当不完备双论域模糊概率粗糙集获取缺省值时,传统的静态算法更新近似集的时间效率较低,为了解决这个问题,对带标记不完备双论域模......

粒化是粗糙熵阈值化算法的重要步骤,针对图像预处理的粒化方式不同,采用一种基于简单线性迭代聚类(SLIC)超像素的粒化方式.利用SLI......

粗糙模糊集的近似集提供了如何利用已知的信息粒来近似描述模糊知识的方法,但在构建近似集时并没有考虑误分类代价这一实际因素。......

针对现实环境下数据集不断动态变化的特性,提出一种邻域决策粗糙集模型的增量式更新算法。采用由简单到复杂的研究思路,分析了邻域......

经典粗糙集理论的提出主要是针对完备信息系统,其对数据的完整性和精确性要求很高,在数据的处理和分析上存在着一定的局限性。由于......

波兰数学家Pawlak于1982年提出一种处理模糊知识的数学工具,即粗糙集理论。经典粗糙集利用论域上单个不可分辨的二元关系导出等价......

当今社会人工智能技术飞速发展,数据挖掘作为最重要的领域之一,受到人们的极大关注,并且已应用于模式识别、生物科学、自然语言处......

随着信息技术的快速发展,社会生产中产生的数据呈爆炸式增长,如何从这些海量的数据中智能高效地进行知识发现已经成为人工智能领域......

随着计算机技术、网络技术、信息技术的飞速发展,数据在人们生活中所占的比重越来越大,但是怎样能从这些数据中挖掘出对人类生产生......

为了解决变压器状态信息间的弱关联问题,从而准确预警变压器的异常状态,引入信息决策理论构建变压器信息决策表,并提取了变压器状......

粗糙集的近似集用已有知识粒对不确定性目标概念进行近似描述,但在构建近似集时并没有考虑数据的代价信息这一实际因素.对此,首先......

粗糙集理论是一个刻画不确定性和不完整性的数学工具,其有效性已经在许多科学领域和工程领域的成功应用中得到证实。经典粗糙集基......

我们首先引入了粗糙S-系和模糊S-系的概念，然后讨论了粗糙S-系的性质，比较详细地介绍了在S-子系诱导的同余下的粗糙S-系的性质，以及两......

近年来,经典粗糙集理论在知识获取方面已经取得了很大的成功.但是,基于不可分辩关系的经典粗糙集理论不适用于分析处理不完备信息......

含糊性和不可分辨性构成了决策表中不确定性的两个不同侧面 .Vague集作为当前模糊信息处理中的一个新兴研究课题 ,它具有强大的表......

对象集变化会造成近似集的改变，动态更新方法可以高效计算近似集．对于不完备有序信息系统，讨论了单个对象增加或删除造成的决策类、置......

考虑一种广义的不完备信息系统,其中同时具有缺席和遗漏型未知属性值.在这种广义的不完备信息系统中,深入研究特征关系,探讨根据特......

Rough集理论是近年来发展起来的一种有效的处理不精确、不确定、含糊信息的数学理论方法,在机器学习、数据挖掘、智能数据分析、控......

基于优势关系的变精度粗糙集模型将传统粗糙集中的等价关系扩展为优势关系，并结合变精度的思想来定义相关概念，从而可以处理具有偏好......

1.引言粗糙集理论(rough set theory)是波兰Z.Pawlak教授于1982年提出的[1],1991年Z.Pawlak的专著<Rough Sets-Theoretical Aspect......

在优势关系粗糙集方法（DRSA）的框架下，优势关系可用于处理带有序关系属性（准则）的数据，并且已经被广泛用于处理多准则决策问题。然而在实......

为了应对微信息舆情数据的格式复杂、价值稀疏和收集困难等大数据处理技术难题,基于隐含语义分析和粗糙集近似约简理论,设计微信息......

在实际应用中,信息系统随着时间在不断发生变化。分别讨论了信息系统中属性增加和减少时,变精度粗糙集模型中近似集的动态获取方法......

基于经典粗糙集理论的图像分割方法缺少对目标图像不确定性边界域的精确划分,其根据先验粒度构建的图像粗糙集信息系统,并没有客观......

Rough集理论是近年来发展起来的一种有效地处理不精确、不确定、含糊信息的数学理论方法，在机器学习、数据挖掘、智能数据分析、控......

在实际应用中,属性值的改变会导致覆盖信息系统中某一个覆盖发生变化,此时使用非增量的方法计算集合的上下近似集的时间开销较大。......

随着数据的不断变化,从信息系统中获取有用的信息,可有效地为决策提供依据.为此在多粒度环境下,优势关系多粒度粗糙集中粒度增加时......

含糊性和不可分辨性构成了决策表中不确定性的两个不同侧面，Ｖａｇｕｅ集作为当前模糊信息处理中的一个新兴研究课题，它具有强大的表达不精确数......

介绍了决策粗糙集模型,研究了决策粗糙集的近似集和各决策域的计算问题,引入了等价关系矩阵的诱导矩阵和截矩阵等概念来计算决策粗......

基于优势关系粗糙集模型反映属性间的偏好情况，实际上多数数据库中的数据是动态变化的。如何利用已有的信息更新近似集对于提高知识......

优势关系粗糙集克服经典粗糙集无法处理偏序关系数据的缺陷，而减少近似集的计算时间可以提高数据处理的效率．基于此种情况，文中提出计......

综合考虑不完备信息系统中信息缺失的不同情况及属性本身的重要性,提出了加权特性关系,给出了基于加权特性关系的扩展粗糙集模型及......

粗糙集的近似集用已有知识粒对不确定性目标概念进行近似描述,但在构建近似集时并没有考虑数据的代价信息这一实际因素.本文首先分......

信息系统中的数据是动态变化的,根据动态变化的信息系统获取有用的信息,成为数据处理中的关键问题。针对该问题,分别讨论了信息系......

近似集计算是运用粗糙集理论在数据挖掘相关研究领域中发现隐藏在数据中潜在知识的一个关键步骤。实际问题求解中,人们常常面对的......

置信优势关系粗糙集是处理不完备有序信息的重要模型,上、下近似集的计算是核心内容之一.在实际应用中,属性集通常会发生变化.根据......

粗糙集用上、下近似集刻画不确定目标集合，而粗糙集的近似集用0．5-近似集作为不确定目标集合的近似集．本文首先分析了基于粗糙集的0．5-......

随着海量规模、类型繁多和动态性数据的急剧产生,现代社会已经迈入大数据时代。在这些不断涌现,急剧改变的数据中,存在着大量不确......

数据挖掘的主要任务是从数据中发现有用知识。粒计算是一种新兴的知识发现范式,已经被广泛地应用到数据挖掘研究中。粗糙集理论是......

首先在知识发现的应用过程中引入了可信度概念，在可信度的基础上引入了可信度熵并定义了上、下近似集，并详细讨论了近似集的性质及其......

经典粗糙集理论作为一种处理不可分辩关系数据的数学工具,已在很多领域得到了广泛的应用。如今,基于不可分辨关系的经典粗糙集不适......

随着现代信息技术的高速发展,不同类型的数据急剧地增加,如何有效及时地从数据的海洋中发现知识是一个迫在眉睫的问题.尤其重要的......

多粒度粗糙集模型是经典粗糙集模型的一种重要扩展形式。它使用了一族等价关系而非一个等价关系来进行目标概念的近似逼近。在多粒......

Rough集理论是近年来发展起来的一种有效地处理不精确、不确定、含糊信息的数学理论方法 ,在机器学习、数据挖掘、智能数据分析、......

粗糙集理论作为一种处理不确定性和不完备数据的数学方法,最初由Z.Pawlak在1982年提出。经典粗糙集理论通过单个二元关系对集合进......

Pawlak教授提出的粗糙集理论是解决集合边界不确定的重要手段,他构建了边界不确定集合的两条精确边界,但没有给出用已有知识基来精......

粗糙集是1982年由Pawlak教授提出的解决集合边界不确定的重要方法,它通过两个精确的上、下近似集作为边界线来刻画目标集合(概念)X......

研究覆盖广义粗糙集中近似集变化的增量更新问题,分析属性增删时覆盖广义粗糙集模型近似集的性质,根据边界域与近似集关系,得出属......

目前粗糙集模型中概念的上、下近似集的计算方法大多是基于静态信息系统的.而实际的信息系统是随时间动态变化的,通常包括对象集、......

针对不完备信息系统变化时缺失值获取具体属性值的特性,为解决多粒度粗糙集中更新近似集时间效率低的问题,提出了一种基于容差关系......