广义模糊粗糙集的包含度和相似度

模糊粗糙集是目前数据挖掘领域关注的热点之一,作者在Pawlak粗糙集模型基础上,把一个论域推广为两个论域;把等价关系推广为模糊关系,被近似对象换成模糊集,得到广义模糊粗糙集模型,建立了广义模糊近似空间。在广义模糊近似空间中定义了广义模糊粗糙集上的包含度和相似度,并讨论了此包含度和相似度相关性质。     

广义模糊粗糙集的包含度和相似度

模糊粗糙集是目前数据挖掘领域关注的热点之一,作者在Pawlak粗糙集模型基础上,把一个论域推广为两个论域;把等价关系推广为模糊关系,被近似对象换成模糊集,得到广义模糊粗糙集模型,建立了广义模糊近似空间。在广义模糊近似空间中定义了广义模糊粗糙集上的包含度和相似度,并讨论了此包含度和相似度相关性质。     

模糊粗糙集的扩张定理

扩张原理是模糊集合论的主要工具之一,通过模糊粗糙集的扩张原理,完善了它的一些性质,讨论了它的扩张定理,并且推广到复合映射的扩张原理．     

关于粗糙模糊集模糊度的计算方法讨论

粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题,前者基于信息系统中知识的不可分辨性,后者基于信息系统中知识的模糊性,将二者结合形成了粗糙模糊集模糊度是模糊集的一种重要的数字特征,我们用模糊度来刻画模糊集的整体模糊程度。本文定义粗糙模糊集的几种模糊度,并通过实例给出了粗糙模糊集的模糊度计算方法。     

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.     

模糊粗糙数的贴近度

本文引入了模糊粗糙数的贴近度,并在此基础上,分别给出了模糊粗糙数的距离贴近度,最大-最小贴近度,最小平均贴近度以及格贴近度.     

基于模糊粗糙集属性约简的模糊决策树

作者基于模糊粗糙集理论,利用模糊等价关系、模糊上下近似,去除模糊信息系统的冗余属性,找出模糊信息系统的约简,然后利用模糊ID3算法,生成模糊决策树,产生一组模糊规则,实验结果证明了这种方法的有效性.     

基于模糊等价关系的粗糙集方法

在对研究信息系统中知识不完全、不确定问题的两种重要理论粗糙集和模糊集进行比较分析的基础上,结合模糊集和粗糙集各自的优点,针对信息系统中数据量庞大且属性值大多是连续的、很多数据对象具有相同或相似性质的情况,提出一种基于模糊等价关系的粗糙集方法,实现了粗糙集理论与模糊集理论的有机结合;并通过一个应用实例,证明了此方法的有效性．     

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 .     

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.     

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。     

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.     

计算机人工智能中模糊度分析研究

本文深入研究了模糊理论中有关模糊度的概念、定义和计算方法，分析了它们在合理性、一致性和区别度等方面存在的问题，对于模糊逻辑的研究和发展具有重要的理论和应用意义。     

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．     

几个推广的粗糙集概念之间的关系

在Nanda和Majumdar提出的模糊粗糙集和粗糙模糊集，及Atanassov提出的直觉模糊集的意义下，综合讨论了这几个推广的粗糙集概念的格性质及它们之间的相互关系．     

基于有限区间上的模糊粗糙数

粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题,前者基于信息系统中知识的不可分辨性,后者基于信息系统中知识的模糊性,将二者结合形成了模糊粗糙集．本文首先定义了有限区间上的模糊粗糙数（RFN）,进而讨论了它的的性质．     

多粒度广义近似空间的模糊粗糙集

针对多粒度广义近似空间中各元素之间关联度的问题,给出了元素之间相似度以及论域上相似矩阵的概念.结合粗糙集和模糊集理论,构建了多粒度广义近似空间中的模糊粗糙集模型并讨论了多粒度广义近似空间中的模糊粗糙下、上近似算子的性质.最后研究了多粒度广义近似空间中模糊粗糙的精确度和粗糙度.     

基于粗糙集证券投资决策的模糊综合评价方法

证券投资具有高风险、高收益和模糊不确定性的特点．应用粗糙集理论以及模糊综合评价方法，建立了风险投资决策评价模型，并进行了实例分析．结果表明所建模型是可行且有效性的，对投资者有效地规避风险、提高投资决策能力具有现实指导意义．     

粗糙模糊向量及性质

粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题,前者基于信息系统中知识的不可分辨性,后者基于信息系统中知识的模糊性,将二者结合形成了粗糙模糊集。模糊向量可以看成模糊集,本文定义了粗糙模糊向量和粗糙模糊向量的内积和外积,讨论了粗糙模糊向量和粗糙模糊向量的内积和外积的性质。