版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本文的主要研究?jī)?nèi)容是:給出了粗集粗相似度的公理化定義;提出了粗模糊集中粗相似度和粗貼近度的概念,及其在模糊模式的粗識(shí)別方面的應(yīng)用;提出了集合的條件熵的定義,并用以刻畫(huà)粗集的不確定性;給出了基于粗糙熵的不協(xié)調(diào)信息系統(tǒng)中的知識(shí)約簡(jiǎn)方法;提出一種變精度粗模糊集的形式:θ-粗模糊集;最后對(duì)S-粗集的動(dòng)態(tài)結(jié)構(gòu)進(jìn)行了研究,討論了單元素遷移與S-粗集結(jié)構(gòu)的關(guān)系。 第一章緒論,首先敘述了Z.Pawlak粗集理論的提出背景、發(fā)展和研究近況,給出了
2、Z.Pawlak粗集的定義和性質(zhì);其次給出了理論上的擴(kuò)展S-粗集和函數(shù)S-粗集的定義。 第二章給出粗集粗相似度的公理化定義,設(shè)U的冪集(F)(U)上的二元函數(shù)S:(F)(U)×(F)(U)→[0,1],(X,Y)(→)S(X,Y),若S滿足下列條件:(1)S(X,Y)=S(Y,X);(2)S(X,Y)=1(→←)X≈RY;(3)(R)X∩(R)Y=φ(→←)S(X,Y)=0;(4)X(∈)Y(∈)Z(→←)S(X,Z)≤{S(X
3、,Y)∧S(Y,Z)},則稱(chēng)S(X,Y)是X與Y的相似度.并根據(jù)上粗相似度和下粗相似度,給出幾種常用的粗相似度形式,證明了幾種粗相似度形式都滿足公理化定義,討論了它們的具體性質(zhì).粗集的粗相似度是精確集相似度的推廣。 第三章將粗相似度的定義推廣到粗模糊集中(模糊集和粗集都用來(lái)解決不確定性問(wèn)題,所以D.Dubois和H.Prade將兩者結(jié)合,提出了粗模糊集的概念并給出了粗模糊集的一般形式),提出了粗模糊集中粗相似度R的定義
4、,即(A,B)R=min{|(A-)R∩(B-)R|/(A-)R∪(B-)R,||(A-)R∩(B-)R|/(A-)R∪(B-)R|},給出了它的基本性質(zhì),得到了定理3.2.10和定理3.2.11,它們分別是(A,B)R=0的充要條件是對(duì)任意的x∈U,都有(A-)R(x)=0或(B-)R(x)=0和R=1的充要條件是對(duì)任意的x∈U,都有(A-)R(x)=(B-)R(x)且(A1)R(x)=(B-)R(x)。在模糊集理論中,常用
5、貼近度刻畫(huà)不同模糊集間的相似程度,本章通過(guò)定義均值模糊集和粗隸屬度的概念,將貼近度引入到粗模糊集中,稱(chēng)之為粗貼近度.定義了粗模糊集的Hamming粗貼近度、Euclid粗貼近度、最小-最大粗貼近度和最小平均粗貼近度,給出了它們的具體性質(zhì),得到了定理3.3.8和定理3.3.9.還給出了粗相似度與最小.最大粗貼近度的關(guān)系定理,即定理3.3.10.粗相似度和粗貼近度都可用來(lái)度量粗模糊集之間的相似程度,其中粗相似度側(cè)重于局部(利用上、下近似求得
6、),粗貼近度側(cè)重于整體(利用粗隸屬度求得)。在一個(gè)模糊系統(tǒng)中,可以用不同模糊集之間的粗相似度量建立粗聚類(lèi)模型和粗識(shí)別模型,基于本章介紹的這兩種新度量,可以對(duì)近似空間中現(xiàn)有的粗模糊集進(jìn)行聚類(lèi),然后根據(jù)聚類(lèi)結(jié)果,利用最大相似度原理,對(duì)新的模糊樣本進(jìn)行粗識(shí)別,來(lái)判斷它屬于哪個(gè)模式.文中應(yīng)用一個(gè)簡(jiǎn)單的例子解釋了這種粗模式識(shí)別模型。 第四章關(guān)于粗集的不確定性度量進(jìn)行了研究.首先描述了知識(shí)的粗糙性,介紹了知識(shí)的粗糙熵概念,以及信息系統(tǒng)中知識(shí)
7、與粗糙熵之間的關(guān)系.針對(duì)目標(biāo)信息系統(tǒng),介紹了知識(shí)的條件粗糙熵的概念,并在此基礎(chǔ)上提出了一種新的刻畫(huà)粗集不確定性的度量——集合的條件粗糙熵,簡(jiǎn)稱(chēng)條件熵,給出集合條件熵的具體性質(zhì)和相關(guān)定理.在近似空間中,等價(jià)類(lèi)劃分越細(xì)時(shí),知識(shí)的粒度越小,知識(shí)的不確定性就越小.定理4.5.4說(shuō)明集合的條件熵也具有此性質(zhì),所以用其刻畫(huà)粗集的粗糙性是合理的,而且,通過(guò)一個(gè)例子說(shuō)明用條件熵刻畫(huà)粗集不確定性比粗集的粗糙度要好.定理4.5.10說(shuō)明在同一個(gè)近似空間中,
8、將集合X和Y合并后,它們的粗糙熵即不確定性會(huì)變小,由此可應(yīng)用于目標(biāo)信息系統(tǒng)(決策系統(tǒng))中,每一個(gè)決策集都可看作是一個(gè)粗集,將不同決策集合并會(huì)使得決策集的不確定性變小。另外,在目標(biāo)信息系統(tǒng)(U,A∪ D,f)中,目標(biāo)屬性集D在U上導(dǎo)出的劃分為U/IND(D)={D1,D2,…,Dm},知識(shí)D相對(duì)于知識(shí)B的條件粗糙熵為H(D/B),那么有H(D/B)=1/|U|m∑j=1HR(Dj)成立,這就是定理4.6.2,它揭示了知識(shí)的條件粗糙熵與本章
9、定義的集合的條件熵之間的本質(zhì)聯(lián)系.對(duì)于目標(biāo)信息系統(tǒng)(U A U D,f),D的條件粗糙熵反映了信息系統(tǒng)整體的不確定程度,條件屬性集A導(dǎo)出的劃分越細(xì),不確定程度越??;而每個(gè)決策集Dj(j=1,2,….m)的條件熵反映的是信息系統(tǒng)局部的不確定程度,條件屬性集A導(dǎo)出的劃分越細(xì),每個(gè)目標(biāo)屬性子集Dj的不確定程度都會(huì)變小,從而解釋了整體的不確定程度會(huì)變小這一事實(shí)。 第五章研究了信息系統(tǒng)中的知識(shí)約簡(jiǎn)問(wèn)題,討論了基于粗糙熵的知識(shí)約簡(jiǎn)方法。首先
10、介紹了無(wú)目標(biāo)信息系統(tǒng)的知識(shí)約簡(jiǎn)方法,然后重點(diǎn)研究了目標(biāo)信息系統(tǒng)的知識(shí)約簡(jiǎn)問(wèn)題.由于協(xié)調(diào)目標(biāo)信息系統(tǒng)可看作是不協(xié)調(diào)信息系統(tǒng)的特殊情況,不協(xié)調(diào)信息系統(tǒng)的知識(shí)約簡(jiǎn)方法同樣適用于協(xié)調(diào)的信息系統(tǒng),所以本章只討論了不協(xié)調(diào)信息系統(tǒng)中的知識(shí)約簡(jiǎn)問(wèn)題.提出了目標(biāo)信息系統(tǒng)中,目標(biāo)集的粗糙熵、對(duì)象的粗糙熵等幾種新概念,然后研究了這幾種新概念和不協(xié)調(diào)信息系統(tǒng)中各種知識(shí)約簡(jiǎn)的等價(jià)關(guān)系,由定理5.3.8給出.在不協(xié)調(diào)信息系統(tǒng)(U,A∪D,f)中,B(∈)A是分布協(xié)
11、調(diào)集的充要條件是對(duì)任意的ui∈U,HB(D/ui)=HA(D/ui);B(∈)A是分布協(xié)調(diào)集的充要條件是對(duì)任意的Dj,1≤j≤m,有HB(Dj)=HA(Dj);B(∈)A是分配協(xié)調(diào)集(上近似協(xié)調(diào)集)的充要條件是n∑i=1|{j:HB(Dj/ui)>0}|=n∑i=1|{j: HA(Dj/ui)>0}|或m∑j=1|{i:HB(Dj/ui)>0}|=m ∑ i=1|{i:HA(Dj/ui)>0}|;B(∈)A是下近似協(xié)調(diào)集的充要條件是|{
12、k:HB(D/ut)=0}|=|{k:HA(D/uk)=0}|進(jìn)而提出了一種新的處理不協(xié)調(diào)信息系統(tǒng)知識(shí)約簡(jiǎn)的方法,基本步驟是先找出屬性集的核,然后向核中添加重要性大的屬性,最后可以得到不協(xié)調(diào)信息系統(tǒng)的分布約簡(jiǎn)、上近似約簡(jiǎn)(分配約簡(jiǎn))和下近似約簡(jiǎn).通過(guò)一個(gè)實(shí)例驗(yàn)證了該方法的有效性。 第六章討論了變精度粗模糊集的內(nèi)容.給出一種新的變精度粗模糊集的概念:θ-粗模糊集,其中θ是誤差參數(shù),0<θ≤1.定理6.2.7說(shuō)明隨著精度θ的減小,粗
13、模糊集的正域和負(fù)域?qū)U(kuò)大,邊界域?qū)⒖s小,從而近似精度增大,粗糙度減小.特別地,若θ=1,則Aθ和Aθ分別退化為粗模糊集意義下的A和A,而Aθα和Aθβ分別退化為Aα和Aβ.這說(shuō)明θ-粗模糊集是粗模糊集在變精度意義下的推廣.定理6.2.9是粗模糊集A依參數(shù)0<β≤α≤1的θ-下近似Aθα和θ-上近似Aθβ分別等于A的α-截集的θ-下近似和A的β-截集的θ-上近似.特別地,當(dāng)A是經(jīng)典集時(shí),對(duì)于任意的α,β∈(0,1],Aα和Aβ分別退化為A
14、在Pawlak意義下的下近似R(A)和上近似R(A);而Aθα和Aθβ分別退化為A在變精度模型下的θ-下近似Rθ(A)和θ-上近似Rθ(A).這說(shuō)明,θ-粗模糊集是變精度粗集在模糊意義下的推廣.最后用一個(gè)例子驗(yàn)證了本章的結(jié)果。 第七章討論了S-粗集中的單元素遷移,以及由單元素遷移引起的S-粗集結(jié)構(gòu)的變化特征.定理7.2.2指出,對(duì)于集合X(∈)U,元素u遷入X使得RX增大,RX不變的充要條件是:[u](∈)Bn(X),|u|-u
15、(∈)X;u遷入X使得RX不變,RX增大的充要條件是:[u](∈)Neg(X),card(|u|)≥2;u遷入X使得RX與瓦RX都增大的充要條件是:[u](∈)Neg(X),cord(u)=1;u遷入X使得.RX與RX都不變的充要條件是:[u](C-) Bn(X),([u]-u)∩X≠φ.類(lèi)似地,定理7.3.2討論了單元素遷出的情況。雙向S-粗集的動(dòng)態(tài)結(jié)構(gòu)特征:Xf={u|u∈U,u∈X,f(u)=x∈X是X的f-擴(kuò)張,X7={x|x∈
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 動(dòng)態(tài)粗集與它的應(yīng)用研究.pdf
- S-粗模糊集的遺傳與它的雙向變異模型.pdf
- 概率型S-,P--粗集與它的Bayes決策精算模型的研究.pdf
- 函數(shù)S-粗集生成的粗積分及其特性研究.pdf
- 粗軟集和粗集的范疇.pdf
- 基于粗集的屬性約簡(jiǎn)及粗集擴(kuò)展模型研究.pdf
- 理想生成的格上粗集及格值粗集的研究.pdf
- 靜態(tài)粗集和動(dòng)態(tài)粗集幾個(gè)問(wèn)題的研究.pdf
- 非空閉凸集與它的回收錐的關(guān)系.pdf
- 基于粗集的規(guī)則獲取算法及覆蓋粗集模型研究.pdf
- 元素遷移具有隨機(jī)特性的S-概率粗集.pdf
- 工作快樂(lè)與它的實(shí)證研究.pdf
- 粗集理論約簡(jiǎn)及其應(yīng)用的研究.pdf
- 基于粗集的車(chē)間動(dòng)態(tài)調(diào)度研究.pdf
- 基于粗集的智能調(diào)度方法研究.pdf
- 多屬性粗糙集和軟粗集研究.pdf
- 基于粗集與Vague集理論的學(xué)習(xí)機(jī)制研究.pdf
- 基于粗集理論的知識(shí)發(fā)現(xiàn)研究.pdf
- 基于粗集的知識(shí)獲取方法的研究.pdf
- 基于粗集理論的關(guān)聯(lián)規(guī)則挖掘研究.pdf
評(píng)論
0/150
提交評(píng)論