导读:本文包含了概率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,概率,近似,区间,粒度,关系。
概率模糊粗糙集论文文献综述
颜廷娇[1]（2018）在《区间直觉模糊概率粗糙集模型及其应用》一文中研究指出由于经典粗糙集理论对于上下近似的定义过于严苛,导致边界域的取值相对较少,不利于决策方案的选择.为了解决这一问题,研究者在经典粗糙集理论中加入概率阈值,提出了概率粗糙集的概念.本文的主要工作是将概率粗糙集模型进行了推广,在概率粗糙集的基础上讨论区间直觉模糊信息系统.主旨是通过建立区间直觉模糊概率粗糙集模型进行决策,主要从以下几个方面进行研究:首先,合理定义了区间直觉模糊数的除法运算,并在此基础上提出了基于区间直觉模糊概率空间的条件概率的计算公式.现有文献中对区间直觉模糊数的除法运算相对来说还存在空白,本文基于条件概率的需要,合理定义了两个区间直觉模糊数之间的除法,使之在区间直觉模糊系统空间上完备,对区间直觉模糊数的四则运算进行了有效地补充.并在此基础上运用Bayes公式给出区间直觉模糊概率空间上的条件概率的计算公式,为后续概率粗糙集的模型拓展打基础.其次,将概率粗糙集模型推广到区间直觉模糊概率空间中,构造出区间直觉模糊概率粗糙集模型.该模型是在区间直觉模糊概率近似空间上,基于区间直觉模糊事件集与区间直觉模糊等价关系,通过合理定义区间直觉模糊等价类,定义了区间直觉模糊集基于概率阈值α,β的上下近似,从而构造出的用于解决具有不精确、不完备、不一致信息的新的决策模型;进而讨论了新模型的基本性质,给出了新模型所具有的性质、定理.最后,引入损失函数给出新模型的概率阈值的表达式.通过计算基于区间直觉模糊数的损失函数确定出新模型的概率阈值的表达式,并给出基于该概率阈值的决策规则,使之能够准确方便的运用于决策中.然后,给出示例验证该模型的可行性.(本文来源于《广西大学》期刊2018-06-01）
史德容[2]（2018）在《区间值模糊信息系统的概率决策粗糙集方法研究》一文中研究指出随着社会的勇猛发展,人们正面临着信息时代类型别致、种类众多、更新速度一流的数据集。其中以不确定性的模糊区间形式构成的区间值模糊信息系统(IVFIS)成为当下信息技术研究热点之一,同时如何从IVFIS中挖掘出有价值的信息也是人工智能领域面临的一大挑战。粗糙集理论作为处理不确定问题的数学理论,被延伸到了粒计算理论和叁支决策中,通过其定义的上下近似集来刻画不确定信息。由于粗糙集无法拥有容错能力机制,随着研究的需要,学者们又推广出更多的模型比如Yao的决策粗糙集模型(DTRS),它主要是应用于实际决策问题,基于此的语义解释是上下近似集划分的正域接受事物,负域拒绝事物,边界域则表示延迟决策。本文正是基于DTRS,程度粗糙集(GRS)和多粒度粗糙集(MGRS),首先研究了IVFIS的属性约简,除去多余信息对获取知识过程和最终结果的影响;其次考虑概率和损失函数分别是实值和区间值情形,建立了IVFIS模糊概率决策粗糙集和IVFIS区间值模糊概率决策粗糙集两种模型;最后研究IVFIS的程度多粒度粗糙集(GMGRS)模型,本文的主要创新点如下:1.在不协调的IVFIS中通过定义分布函数、最大分布函数及部分一致函数,建立了IVFIS的分布约简、最大分布约简和部分一致约简方法,研究了约简是如何获取最简信息,得出最优解。深入研究了各自相关的数学性质,并讨论了IVFIS中不同属性约简的关系,最后通过实例利用定义法和可辨识矩阵法计算出IVFIS分布约简、最大分布约简和部分一致约简,经过算法和实例对比分析,得出可辨识矩阵法简化了时间和空间复杂度。2.对IVFIS做决策转变到近似空间下决策,利用绝对指数法定义新的对象间的相似关系,在环境许可下将IVFIS转换成模糊近似空间和区间值模糊近似空间。紧接着在近似空间下考虑了概率和损失函数是实值和区间值的情形,分别建立了IVFIS模糊概率决策粗糙集和IVFIS区间值模糊概率决策粗糙集两种模型,决策过程中通过阈值α和β来控制决策的风险程度,并且后者模型与前者相比更符合决策在不确定度量上的一些特征。最后通过案例对IVFIS做出决策,阐述了所提模型的有效性和价值性。3.在多粒度和程度粗糙集理论下,基于IVFIS构造了叁种程度多粒度粗糙集模型,即IVFIS乐观程度多粒度粗糙集(OGMGRS),悲观程度多粒度粗糙集(PGMGRS),广义程度多粒度粗糙集(GGMGRS)。研究了这叁种模型的一些基本结构和性质,以及叁种模型上下近似算子之间的联系,并通过定义的多个优势关系下的程度多粒度近似算子和各个粗糙区域来对方案进行决策。最后针对IVFIS引进一种新的序关系-λ几何平均排序来实证模型的实用性和可行性。(本文来源于《重庆理工大学》期刊2018-03-23）
郑国杰[3]（2018）在《概率值模糊决策系统中基于粗糙集的属性约简和分类算法的研究》一文中研究指出随着互联网技术的快速发展,人们获取和存储数据的能力越来越强,数据的形式也越来越丰富。在不同的场景下,数据往往有不同的采集方法和表示方法,最终的数据也会不同。常见的数据有符号型数据和实值型数据。符号型数据取值为一个单一的符号或类别值。实值型数据则可以在值域内取任意值,没有离散的概念。而如果数据表示介于两者之间,比如,不再是只能取一个值,而是每个属性值都有一定的可能性,此时这两种数据类型已经无法满足人们的需求。因此,人们提出了模糊信息系统。其中,每个属性值不再是一个值,而是一个模糊集,表示属于该属性值的程度。在传统的离散型信息系统中,同一属性下的属性值是互斥的。然而,模糊集信息系统的每个属性值只跟对象有关,同一属性下的各个属性值之间的互斥关系却没有揭示出来。本文在模糊集信息系统的基础上,提出了一种概率值模糊决策系统,对象在一个属性上属性值构成了一个概率分布。在这种情况下,每个属性不仅与对象有关,同时受到统一属性下其他属性值的影响和制约,从而刻画了同一属性下各个属性值之间的互斥关系。概率广泛应用于人们的学习和生活,概率的特性使得概率值模糊决策系统满足很多性质。粗糙集理论是一种有效刻画不确定性的数学工具,已经在多个领域得到广泛的应用。本文将概率值模糊决策系统和粗糙集相结合,定义了叁种上下近似算子,并从理论上研究了它们之间的关系。在此基础上,提出了叁种属性约简算法和基于模糊决策树的分类算法,并通过实验验证了算法的有效性。具体来说,本文的主要工作如下:·基于KL散度,定义了属性之间的相似性度量;·提出了叁种上下近似算子,并研究了叁种近似算子之间的关系。定义了精确度,粗糙度和近似精度等不确定性度量,并证明了他们的单调性;·基于概率值模糊决策系统,提出了新的条件熵的公式,并证明了其单调性。在新的条件熵和叁种近似模型的基础上,提出了叁种属性约简算法,通过实验验了算法的有效性;·提出了叁种新的模糊决策树的构造算法,通过和现有的算法对比,证明了算法的有效性。(本文来源于《浙江大学》期刊2018-01-05）
巩增泰,柴润丽[4]（2015）在《基于区间值模糊概率测度的多粒度区间值决策粗糙集模型》一文中研究指出在区间值模糊概率近似空间中,提出了基于IVF(区间值模糊)概率测度的多粒度IV(区间值)决策粗糙集模型,分别讨论和刻划了平均、乐观和悲观叁种情形,结果和算例验证了模型的实用性和广泛性.(本文来源于《西北师范大学学报(自然科学版)》期刊2015年06期）
黎文善（LE,VAN,THIEN）[5]（2015）在《基于覆盖的概率粗糙集和L-模糊变精度粗糙集研究》一文中研究指出本文主要研究了几种基于覆盖的粗糙集(简称覆盖粗糙集)模型.第3章是我们的第一项主要工作,研究了基于覆盖的概率粗糙集(简称覆盖概率粗糙集)模型以及基于覆盖的决策粗糙集(简称覆盖决策粗糙集)模型.首先,我们给出了关于覆盖粗糙集的不确定度量的方法：然后定义基于覆盖的粗糙隶属度,以此为基础建立了覆盖(α,β)-概率粗糙集并研究了它的性质；接着结合贝叶斯决策理论研究了覆盖决策粗糙集模型.第4章是本文的第二项工作,在模糊覆盖信息系统的框架下我们建立了(TI,I丁).上、下模糊变精度粗糙近似算子和(IZ,TT)-上、下模糊变精度粗糙近似算子,并研究了它们的性质、拓扑结构、对偶性以及约简等.第5章是本文的最后一项主要工作,首先我们以剩余格为真值结构建立了两种类型的L-模糊覆盖变精度粗糙集α—Ⅰ型以及α-，型L-模糊覆盖变精度粗糙集,接着我们研究了它们的基本性质,以及L-模糊覆盖变精度粗糙近似算子的拓扑结构,并比较了这两类L.模糊覆盖变精度粗糙近似算子之间的关系.(本文来源于《武汉大学》期刊2015-04-01）
郭智莲,杨海龙,王珏[6]（2014）在《双论域上的直觉模糊概率粗糙集模型及其应用》一文中研究指出基于一个直觉模糊关系,给出了双论域上的直觉模糊概率粗糙集模型的定义,同时也给出了逆下近似、上近似算子的概念.研究了它们的若干性质,为粗糙集的应用提供了新的理论基础与操作手段.最后,通过在临床诊断系统中的具体应用阐述了本文提出的直觉模糊概率粗糙集模型的有效性和优越性.(本文来源于《系统工程理论与实践》期刊2014年07期）
于海,詹婉荣[7]（2014）在《概率模糊粗糙集模型》一文中研究指出基于模糊等价关系,在模糊概率空间上利用模糊条件概率建立了概率模糊粗糙集模型.讨论了概率模糊上、下近似算子的性质.最后给出了模糊集的近似精度和粗糙度的计算公式.(本文来源于《洛阳师范学院学报》期刊2014年02期）
孙秉珍[8]（2010）在《覆盖概率粗糙集的模糊性》一文中研究指出在经典覆盖近似空间中定义了论域上任意元素x的最小子覆盖,基于任意元素的最小子覆盖给出了覆盖粗糙集上、下近似新的描述,进而给出了已有覆盖概率粗糙集模型在最小子覆盖意义下的描述。同时,以覆盖概率粗糙集的粗糙隶属函数为基础,应用经典模糊集熵的概念讨论了覆盖概率粗糙集模糊性的度量。(本文来源于《计算机工程与应用》期刊2010年16期）
宫喜玲,王艳平,张瑜[9]（2009）在《模糊关系下的概率粗糙集模型及其Bayes决策》一文中研究指出经典的概率粗糙集模型是基于论域上的等价关系而建立的,然而在实际应用中,等价关系很难得到。因此,经典的概率粗糙集模型被推广到基于一般二元关系的概率粗糙集模型。更进一步地,还可以推广到模糊二元关系。建立了基于模糊关系的概率粗糙集模型,推广了前人的工作,同时给出了该模型下的Bayes决策方法和应用实例。(本文来源于《辽宁工业大学学报(自然科学版)》期刊2009年05期）
菅利荣,刘思峰[10]（2006）在《粗糙模糊决策表概率决策分析的扩展粗糙集方法》一文中研究指出应用λ-截集将决策类中的模糊集合转换为普通集合,在此基础上推广了粗糙隶属函数,讨论了其中的一些集合理论性质,通过设定置信阈值参数α,提出了一种可以从粗糙模糊决策表中获取概率决策规则的扩展粗糙集方法,并设计了一种改进的快速约简算法,最后给出了该方法的一个算例.研究结果表明,提出的方法可从冗余的且有噪声的粗糙模糊决策表中获取用于指导实践的概率决策知识.(本文来源于《东南大学学报(自然科学版)》期刊2006年05期）
概率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：
随着社会的勇猛发展,人们正面临着信息时代类型别致、种类众多、更新速度一流的数据集。其中以不确定性的模糊区间形式构成的区间值模糊信息系统(IVFIS)成为当下信息技术研究热点之一,同时如何从IVFIS中挖掘出有价值的信息也是人工智能领域面临的一大挑战。粗糙集理论作为处理不确定问题的数学理论,被延伸到了粒计算理论和叁支决策中,通过其定义的上下近似集来刻画不确定信息。由于粗糙集无法拥有容错能力机制,随着研究的需要,学者们又推广出更多的模型比如Yao的决策粗糙集模型(DTRS),它主要是应用于实际决策问题,基于此的语义解释是上下近似集划分的正域接受事物,负域拒绝事物,边界域则表示延迟决策。本文正是基于DTRS,程度粗糙集(GRS)和多粒度粗糙集(MGRS),首先研究了IVFIS的属性约简,除去多余信息对获取知识过程和最终结果的影响;其次考虑概率和损失函数分别是实值和区间值情形,建立了IVFIS模糊概率决策粗糙集和IVFIS区间值模糊概率决策粗糙集两种模型;最后研究IVFIS的程度多粒度粗糙集(GMGRS)模型,本文的主要创新点如下:1.在不协调的IVFIS中通过定义分布函数、最大分布函数及部分一致函数,建立了IVFIS的分布约简、最大分布约简和部分一致约简方法,研究了约简是如何获取最简信息,得出最优解。深入研究了各自相关的数学性质,并讨论了IVFIS中不同属性约简的关系,最后通过实例利用定义法和可辨识矩阵法计算出IVFIS分布约简、最大分布约简和部分一致约简,经过算法和实例对比分析,得出可辨识矩阵法简化了时间和空间复杂度。2.对IVFIS做决策转变到近似空间下决策,利用绝对指数法定义新的对象间的相似关系,在环境许可下将IVFIS转换成模糊近似空间和区间值模糊近似空间。紧接着在近似空间下考虑了概率和损失函数是实值和区间值的情形,分别建立了IVFIS模糊概率决策粗糙集和IVFIS区间值模糊概率决策粗糙集两种模型,决策过程中通过阈值α和β来控制决策的风险程度,并且后者模型与前者相比更符合决策在不确定度量上的一些特征。最后通过案例对IVFIS做出决策,阐述了所提模型的有效性和价值性。3.在多粒度和程度粗糙集理论下,基于IVFIS构造了叁种程度多粒度粗糙集模型,即IVFIS乐观程度多粒度粗糙集(OGMGRS),悲观程度多粒度粗糙集(PGMGRS),广义程度多粒度粗糙集(GGMGRS)。研究了这叁种模型的一些基本结构和性质,以及叁种模型上下近似算子之间的联系,并通过定义的多个优势关系下的程度多粒度近似算子和各个粗糙区域来对方案进行决策。最后针对IVFIS引进一种新的序关系-λ几何平均排序来实证模型的实用性和可行性。
（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。
概率模糊粗糙集论文参考文献
[1].颜廷娇.区间直觉模糊概率粗糙集模型及其应用[D].广西大学.2018
[2].史德容.区间值模糊信息系统的概率决策粗糙集方法研究[D].重庆理工大学.2018
[3].郑国杰.概率值模糊决策系统中基于粗糙集的属性约简和分类算法的研究[D].浙江大学.2018
[4].巩增泰,柴润丽.基于区间值模糊概率测度的多粒度区间值决策粗糙集模型[J].西北师范大学学报(自然科学版).2015
[5].黎文善（LE,VAN,THIEN）.基于覆盖的概率粗糙集和L-模糊变精度粗糙集研究[D].武汉大学.2015
[6].郭智莲,杨海龙,王珏.双论域上的直觉模糊概率粗糙集模型及其应用[J].系统工程理论与实践.2014
[7].于海,詹婉荣.概率模糊粗糙集模型[J].洛阳师范学院学报.2014
[8].孙秉珍.覆盖概率粗糙集的模糊性[J].计算机工程与应用.2010
[9].宫喜玲,王艳平,张瑜.模糊关系下的概率粗糙集模型及其Bayes决策[J].辽宁工业大学学报(自然科学版).2009
[10].菅利荣,刘思峰.粗糙模糊决策表概率决策分析的扩展粗糙集方法[J].东南大学学报(自然科学版).2006
论文知识图
