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.     

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.     

覆盖粗糙集模型的增值算子及其性质

引进覆盖粗糙集模型的一对增值算子,并讨论它们的有关性质,即通过引理2和引理3,给出并证明了定理4.     

基于覆盖粗糙集友元的粒约简研究

随着粗糙集的发展,覆盖粗糙集在大数据方面有着较为广泛的应用,是粗糙集的重要组成部分.文章首先通过覆盖粗糙集友元的定义,给出基于友元的覆盖粗糙集上下近似的定义,研究上下近似的性质.其次,在给出上下近似的基础上,提出覆盖粗糙集的F约简和交约简,举例说明两者的不同之处.最后,证明任一覆盖粗糙集在F约简和交约简前后保持上下近似一致,同时证明用这两种约简方法约简前后粒度F是保持不变的.     

一般关系下的概率粗糙集模型

针对经典的概率粗糙集模型的不足,通过引入一般关系下的后继邻域算子,得到了一般关系下的概率粗糙集模型,并讨论了所给模型的一些性质和在广义近似空间中集合的近似精度及属性约简。     

一种基于粗糙集的数据挖掘模型

粗糙集理论是一种处理不确定和不精确问题的数学工具。运用模拟例子通过不同简化层次的算法导出每个层次上的信息集,最后得到规则集来说明如何建立和运用这种数据挖掘模型。     

基于覆盖粗糙集的动态数据库的知识发现

在覆盖粗糙集理论框架下,给出并证明了处理动态数据库的两个定理,提供了知识发现的一个新工具。     

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。     

覆盖粗糙近似算子

首先给出了模糊集的覆盖上、下近似算子的定义,讨论了它们的简单性质.其次,覆盖近似空间中,由于覆盖粗糙不等式在进行并、交运算时会使信息丢失,因而讨论了覆盖粗糙不等式取等号的充分条件.     

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．     

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%.     

模糊粗糙集代数

定义了模糊粗糙集合理的补运算,从而利用公理化方法构造出推广了的粗糙集代数.在此基础上定义了模糊粗糙集代数,并讨论了模糊粗糙集代数的简单性质.     

基于粗糙集理论的知识发现

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。目前已在人工智能、知识与数据发现、模式识别与分类等方面得到了广泛应用。介绍Rough Set理论的基本思想及分析了粗糙集方法的特点,描述一种基于粗糙集理论的知识发现步骤,并以实例作出说明。     

基于粗糙集的数据挖掘方法分析

文章从数据挖掘和粗糙集的基本概念出发,研究粗糙集理论在数据挖掘中的典型运用,为大型数据挖掘提供了一种新的方法。基于粗糙集的数据挖掘,首先通过粗糙集理论对数据进行预处理,然后对属性约简,最后进行决策规则提取,寻找最优解。