粒计算的不确定性分析与知识获取方法 pdf下载

从理论上探讨知识粒的基本结构表示，研究知识粒与不确定性度量方法之间的融合形式，运用粒计算方法的粒化策略与算法，研究粒计算的不确定性度量理论与方法，探讨其合理性、单调性以及与现有度量方法之间的关系，进而构建相应的粒计算模型。从信息论约简角度，应用基数排序、Hash表等数据处理技术，基于条件熵建立粒度空间的启发式约简算法；基于不完备条件熵、不完备决策熵构建容差关系下启发式约简算法，使其适合处理不完备的、完

前言

第1章 粒计算的基本理论
1.1 引言
1.2 模糊集理论
1.3 粗糙集理论
1.4 商空间理论
1.5 云模型理论
1.6 其他粒计算理论
1.7 小结
参考文献

第2章 粒计算的不确定性分析
2.1 引言
2.2 粒计算的不确定性
2.1 概念的不确定性
2.2 知识的不确定性
2.2.3 推理的不确定性
2.2.4 小结
2.3 粒计算的不确定性度量
2.3.1 模糊集的不确定性度量
2.3.2 Vague集的不确定性度量
2.3.3 粗糙集的不确定性度量
2.3.4 覆盖粗糙集的不确定性度量
2.3.5 商空间的不确定性度量
2.3.6 模糊粗糙集的不确定性度量
2.3.7 粗糙模糊集的不确定性度量
2.3.8 云模型的不确定性度量
2.3.9 小结
2.4 基于信息熵的不确定性度量
2.4.1 引言
2.4.2 信息熵
2.4.3 联合信息熵
2.4.4 条件信息熵
2.4.5 互信息
2.4.6 小结
2.5 知识粒度的不确定性度量
2.5.1 引言
2.5.2 信息粒度
2.5.3 决策包含度
2.5.4 概念粒度
2.5.5 小结
2.6 基于粒空间的不确定性度量
2.6.1 引言
2.6.2 相关概念
2.6.3 粗糙粒空间
2.6.4 信息粒重要性度量
2.6.5 小结
参考文献

第3章 粒计算的扩展模型
3.1 引言
3.2 基于邻域关系的不完备混合数据的粗糙集扩展模型
3.2.1 引言
3.2.2 相对邻域关系
3.2.3 三类相容关系
3.2.4 广义邻域关系
3.2.5 基于广义邻域关系的粗糙集扩展模型
3.2.6 小结
3.3 覆盖粗糙集模型
3.3.1 引言
3.3.2 相关概念
3.3.3 基于相斥关系的覆盖粗糙集模型
3.3.4 小结
3.4 α-先验概率优势关系下的粗糙集模型
3.4.1 引言
3.4.2 基础知识
3.4.3 α-先验概率优势关系
3.4.4 基于α-先验概率优势关系的粗糙集模型
3.4.5 α-先验概率优势关系的对象排序方法
3.4.6 基于α-先验概率优势关系的约简模型
3.4.7 小结
3.5 基于不完备信息系统的三角模糊数决策粗糙集模型
3.5.1 引言
3.5.2 基本概念
3.5.3 基于不完备信息系统的三角模糊数决策粗糙集
3.5.4 整数值排序法
3.5.5 三角模糊数决策粗糙集模型实现
3.5.6 案例分析
3.5.7 小结
3.6 基于信息量的悲观多粒度粗糙集模型
3.6.1 引言
3.6.2 基础知识
3.6.3 基于信息量的悲观多粒度粗糙集
3.6.4 悲观多粒度粗糙集粒度约简模型
3.6.5 实例分析
3.6.6 小结
3.7 基于下近似分布粒度熵的变精度悲观多粒度粗糙集模型
3.7.1 引言
3.7.2 基本概念
3.7.3 下近似分布粒度熵及其变精度悲观多粒度粗糙集
3.7.4 变精度悲观多粒度粗糙集粒度约简模型
3.7.5 实例分析
3.7.6 小结
3.8 灰度相容粒度空间模型
3.8.1 引言
3.8.2 灰度相容关系
3.8.3 基于灰度的云模型网格点提取
3.8.4 灰度相容粒度空间模型与算法
3.8.5 小结
参考文献

第4章 基于粒计算的知识获取方法
4.1 基于粒度划分的决策表属性约简方法
4.1.1 引言
4.1.2 4主要概念
4.1.3 粒度划分模型
4.1.4 基于粒度划分的决策表属性约简算法
4.1.5 实验结果与分析
4.1.6 小结
4.2 序信息系统的贴近度及其属性约简方法
4.2.1 引言
4.2.2 基于优势关系的序信息系统
4.2.3 序信息系统的贴近度及其属性重要性
4.2.4 基于贴近度的序信息系统属性约简算法
4.2.5 实例分析
4.2.6 小结
4.3 基于贴近度的协调序决策系统属性约简方法
4.3.1 引言
4.3.2 基于优势关系的协调序决策系统
4.3.3 基于贴近度的协调序决策系统约简模型
4.3.4 基于贴近度的协调序决策系统属性约简算法
4.3.5 实例分析
4.3.6 小结
4.4 基于概念背景的概念格属性约简方法
4.4.1 引言
4.4.2 形式背景与概念格
4.4.3 基于概念背景的概念格属性约简模型
4.4.4 概念格启发式属性约简算法
4.4.5 实例分析
4.4.6 小结
4.5 广义邻域关系下的不完备混合型属性约简方法
4.5.1 引言
4.5.2 经典属性约简算法
4.5.3 基于广义邻域关系的条件熵及其属性重要性
4.5.4 基于条件熵的不完备混合型属性约简算法
4.5.5 实验结果与分析
4.5.6 小结
4.6 不完备决策系统中基于粗糙熵的属性约简方法
4.6.1 引言
4.6.2 相关概念
4.6.3 粗糙熵与互信息
4.6.4 条件粗糙熵
4.6.5 基于条件粗糙熵的属性约简模型
4.6.6 实验结果与分析
4.6.7 小结
4.7 决策概念格及其决策规则提取方法
4.7.1 引言
4.7.2 基本理论
4.7.3 决策概念格
4.7.4 决策规则提取算法
4.7.5 实例分析
4.7.6 小结
4.8 基于知识决策度的决策树规则提取方法
4.8.1 引言
4.8.2 基本概念
4.8.3 现有约简方法的局限性
4.8.4 知识决策度
4.8.5 决策树及规则提取模型
4.8.6 实验结果与分析
4.8.7 小结
参考文献

　　在现实世界中，由于数据测量的误差、噪声，数据测量的不完整性及对数据保存不当等因素，人们面临的信息系统往往是不完备的。目前，很多学者对不完备信息系统中优势关系粗糙集进行了研究和扩展，并取得了丰硕的研究成果。Shao等提出了基于优势关系的不完备序信息系统，并给出属性约简和规则提取的方法；胡明礼等提出了扩展优势关系粗糙集模型，该模型中空值“*”可以与任意值比较，又在文献中，对扩展模型进行限制，提出了限制扩展模型；Yang等研究了复杂不完备序信息系统的属性约简方法，并给出了不可区分矩阵和具体的约简算法。骆公志等对属性已知值与属性空值比较进行限制，提出了限制扩展优势关系。莫京兰等对不完备序信息系统采用集对分析法改进了优势关系。针对基于优势关系的复杂信息系统，文献基于广义不完备序信息系统，提出了特征优势关系和程度优势关系。王斌等针对不完备区间值信息系统中存在的问题，给出了两种新的优势关系，即上限优势关系和近似优势关系，以此为基础，对对象评估和不确定性度量问题进行了研究，分析不同优势关系的区别与联系，并用具体算法加以说明。陶志等提出了基于先验概率优势关系放入粗糙决策分析模型，并通过对比分析，验证了新模型能使分类结构更加精确，他又在文献中提出了基于加权先验概率优势关系的籼糙集决策分析模型，得到加权先验概率优势关系，并南此得到粗糙近似，获取分类决策规则。
　　……