多标记粒度不完备信息系统的粗糙近似

04-黄兵-基于粗糙集的不完备信息系统知识获取理论与方法.nh

(10-杨习贝-不完备信息系统中粗糙集理论研究.nh)

在不完备信息系统中,为了融合可变精度粗糙集和多粒度粗糙集的各自优点,提出一种基于容差关系的不完备可变精度多粒度粗糙集模型。研究了基于容差关系的可变精度乐观多粒度粗糙集和悲观多粒度粗糙集的相关性质。通过

不完备信息系统中可变精度Rough集模型，付昂，胡军，本文在已有不完备信息系统中可变精度Rough集模型的基础上，提出了新的基于容差关系的可变精度Rough集模型(TVPRS)。通过尝试性地引入遗�

粒度下的粗糙集近似，并定义了动态粒度下的正相近似。

以同时具有遗漏型和丢失型未知属性值的广义不完备信息系统为研究对象，定义一种用于分类的[α]程度限制优势关系，提出一种基于[α]程度限制优势关系的拓展粗糙集模型，并给出其上、下近似性质。通过一个教师教学

以同时具有遗漏型和缺席型未知属性值的不完备信息系统为研究对象，提出了一种使用参数进行控制的二元关系以及相应的粗糙集模型，将这种拓展粗糙集模型与不完备信息系统中现有的几种拓展粗糙集模型进行了对比研究。对

上、下近似空间是粗糙理论的重要概念，解决上、下近似问题是海量数据挖掘的基础。经典的近似空间算法不适合处理海量数据，更不适合处理带缺失信息的海量数据问题。为此，通过深度分析带缺失信息的海量数据特征，结合

针对混合值不完备信息系统，提出了基于邻域联系度的拓展粗糙集模型。首先定义了一种邻域联系度容差关系，然后通过所确定出的最大相容类得到了上、下近似集，并证明了所得到的近似集是基于联系度容差关系得到的近似集

当今煤炭业已经进入了信息时代,基于粗糙集的非完备信息系统决策规则学习算法,能提高属性未知数据信息的准确表达。在该算法中,首先利用粗糙集理论对属性未知的数据信息进行属性约简,然后基于数据挖掘技术的关联规

概念格是以概念为元素的偏序集,通常可以对形式背景描述的完备信息系统进行分析和处理,然而在多数情况下信息系统是不完备的,粗糙集理论是一种刻画不完整、不确定性问题的有效方法.针对此问题,从粗糙集的角度出发

在不完备信息系统中, 可变精度分类关系是限制容差关系的改进形式, 但其并未考虑数据集中属性的测试代价。为解决这一问题, 提出了基于测试代价敏感的可变精度分类粗糙集模型。进一步地,

粗糙集理论是在模糊和不确定性特征下针对计算机应用的一种相对较新的数学工具。 在本文中,我们解决了不完整信息系统的粗糙集的不确定性。 获得了不完全信息系统知识粒度的公理定义,提出了粗糙集不确定性的度量。

不完备信息系统中基于粒理论的多粒度粗糙集数值表征

随着信息系统的广泛应用，我们不可避免地面临着隐私泄露的风险。本文聚焦于解决不完备信息系统中的隐私问题，提出了一种创新性的基于不可区分度的知识约简算法。该算法通过对信息系统中的知识进行深入挖掘和分析，利