几类拓展粗糙集模型属性约简研究综述

粗糙集属性约简算法是数据预处理的有效方法,但无法处理某些结构复杂的数据.为了进一步拓宽粗糙集的应用范围,通过扩展粗糙集模型或改进属性约简算法以提高粗糙集的数据处理能力.对模糊粗糙集、覆盖粗糙集、邻域粗糙集、决策粗糙集、变精度粗糙集等几类拓展粗糙集模型的一些经典属性约简算法和最新提出的算法进行梳理和归纳后发现,现存的算法在运行效率和空间复杂度等方面限制了拓展粗糙集模型的使用范围.当前研究中拓展粗糙集模型在约简理论完善、大数据处理、特殊数据处理等三个方面的问题依然存在,因此未来应重点结合Pawlak粗糙集属性约简算法的思想、智能算法以及其他一些理论方法来研究拓展粗糙集模型属性约简理论.     

三枝决策粗糙集模型属性约简研究

三枝决策粗糙集模型作为Pawlak粗糙集模型的推广,它是将贝叶斯决策过程引入到概率粗集模型中得到的,其区域分类以正、负和边界为基础,可以更精确地体现粗糙集的近似基本原理。描述了三枝决策粗糙集模型的约简,并与Pawlak粗糙集模型、概率粗糙集模型进行比较;最后讨论了三枝决策概率粗糙集在实际问题中的应用。     

概率模糊粗糙集模型

基于模糊等价关系,在模糊概率空间上利用模糊条件概率建立了概率模糊粗糙集模型.讨论了概率模糊上、下近似算子的性质.最后给出了模糊集的近似精度和粗糙度的计算公式.     

基于一般关系下的双论域变精度粗糙集模型

通过引入迪卡尔乘积,定义了双论域上的一般关系及其迪卡尔乘积多数包含关系,提出了一般关系下的双论域变精度粗糙集模型,这是对一般关系下的双论域粗糙集模型的推广;最后讨论了与该模型相关的性质.     

基于逆概率的变精度粗糙集模型

从经典的概率粗糙集模型出发,参照Bayes因子,研究了一种基于逆概率的变精度粗糙集模型,该模型不受先验概率的影响,从而减小了决策失误的风险.     

一种基于概率的覆盖粗糙集模型研究

文章给出了一种基于概率覆盖的上、下近似的定义,并且研究了它的性质、数字特征、拓扑特征等,为研究覆盖粗糙集提供了新的模型.     

基于聚类分析的粗糙集模型及其应用

将聚类分析方法和粗糙集理论相结合,建立了一种基于聚类分析的粗糙集模型,该模型能够删除冗余的数据且保留必要的数据,起到对数据进行预处理的作用,使得属性和属性值约简后的规则更加简练．     

Vague关系下的Vague粗糙集模型

研究了两类Vague关系下Vague集的近似结构。通过引入Vague等价关系,给出了Vague集在Vague关系下的两组下、上近似,进而定义了两种新的粗糙集模型,并对此模型的几种特殊情形进行了分析,指出此两种模型均是较为一般化的粗糙集模型。此两种模型的建立,一定程度上完善了粗糙集的理论体系。     

基于邻域粗糙集的生态安全指标选择

探讨了邻域粗糙集在生态安全分类预测中的应用。使用邻域粗糙集方法对各项生态安全指标进行评估和约简。根据特征对正域影响程度来选择重要特征,设计约简算法,处理数值型的特征数据,选出最重要的生态安全指标,去除冗余的生态安全指标而保证不影响生态安全的判断结果。实验分析结果表明：使用该方法能够有效地去除冗余指标,降低生态安全评价的复杂性。提高生态安全评价的效率。     

基于覆盖的模糊粗糙集模型

在基于覆盖的粗糙集的基础上,定义了基于覆盖的模糊粗糙集模型,并且讨论了该模型的一些相关性质.同时,证明了论域上的任意子集相对于覆盖近似空间及其约简后的覆盖近似空间的上下近似是分别相等的,从而简化了运算.     

基于粗糙集的多目标类Bayes粗糙集模型

介绍了两个目标类的决策信息系统中各目标类的Bayes粗糙集模型,并将这一模型推广到具有多目标类的情形.最后讨论了该模型的相关性质,计算实例表明该模型是有效的.     

基于粗糙集理论的Web挖掘模型

在电子商务网站的Web日志中，蕴含着大量有价值的信息，利用Web挖掘技术能够有效获取这些信息，这将有助于提高电子商务运营管理的经营决策，在Web挖掘研究过程中，结合Web日志具有的数据量大，不确定等特点，提出了一种基于粗集理论的最小决策模型，运用这一模型，通过对决策表进行知识简化，可以导出简化决策有，最后获得最小解，电子商务系统的决策人员就可以依据得到的最小解，为提供个性化服务进行决策，应用基于粗集理论的数据挖掘方法，对Web日志进行挖掘，已经成为当前研究的热点问题。     

基于Rough set的课程管理信息系统评价

运用粗糙集理论建立了课程管理信息系统的评价模型,使得对教学信息管理的课程评价更加客观,通过实例验证,此模型方法具有实用性、可行性.     

基于集值信息系统的扩充粗糙集模型

借助于属性集值的相似程度在集值信息系统上定义了一种新的带有参数的优势关系-α-优势关系,并研究了其性质;同时比较了两类优势关系,得到的结论是:只要合理地设置阈值α就可以提高分类的精度,从而提高对数据预测、分类的准确度.     

Sand-Dust Storm Ensemble Forecast Model Based on Rough Set

To improve the accuracy of sand-dust storm forecast system, a sand-dust storm ensemble forecast model based on rough set (RS) is proposed. The feature data are extracted from the historical data sets using the self-organization map (SOM) clustering network and single fields forecast to form the feature values with low dimensions. Then, the unwanted attributes are reduced according to RS to discretize the continuous feature values. Lastly, the minimum decision rules are constructed according to the remainder attributes, namely sand-dust storm ensemble forecast model based on RS is constructed. Results comparison between the proposed model and the back propagation neural network model show that the sand-storm forecast model based on RS has better stability, faster running speed, and its forecasting accuracy ratio is increased from 17.1% to 86.21%.     

基于非对称相似关系的粗集改进模型

改进了基于非对称相似关系的粗集的上、下近似的定义,并从理论上证明了新定义的上、下近似比原来的更合理,并进一步用一个算例来验证。