导读:本文包含了模糊粗糙集论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:粗糙,模糊,直觉,算子,近似,粒度,关系。
模糊粗糙集论文文献综述
吴韬[1]（2019）在《基于案例推理与模糊粗糙集理论的汽轮机故障诊断系统研究》一文中研究指出案例推理(CaseBasedReasoning,CBR)适于表达复杂的综合性知识,其思想和工作机制对故障诊断有重要意义。应用案例推理技术,可通过检索机制在诊断系统的案例库中对故障的征兆信息进行检索,匹配到与当前问题相似的历史案例比对后得出结论,并对新问题的知识经验进行归纳总结,作为新的案例存储到案例库中。由于汽轮发电机组的故障特征具有复杂性和多样性,应用粗糙集理论对历史案例中的故障特征进行提取,得到对故障识别有贡献的故障特征,对冗余的特征进行筛检和剔除,构建出故障诊断特征库,根据故障特征对故障模式进行识别。(本文来源于《机电信息》期刊2019年33期）
李燃,王青海,鲁小云[2]（2019）在《双论域上模糊关系的双量化粗糙集研究》一文中研究指出针对U到V型双论域双量化粗糙集模型不能处理模糊数据的不足,本文引入U到V上二元模糊关系,构造了U到V型基于模糊关系的双论域双量化"逻辑与"粗糙集模型,并对其模型结构和数学特性进行了深入研究,得到了在模糊关系下模型和性质的一些结论.该模型使得双论域双量化粗糙集理论具有更广泛的应用领域,为进一步揭示双论域双量化粗糙集模型的应用研究提供了理论依据.(本文来源于《微电子学与计算机》期刊2019年10期）
熊兴国,路玲霞[3]（2019）在《基于MV-代数的度量型模糊粗糙集》一文中研究指出研究基于多值逻辑MV-代数的度量型模糊粗糙集模型,给出■-半度量和通常的实数值半度量的关系,证明■-半度量和■-相似关系的等价性,研究■-半度量诱导的模糊粗糙近似算子的性质及其可定义集的性质。(本文来源于《山东大学学报(理学版)》期刊2019年11期）
李抒音,刘洋[4]（2019）在《权重模糊粗糙集的分类规则挖掘算法》一文中研究指出针对粗糙集分类规则挖掘算法LEM2剪枝条件过于严格的问题,提出一种权重模糊粗糙集的改进规则挖掘算法。在用例带权重的模糊粗糙集理论框架上分析面向混合数据的分类规则挖掘算法,引入粗糙集模型的近似覆盖参数作为挖掘算法的泛化度量参数,实现对规则集数量和规则形式复杂程度的调节。实验结果表明,与LEM2算法和DataSqueezer算法相比,该算法的平均精度和平均召回率更优,分别为81%和80%,且生成规则的平均长度最短。(本文来源于《计算机工程》期刊2019年09期）
张红霞,吴桐桐,冷雪亮[5]（2019）在《基于粗糙集理论的模糊聚类算法研究》一文中研究指出粗糙集理论是一种新型的处理含糊不确定知识的数学工具,善于分析隐藏在数据中的事实而不需要关于数据的任何附加知识,粗集理论不仅为信息科学和认知科学提供了新的科学逻辑和研究方法,而且为智能信息处理提供了有效的处理技术。聚类是作为数据挖掘系统中的一个模块,既可以作为一个单独的工具以发现数据库中数据分布的深层信息,也可以作为其他数据挖掘分析算法的一个预处理步骤。模糊聚类算法忽略了聚类边界不确定的问题和复杂数据问题从而导致聚类效果不理想。本文提出了将粗糙集和模糊聚类算法相结合,利用粗糙集中上近似集和下近似集的概念得到相似性度量来改进模糊聚类算法。实验证明,改进的算法能够得到更好的聚类效果。(本文来源于《软件》期刊2019年09期）
傅凡,鞠恒荣[6]（2019）在《多粒度犹豫模糊粗糙集》一文中研究指出犹豫模糊粗糙集是经典模糊粗糙集的有益扩展,然而,已有的犹豫模糊粗糙集并未考虑多源信息处理的需要,为解决这一问题,论文提出了乐观多粒度犹豫模糊粗糙集模型,并详细分析了该模型的理论性质。研究表明,论文提出的模型更能满足实际工程的需要。(本文来源于《计算机与数字工程》期刊2019年08期）
薛占熬,赵丽平,张敏,侯昊东[7]（2019）在《多粒度支持直觉模糊粗糙集的多属性决策方法》一文中研究指出针对多属性决策中多个相互冲突的属性信息使决策者很难做出决策判断的问题,文中从支持直觉模糊集的角度研究该问题.首先,在支持直觉模糊集的基础上,结合多粒度粗糙集理论,构造乐观、悲观两种多粒度支持直觉模糊粗糙集模型,分析两种模型之间的相互关系,讨论相关性质.然后,利用t-模和t-余模定义拟合函数,提出多粒度支持直觉模糊粗糙集的多属性决策求解方法,同时定义得分函数和精确函数排序决策结果,提取相应的决策规则,设计算法.实例分析表明,文中方法使决策者在处理信息冲突的多属性决策问题时可根据实际需求选择最优决策方案.(本文来源于《模式识别与人工智能》期刊2019年08期）
张莉[8]（2019）在《基于覆盖的广义直觉模糊粗糙集及多属性决策研究》一文中研究指出本文主要研究直觉模糊邻域算子、基于覆盖的广义直觉模糊粗糙集模型和基于覆盖的变精度直觉模糊粗糙集模型理论以及决策应用.将粗糙集与直觉模糊集结合,研究四种直觉模糊邻域算子、四种基于覆盖的直觉模糊粗糙集模型以及四种基于覆盖的变精度模糊粗糙集模型的结构性质,并且分别给出一种基于覆盖的直觉模糊集模型的多属性决策方法以及基于覆盖的变精度模糊粗糙集模型的多属性决策方法.本文主要研究工作如下:第一章主要介绍本课题涉及的相关内容、发展背景以及目前的研究现状,并介绍预备知识和主要的研究工作.第二章基于D’eer提出的四种模糊邻域算子,给出四种直觉模糊邻域算子的定义,并且研究其相关的结构性质.基于四种直觉模糊邻域算子,定义四种基于覆盖的广义直觉模糊粗糙集模型,并且得到一些重要的结论.在此基础上,结合TOPSIS方法的思想,提出一种基于覆盖的广义直觉模糊粗糙集模型的多属性决策方法,并给出相关实例说明.通过本文的方法与已知多属性方法进行比较分析与敏感性分析,揭示提出的方法的有效性与鲁棒性,并且指出该方法可应用于更广泛和更复杂的决策环境.第叁章引入基于覆盖的变精度直觉模糊粗糙集的概念,通过研究其性质结构得出一些重要的结论.同时将基于覆盖的变精度直觉模糊粗糙集模型与经典的TOPSIS方法的思想进行融合,提出一种基于覆盖的变精度直觉模糊粗糙集模型的多属性决策方法,并且将其应用于生物医学的骨骼移植选材.通过将本文的方法与已知的多属性决策方法进行比较分析与敏感性分析,进一步揭示我们的方法的有效性,并指出其优势.(本文来源于《湖北民族大学》期刊2019-06-30）
郭庆,张爱萍[9]（2019）在《直觉模糊决策系统的一种变协调度粗糙集模型》一文中研究指出严格序关系下的粗糙集模型在处理不协调直觉模糊决策系统时,下近似集中包含很少的对象,其中可能存在着被遗漏的对象。文章通过引入协调度提出了一种序关系下直觉模糊决策系统的变协调度粗糙集模型,该模型通过调节协调度阈值的大小能够较为有效地处理直觉模糊决策系统中的不协调性,并给出该模型相关的重要性质及其证明,这些性质揭示了所提模型与严格序关系下模型的区别与联系;然后通过引入直觉模糊决策系统的分类质量给出了相对约简的方法,同时给出序决策规则的获取方法及其置信度;最后通过算例验证了该模型的有效性与合理性。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年06期）
赵晋欢,王长忠[10]（2019）在《基于模糊粗糙集的辨识矩阵属性约简方法》一文中研究指出通过构造辨识矩阵进行属性约简是一种有效的降低数据维度的方法.然而,经典粗糙集构造的辨识矩阵的局限性在于并不适用于连续型数据,只适用于离散型数据.因此,本文研究在模糊粗糙集下的辨识矩阵属性约简模型,并讨论该模型的相关数学性质,提出相应的算法来对连续型数据进行属性约简.通过实例验证该方法是有效的.(本文来源于《渤海大学学报(自然科学版)》期刊2019年02期）
模糊粗糙集论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对U到V型双论域双量化粗糙集模型不能处理模糊数据的不足,本文引入U到V上二元模糊关系,构造了U到V型基于模糊关系的双论域双量化"逻辑与"粗糙集模型,并对其模型结构和数学特性进行了深入研究,得到了在模糊关系下模型和性质的一些结论.该模型使得双论域双量化粗糙集理论具有更广泛的应用领域,为进一步揭示双论域双量化粗糙集模型的应用研究提供了理论依据.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊粗糙集论文参考文献
[1].吴韬.基于案例推理与模糊粗糙集理论的汽轮机故障诊断系统研究[J].机电信息.2019
[2].李燃,王青海,鲁小云.双论域上模糊关系的双量化粗糙集研究[J].微电子学与计算机.2019
[3].熊兴国,路玲霞.基于MV-代数的度量型模糊粗糙集[J].山东大学学报(理学版).2019
[4].李抒音,刘洋.权重模糊粗糙集的分类规则挖掘算法[J].计算机工程.2019
[5].张红霞,吴桐桐,冷雪亮.基于粗糙集理论的模糊聚类算法研究[J].软件.2019
[6].傅凡,鞠恒荣.多粒度犹豫模糊粗糙集[J].计算机与数字工程.2019
[7].薛占熬,赵丽平,张敏,侯昊东.多粒度支持直觉模糊粗糙集的多属性决策方法[J].模式识别与人工智能.2019
[8].张莉.基于覆盖的广义直觉模糊粗糙集及多属性决策研究[D].湖北民族大学.2019
[9].郭庆,张爱萍.直觉模糊决策系统的一种变协调度粗糙集模型[J].合肥工业大学学报(自然科学版).2019
[10].赵晋欢,王长忠.基于模糊粗糙集的辨识矩阵属性约简方法[J].渤海大学学报(自然科学版).2019
论文知识图
