基于粗糙集的大学生满意度调查应用研究

为了更好地了解大学生对学校服务的满意程度,完善管理,以某校的大学生满意度调查数据为基础,利用粗糙集理论进行数据分析,根据数据分析结果将学生满意度评测指标进行分类后进行分级处理,对分级指标各属性子集再进行约简及权重的确定来评测大学生对学校办学的各分项的满意度,最后通过汇总各分项数据得到学生对学校满意度的综合评价。通过几年的实施,此方法能很好地反映出学生对学校办学的满意程度,收到了良好的效果。

划分序乘积空间:基于划分的粒计算模型

粒计算(granular computing)通过粒结构实现复杂问题求解.现有对粒结构中粒化方法的研究,主要是分别基于多层次的粒化方法和基于多视角的粒化方法,没有将多层次粒化方法和多视角粒化方法结合起来.基于多层次的粒化方法得到的粒结构由一个满足线性序关系的多个层构成,即单视角多层次.基于多视角的粒化方法得到的粒结构具有多个视角,但是每个视角仅有一个层.为了更全面地理解和描述问题,从而可以更有效和合理地解决问题,给定一个论域,使用划分作为粒化方法,将多层次的粒化方法和多视角的粒化方法相结合,定义划分序乘积空间.首先,使用论域上的一个划分定义一个层.其次,使用一个嵌套的划分序定义一个多层次,表示为一个视角,层和层之间具有线性序关系.最后,给定多个视角,则定义了多个线性序关系,基于多个线性序关系的乘积,定义划分序乘积空间.划分序乘积空间给出了一种基于划分的粒计算模型.通过实例说明了划分序乘积空间在实际应用中的优越性.

粗糙集理论与应用研究综述

在阐释粗糙集理论基本体系结构的基础上,从多个角度探讨粗糙集模型的研究思路,分析粗糙集理论与模糊集、证据理论、粒计算、形式概念分析、知识空间等其它理论之间的联系,介绍国内外关于粗糙集理论研究的主要方向和发展状况,讨论当前粗糙集理论研究的热点研究领域以及将来需要重点研究的主要问题.

决策粗糙集理论研究现状与展望

经典Pawlak粗糙集理论中的核心概念上、下近似集是通过集合相交非空和包含来定义的.由于缺乏对错误的容忍能力,其实际应用受到了限制.20世纪90年代初,Yao等人结合贝叶斯决策理论提出了决策粗糙集模型.近年来,该模型逐渐得到重视,并在不确定性信息处理方面得到了广泛应用.该文首先就为什么要提出决策粗糙集模型、该模型具有什么特点以及该模型中需要解决的几个问题进行了详细讨论.然后,总结了国内外关于决策粗糙集模型的研究现状和进展,详细分析了存在的挑战性问题,并深入探讨了未来的研究方向.

基于三支标签传播的半监督属性约简

属性约简是粗糙集理论的重要应用之一.为了对部分标记的数据进行属性约简,一些基于粗糙集的半监督属性约简方法相继被提出,但这些方法在数据信息利用、运行代价、约简质量等方面仍然存在挑战.本文针对混合型分类数据,提出了一种新的基于三支标签传播的半监督属性约简(3WLPME)方法.该方法包括两个过程:三支标签传播(3WLP)和基于混合熵的启发式属性约简(MEHAR).其中,3WLP在经典标签传播算法的基础上,结合三支决策和主动学习思想,对无标签数据进行标注,并更新有标签集和无标签集.迭代执行上述过程直至收敛,可以提升最终的伪标签准确率.在MEHAR中,属性重要度由混合熵度量.基于依赖度和条件熵定义的混合熵,融合了粗糙集的代数表示和信息表示,能更深刻地反映属性的分类能力.本文对3WLP算法和MEHAR算法的有效性进行了理论分析.在UCI数据集上进行了以下仿真实验:3WLP与随机标签传播在伪标签准确率上的对比;不同属性约简算法在约简质量上的对比;3WLPME与其他基于粗糙集的半监督属性约简方法,在约简质量上的对比.实验结果验证了3WLP能获得较高的伪标签准确率;MEHAR在不降低分类准确率的前提下,能获得较小的约简;3WLPME在半监督约简过程中具有更高的效率和稳定性,说明本文所提方法是有效的.

基于粒结构的知识检索

本文以数据-信息-知识-智慧分层结构为基础,分析了三类检索系统,即数据检索系统(DRS)、信息检索系统(IRS)、知识检索系统(KRS)的特点和问题。知识检索用于满足用户对知识的需求,它将是检索系统发展的下一个重要方向。随后提出基于粒结构的知识检索能够更好地协助用户获取知识,给出了一个粒知识检索系统的模型,并以粒计算为工具讨论了一些基本问题。

一种基于PCA的组合特征提取文本分类方法

为了获得更好的文本分类准确率和更快的执行效率,研究了多种Web文本的特征提取方法,通过对互信息(MI)、文档频率(DF)、信息增益(IG)和χ2统计(CHI)算法的研究,利用其各自的优势互补,提出一种基于主成分分析(PCA)的多重组合特征提取算法(PCA-CFEA)。通过PCA算法的正交变换快速地将文本特征空间降维,再通过多重组合特征提取算法在降维后的特征空间中快速提取出更具代表性的特征项,过滤掉一些代表性较弱的特征项,最后使用SVM分类器对文本进行分类。实验结果表明,PCA-CFEA能有效地提高文本分类的正确率和执行效率。

多阶段三支决策垃圾短信过滤模型

提出了一种多阶段三支决策垃圾短信过滤模型。该模型使用不同的信息粒度对短信进行表示,运用序列决策(即多阶段、多步骤决策),在不同的决策阶段基于不同的信息粒度分别进行三支决策,有效地避免了当信息粒度太大或信息量不足时进行不合理的决策,对于不能满足当前决策条件的信息,可以通过补充足够的粒度信息作进一步的决策。最后通过实验证明了该模型的合理性和有效性。

庞加莱型积分不等式的拓广及其应用

本文中,我们拓广了庞加莱型积分不等式,并且将它们应用于建立Opial-型不等式和其他的不等式。

非古典正交多项式族{S_n^x(x)}的某些性质

本文对非古典正交多项式族{S_n~α(x)},提出它的估计以及展开定理。

针对模糊数据近似处理的阴影集研究综述

阴影集(Shadowed set,SS)是一种对模糊集进行三支近似处理的不确定性知识发现模型,其能够对模糊集中具有精确值的不确定性对象进行有效的近似和划分,从而减少模糊决策过程中不确定性对象的决策划分成本和计算损耗.首先,回顾阴影集的发展历程,并从四个方面介绍其研究现状及内容,即阴影集的模型构建、理论性质、数据分析以及应用研究.通过总结分析它们的核心思想、方法体系、相互关系和区别等,为该领域的后续研究提供借鉴.随后,讨论分析阴影集理论与其他不确定性问题处理理论模型的联系,尤其是阴影集与模糊集、粗糙集和三支决策理论之间的区别、联系以及互补性.最后,围绕上述四个研究方面,对当前若干具有挑战性的研究问题进行分析和展望.