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。     

带隶属度及权重的粗糙集模型的构建

提出了带隶属度及权重的粗糙集模型。在这种模型中,给出带隶属度及权重的信息系统,进行噪音的处理。这种粗糙集的拓广模型克服经典粗糙集分类过于严格、对噪音过于敏感、某些隐藏在边界中的规则丢失等缺陷,并用算例验证了该模型是可行的。     

基于粗糙集与RBF神经网络的农业总产值预测方法

提出了把粗糙集和R BF神经网络相结合应用于农业总产值预测的方法。首先用粗糙集对影响农业总产值的多个因素进行属性约简,选择主要影响因素,去除冗余信息;然后利用RBF神经网络建立预测模型。最后对该模型的预测结果与因子分析神经网络模型的预测结果进行了比较,表明了该模型的有效性和优越性。     

基于粗糙集-LVQ神经网络的入侵检测模型研究

提出了一种基于粗糙集-LVQ神经网络的入侵检测模型。首先将粗糙集作为前置处理系统对属性进行约简,再根据粗糙集处理后的学习样本集,构建LVQ神经网络结构,实现对入侵进行检测。实验结果表明该方法优于其他同类方法。     

带隶属度及权重的粗糙集模型的构建

提出了带隶属度及权重的粗糙集模型。在这种模型中，给出带隶属度及权重的信息系统，进行噪音的处理．这种粗糙集的拓广模型克服经典粗糙集分类过于严格、对噪音过于敏感、某些隐藏在边界中的规则丢失等缺陷，并用算例验证了该模型是可行的。     

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．     

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 .     

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。     

一种半结构化的P2P视频流媒体直播模型

提出了一种基于半结构化P2P拓扑的流媒体直播模型,该模型兼有中心结构化拓扑与分布式无结构化拓扑的优点,可以快速进行流媒体的分发。提高了流媒体直播的网络利用效率并减少了部署成本。     

基于三角模的模糊粗糙集与模糊关系之间的联系

研究了论域上模糊关系与（φ，T）一粗糙集上的近似算子之间的联系：给出了满足一定条件的（φ，T）一粗糙集与特殊模糊关系之间的等价条件；定义了上可定义模糊集合。并证明了它是完备的分配格。同时对其结构进行了刻画．     

基于蚁群神经网络的模拟电路故障诊断研究

为了克服BP算法收敛速度慢、易陷入局部极小点的不足,提出将蚁群算法用于模拟电路故障诊断的神经网络模型学习算法。通过对实际模拟电路的仿真测试,表明该模型能有效地提高包括容差在内的多故障的模拟电路的故障诊断准确率和诊断速度,取得了令人满意的应用效果。     

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.     

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.     

粗糙集的矩阵表示与刻画

以集合的向量表示为基础定义了等价关系对应的划分矩阵,运用划分矩阵表示和刻画了粗糙集理论中的一些基本概念,从而为粗糙集理论中高效的知识约简和决策规则挖掘算法的设计与实现提供新的思路。     

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。     

一种P2P直播系统网络模型研究

研究了P2P直播系统网络模型,并在此基础上提出一种基于可信节点的半结构化的网络模型(SSPM)。该模型结合了结构化网络模型中的对相邻节点有序组织和混合式网络模型的快速搜索的优点,利用可信节点良好的时间恒定性和性能稳定性,使该新型模型在实际网络环境下能达到较优的性能。     

一种基于粗糙集和粒子群优化算法的权重确定方法

为了克服基本粗糙集理论确定权重的不足,提出一种新的基于粗糙集和粒子群优化算法的权重确定方法.该方法先利用粗糙集和粒子群优化算法对决策表进行属性约简,对约简后的决策表再用粗糙集方法计算属性权重.运用该算法对教师职业倦怠与压力数据进行分析,得到影响教师职业倦怠的各种压力因子的权重.研究结果表明,基于粗糙集和粒子群优化算法可以对决策表的权重进行有效的分析.     

模糊粗糙集中依参数粗糙度的新算法

自M.Banerjee和S.K.pal提出了模糊粗糙集的基本模型以来,模糊粗糙集一直是粗糙集理论研究的一个重要课题。本文在模糊粗糙集基本模型基础上首先从λ-模糊截集的概念出发,提出了基于λ-模糊截集的上、下近似的概念,给出了依参数粗糙度的新计算方法,从而使模糊粗糙集中依参数粗糙度得到了显著的改进,并通过具体实例证明了该方法的有效性,特别是当处理的数据较多时该方法尤为优越。     

基于本体与粗糙集的教育资源检索模型的关键技术研究

为提高教育资源的检索效率和准确性,提出了一个基于本体与粗糙集的教育资源检索模型.该模型使用粗糙集理论对教育资源实例基于知识点分类,并且定义了一个模板使用多个加权描述关键字来表示教育资源实例.通过对查询关键字与描述关键字的相似度综合计算,从而提高对教育资源的检索效率.