变精度粗糙模型的建立及其在加工过程知识约简中的应用

本文针对基于粗糙集的数据挖掘过程,引进了可变精度的粗糙集模型进行知识约简,并在变精度粗糙模型的建立基础上,研究了其实现算法,并对加工过程中刀具磨损的数据进行挖掘和知识约简。     

基于可变精度粗糙集的规则挖掘矩阵算法

提出了一种基于可变精度粗糙集的规则挖掘矩阵算法,它是一个采用基于分类精确度的粗糙集模型进行决策规则挖掘的新方法,能有效地处理决策表的不一致性.实例结果和实际应用表明该算法是有效的,为信息系统的规则约简、获取和信息压缩提供了新的思路.     

基于K等价度容差关系的变精度粗糙集模型及其应用

针对K等价度容差关系,提出了一种基于K等价度容差关系的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展。给出了K等价度容差关系下变精度粗糙集模型的上近似、下近似、和负域的定义以及近似质量和粗糙测度定义,并详细地讨论了上下近似算子的性质。最后,实例分析该模型在信息处理中应用的有效性。     

变精度粗糙集与基于变精度粗糙集的知识模糊度量

变精度粗糙集是对标准粗糙集理论的一种扩展 .它通过设置阈值参数 β ,放松了标准粗糙集理论对近似边界的严格定义 .文中讨论了变精度粗糙集的置信阈值 β ,通过算例给出了信息系统中基于变精度粗糙集的规则提取方法 ;将变精度粗糙集模型应用于模糊集 ,提出了在变精度粗糙集中知识的一种模糊度量方法 ,对这种方法的一些性质进行了研究 ,并用该模糊度量方法描述了近似算子 .研究表明 ,该方法可合理解释模糊隶属函数 ,清晰说明了隶属度的含义 .     

可变精度粗糙集模型在远程开放教育中的应用

开放远程教育是一个新兴的教学组织方式,它有信息密集型和知识管理型的特点。在知识管理时代,面对庞大的教学规模,教学管理者迫切希望从大量的信息中获得有效的知识来辅助管理,从而提高教学管理效率和水平。本文构建了一个基于关系演算的可变精度粗糙集模型,探索开放教育学习者成绩信息的知识发现。通过在真实数据上的算法实验,表明这个模型克服了传统粗糙集的不足,是一个有效的算法改进。实验获得了关于学习者成绩的初步知识规则,为学校的管理工作指明了方向,并且就学校的知识管理工作进行了有效的尝试。     

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.     

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.     

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。     

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.     

变精度粗糙集与粗糙集属性约简特征比较

通过具体问题,阐明了经典粗糙集模型分类质量、相对正域、决策类下近似具有非单调递减特征,变精度粗糙集模型在约简过程中分类质量和相对正域会出现跳跃现象,约简过程具有不稳定性.需要针对3者分别建立模型,使属性约简变得多样化.