广义模糊粗糙集的包含度和相似度的生成

文献[1]把Pawlak粗糙集模型推广为广义模糊粗糙集模型.在文献[1]的基础上,讨论了广义模糊粗糙集上的包含度和相似度的生成,以及与其它模糊粗糙集模型的比较.     

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.     

模糊粗糙集的模糊度

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。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。本文讨论模糊粗糙集的性质，定义了模糊粗糙集的模糊度。并在此基础上，分别给出了模糊粗糙集的Minkowski模糊度，Haming模糊度，Euclid模糊度。     

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。     

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.     

基于包含度的粗糙集间的相似性度量

为描述两粗糙集间的相似性,本文从包含度的角度出发给出了粗糙集间的一种相似性度量方法,指出粗糙集间的相似性度量可以由包含度诱导出．     

不完备信息的广义变精度粗糙集识别方法

通过引入广义变精度粗糙集模型,定义了识别对象的相似度和α邻域的概念,建立了不完备信息系统的α-β下近似属性约简算法,有效地删除了属性的冗余信息和降低了噪声数据的干扰,从而得到了基于相似度的不完备信息的识别准则．实验表明,论文所研究的方法具有处理信息缺失多的能力和容错特性,对不完备信息的识别具有较好的准确率和稳定性．     

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。     

基于粗糙集属性重要度的TOPSIS方法

本文结合粗糙集中的属性重要度,给出了基于粗糙集属性重要度的TOPSIS方法,说明决策者可以根据论域上不同的属性而得到的知识对备选方案进行排序,从而作出最后的决策．