多粒度粗糙集

摘要： 双论域多粒度直觉模糊粗糙集有利于不确定性分析,但其乐观与悲观模型具有极端性.引入相对概率与绝对基数进行双量化集成,获取双论域多粒度直觉模糊粗糙集的均衡模型及性质.首先,采用双量化技术,构建双论域多粒度直觉模糊粗糙集“下近似绝对量化-上近似相对量化”模型和“下近似相对量化-上近似绝对量化”模型,设计优化算法.其次,研究2类模型近似算子相关性质,包括集合运算与阈值单调等.最后,采用实例来验证模型有效性与性质正确性,并提供三支决策制定方案.所得结果具有模型改进性、性质扩张性,具有不确定性应用前景.

摘要： 在复杂的不确定性环境中,粗糙集引入拓展要素,可增强模型强健性,因此,文中基于直觉模糊关系,在双论域上研究多粒度概率粗糙集.首先,利用直觉模糊关系与双论域背景,进行多粒度概率粗糙集建模,得到正向乐观、正向悲观、逆向乐观、逆向悲观4种模型及相关集成算法.然后,研究模型下上近似的数学性质,包括集合运算关系、概率参数极限、精度大小对比3方面.最后,采用医疗实例验证模型有效性与性质正确性,提供三支决策制定方案,并验证关于多粒度双论域直觉模糊概率粗糙集所得模型、算法、性质都具有深入的系统性、扩张性、应用性.

摘要： 为促进冲突问题的合理解决,在帕夫拉克(Pawlak)信息系统的基础上建立了毕达哥拉斯模糊信息系统上的多粒度冲突分析模型。在该模型的基础上,为确定代理对所有事件的总体态度,首先,重新定义了毕达哥拉斯模糊数的加法、数乘运算并提出了模糊矩阵的概念。其次,通过定义两种评价函数将总体态度映射成实数。再次,提出了基于多粒度的三个联盟的概念。最后,通过贝叶斯决策过程给出计算阈值的方法。

摘要： 针对代理移动IPv6(PMIPv6)协议领域研究中,移动节点(MN)与PMIPv6网络内的特定移动接入网关(MAG)相关联会增加MAG负载概率的问题,基于集群的代理移动IPv6(CSPMIPv6)协议,提出利用多粒度粗糙集属性约简的负载均衡方法.首先,基于多粒度粗糙集属性约简的方法,在考虑不同属性子序列对划分结果影响的情况下,更改其连接的切换移动节点(handover mobile node,HMN)选择MAG.然后,改进了理想解相似程度排序方法(TOPSIS),以确定目标MAG.最后,通过实验验证了CSPMIPv6中的信令已得到增强,从而验证了所提出的负载平衡机制.所提出的机制与基于组的PMIPv6切换控制方案(GB-PMIPv6)和基于票证的绑定更新(TBU)协议相比,能够更好地适应内部切换以及负载率增加时的信号变化情况,减小故障率.对比表现较好的GB-PMIPv6机制,新机制的平均排队延迟、切换延迟、端到端延迟和数据包丢失分别可减少9.09％、19.78％、10.20％、6.43％,传输速率可提高8.89％,显著提高了系统性能.

摘要： 多粒度数据是一种特殊的、有用的数据类型,它通过对论域(研究对象的集合)采用不同的粒化方式使得数据能够在多个粒度空间中进行呈现,在此基础上可以开展数据的多层次知识发现研究.商空间理论、序贯三支决策、多粒度粗糙集、多尺度数据分析模型和多粒度形式概念分析是几种常见的、有效的多粒度数据分析方法,已受到人们的广泛关注.本文对基于粒计算的多粒度数据分析研究工作进行综述,给出每一类多粒度数据分析方法的理论框架、基本概念以及主要研究思想,并指出多粒度数据分析研究中存在的若干问题,为该领域的后续研究提供理论参考.

摘要： 多粒度粗糙集是粗糙集理论研究的热点之一,其粒度重要性也是许多学者研究的重点。有些粒度重要性公式存在不足之处,不能区分出粒度的重要程度。因此,通过研究多粒度粗糙集,将多数包含关系引入近似质量公式,结合可信系数,提出新的粒度重要性公式。最后,通过实例分析验证公式的可行性。

摘要： 多粒度粗糙集是粗糙集理论研究的热点之一,其粒度重要性也是许多学者研究的重点。有些粒度重要性公式存在不足之处,不能区分出粒度的重要程度。因此,通过研究多粒度粗糙集,将多数包含关系引入近似质量公式,结合可信系数,提出新的粒度重要性公式。最后,通过实例分析验证公式的可行性。

摘要： 以高速磁浮的设计理念、技术背景和应用场景为基础,利用包含多粒度粗糙集的多级可拓评价法对高速磁浮系统进行综合评判,直观反映高速磁浮系统的综合优良等级.首先从运行速度、舒适性、安全性、可靠性、经济性以及社会战略性6个角度对影响高速磁浮系统的因素进行分析,确立15个特征评判指标,并且建立高速磁浮系统的综合评判指标体系;其次利用层次分析法和多粒度粗糙集对高速磁浮不同评判指标进行综合赋权,弥补单一主观或客观赋权方法的不足;最后将多级可拓评价法以及模糊评价法分别运用到高速磁浮的系统综合评判中.理论分析和计算结果表明:高速磁浮系统的综合评判等级为"良好".同时相较于模糊评价法,包含多粒度粗糙集的多级可拓评价法在高速磁浮系统综合评判中更加精确客观,有较好的可行性和实用前景.

摘要： 作为粒计算研究方向的核心概念和关键技术,多粒度计算强调对现实世界问题多视角、多层次的理解和描述,可获得合理、满意的求解结果.为了深化多粒度计算与决策分析的有效融合,更好地满足人们的实际决策需求,文中首先介绍多粒度粗糙集、多尺度数据分析、序贯三支决策、分层分类学习四类多粒度计算模型,并阐述各自的主要特点及发展过程.进而从属性约简、规则提取、粒度选择、信息融合、群决策、多属性群决策、分类决策、动态决策等方面总结基于多粒度计算模型的决策分析方法研究现状.最后,对大数据时代智能决策领域中若干具有挑战性的研究方向进行展望,以期推动多粒度智能决策的不断发展与创新.

摘要： 粒度约简是多粒度粗糙集的重要议题,现存的多粒度粗糙集粒度约简方法以考虑各种形式计算多粒度下的正域为主要的研究方法.然而对于多粒度粗糙集,因为同时存在悲观视角与乐观视角,不仅下近似会因悲观、乐观视角而产生差异,视角同样会影响上近似的大小.因此,提出一种可以保持多粒度上下近似不变的粒度约简方法,同时考量多粒度粗糙集的上近似与下近似的粒度重要度,基于重要度设计了用矩阵计算粒度重要度的方法,并提出相应的粒度约简算法.在UCI公开数据集上使用对比算法验证了所提算法的有效性和优越性.

摘要： 多粒度粗糙集是近年来粗糙集理论中兴起的一个研究方向,本文将多粒度粗糙集引入基于全序优势关系的不完备模糊信息系统,分别建立了乐观多粒度粗糙集模型和悲观多粒度粗糙集模型,并讨论它们的相关性质.通过对比单粒度和多粒度空间中的近似精度,得到了随着粒度的增加,近似精度会越来越大的结论.关于全序优势关系下不完备模糊信息系统的多粒度粗糙集的约简及规则提取将是下一步要研究的问题。

摘要： 本发明提供了一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，包括如下步骤：S10采集乳腺癌数据集，并将所述乳腺癌数据集分为训练数据集和测试数据集；S20在所述训练数据集上构建多粒度数据；S30在不同粒度的所述病理特征约简集合下预测所述测试数据的类别标签集合；S40根据投票机制得到所述测试数据集中票数最多的类别标签，获得乳腺癌数据分类结果。本发明的一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，去除了冗余属性压缩乳腺癌数据规模，同时在分类过程中，将证据理论引入邻域粗糙分类，充分地利用了样本之间的紧密性，提升了对乳腺癌数据分类的效率和精度，对乳腺癌智能辅助分类具有较强的应用价值。

摘要： 本发明属于图像信息处理研究领域，具体涉及一种基于粗糙集和粗糙熵的Petri网络图像分割方法，包括以下步骤：找到图像的最大和最小灰度值，并把他们保存到变量max和min中；根据图像的宽和高将图像分割为点集；使用Monte Carlo方法从点集中随机的选择1000个点；计算点集的灰度最大和最小值分别为Pimax和Pimin；计算对象的下降和上升粗糙集分别保存到OT和计算背景的上升和下降粗糙集保存到和BT中；对子集进行排序，并根据阈值T来画出轮廓，如果子集的灰度值大于阈值T，则子集属于对象缓冲区，如果子集的灰度值低于阈值T，则子集属于背景缓冲区，得到图形的粗糙轮廓；对粗分割的第一阶段进行调整，得到精确轮廓。本发明解决了不确定性、非均匀性和效率低下的问题。

摘要： 本发明涉及一种基于模糊粗糙集的用户多标签细粒度情感分析方法，包括：步骤一：对在线文本样本数据进行预处理，人工预先进行情感评定等级标注；步骤二：首先通过对模糊关系方程进行求解来得到每个情感词的属性模糊情感强度；步骤三：采集实际文本语料数据，利用改进的模糊粗糙集方法来预测句子、段落和篇章的情感标签和强度。本发明具有较为快速准确分析用户文本情感属性及强度的功能，通过分析用户评价文本自动分析并给出用户情感分析的结果。

摘要： 本发明一种不完备系统下悲观‑乐观多粒度决策粗糙集属性约简方法，将粗糙集属性约简的完备系统扩展到不完备系统，通过似分布质量与全局的分布质量结果对比相同，证明了悲观‑乐观多粒度决策粗糙集在此方法的有效性，以及乐观‑悲观多粒度决策粗糙集的不可约简性。在进行属性分类时，将缺失属性的值与分类属性的值保持一致，增加了计算的准确性，保证了缺失属性的多种情况。同时相较于现有的属性约简方法主要分为基于信息熵的属性约简、基于区分矩阵的属性约简、以及基于属性重要度的属性约简方法，为了增加属性约简的精确度，加入了下近似分布质量概念，又将属性重要度细分为内部重要度和外部重要度，使得属性约简过程简便、计算结果更加的精确。

摘要： 本发明提供了一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，包括如下步骤：S10采集乳腺癌数据集，并将所述乳腺癌数据集分为训练数据集和测试数据集；S20在所述训练数据集上构建多粒度数据；S30在不同粒度的所述病理特征约简集合下预测所述测试数据的类别标签集合；S40根据投票机制得到所述测试数据集中票数最多的类别标签，获得乳腺癌数据分类结果。本发明的一种基于多粒度证据邻域粗糙集的乳腺癌数据分类方法，去除了冗余属性压缩乳腺癌数据规模，同时在分类过程中，将证据理论引入邻域粗糙分类，充分地利用了样本之间的紧密性，提升了对乳腺癌数据分类的效率和精度，对乳腺癌智能辅助分类具有较强的应用价值。

摘要： 本发明公开了一种基于对偶犹豫模糊MULTIMOORA与多粒度概率粗糙集的群决策方法，该方法可刻画蕴含多种不确定性的决策信息、对多源决策信息进行消除决策者个人主观性的信息融合并考虑决策风险和容错率、提供稳定性强的决策结论，通过输入对偶犹豫模糊信息系统(U,V,R

摘要： 本发明公开了一种基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法，其中提出四种区间犹豫模糊多粒度决策粗糙集，来体现决策专家所提出意见之间的乐观性、悲观性、少数服从多数、多数服从少数、风险中性，通过输入区间犹豫模糊信息系统(U,V,R

摘要： 本发明提供了基于平均多粒度决策粗糙集和NNBC轴承故障诊断方法。本发明的目的是为了解决基于多粒度粗糙集的轴承故障诊断过程中限制条件选择不恰当的问题。具体过程为，一：提取训练样本中滚动轴承的故障诊断特征，用于构建故障征兆属性集；二：采用基于平均多粒度决策粗糙集的属性约简算法，降低训练样本中征兆属性集的维数；三：根据约简后的训练样本构建NNBC，采用基于NNBC的模式识别算法判断待诊样本的滚动轴承状态。实施例的结果表明本发明可准确地判断滚动轴承的故障类型及故障程度，降低计算复杂度。

摘要： 本发明提供了基于平均多粒度决策粗糙集和NNBC轴承故障诊断方法。本发明的目的是为了解决基于多粒度粗糙集的轴承故障诊断过程中限制条件选择不恰当的问题。具体过程为，一：提取训练样本中滚动轴承的故障诊断特征，用于构建故障征兆属性集；二：采用基于平均多粒度决策粗糙集的属性约简算法，降低训练样本中征兆属性集的维数；三：根据约简后的训练样本构建NNBC，采用基于NNBC的模式识别算法判断待诊样本的滚动轴承状态。实施例的结果表明本发明可准确地判断滚动轴承的故障类型及故障程度，降低计算复杂度。

摘要： 本发明公开一种基于贪心策略的多粒度粗糙集简约方法及系统。方法包括步骤：构造一个空的属性子集；分别计算每个属性的内在重要性；从具有最大内在重要性的属性开始，依次循环，将具有最大外在重要性的属性添加入属性子集中；判断属性子集是否满足循环终止条件，若不满足则返回继续循环，若满足则退出循环并得到初步的属性子集；通过进一步的优化策略去除冗余属性得到最终的属性子集。本发明通过设计合理的启发函数，采用前向贪心搜索策略，能够降低属性简约算法的时间复杂度和空间复杂度，提取出重要的属性子集并忽略不重要和冗余的属性，从而有利于提高后续应用，如分类任务的准确率和稳定性。