英语限定形式的限制性关系分句有三种不同的表现形式,这三种形式可以统一分析为由that或一个隐性标句词为中心语的CP结构,语用上表示陈述。与普遍的一种观点相反,位于关系分句句首的that并不是一个关系代词,而是一个普通的标句词。受标句词条件的限制,在一个关系分句CP之中仅允许出现一个显性的wh-关系词或者一个显性的标句词,虽然两者占据不同的结构位置。