第1章 粒计算的基本理论 1
1.1引言 1
1.2模糊集理论 3
1.3粗糙集理论 8
1.4商空间理论 20
1.5云模型理论 23
1.6其他粒计算理论 26
1.7小结 28
参考文献 28
第2章 粒计算的不确定性分析 36
2.1引言 36
2.2粒计算的不确定性 39
2.2.1概念的不确定性 40
2.2.2知识的不确定性 42
2.2.3推理的不确定性 46
2.2.4小结 52
2.3粒计算的不确定性度量 52
2.3.1模糊集的不确定性度量 52
2.3.2 Vague集的不确定性度量 55
2.3.3粗糙集的不确定性度量 59
2.3.4覆盖粗糙集的不确定性度量 63
2.3.5商空间的不确定性度量 65
2.3.6模糊粗糙集的不确定性度量 68
2.3.7粗糙模糊集的不确定性度量 69
2.3.8云模型的不确定性度量 73
2.3.9小结 73
2.4基于信息熵的不确定性度量 74
2.4.1引言 74
2.4.2信息熵 74
2.4.3联合信息熵 78
2.4.4条件信息熵 81
2.4.5互信息 97
2.4.6小结 100
2.5知识粒度的不确定性度量 101
2.5.1引言 101
2.5.2信息粒度 102
2.5.3决策包含度 106
2.5.4概念粒度 110
2.5.5小结 114
2.6基于粒空间的不确定性度量 115
2.6.1引言 115
2.6.2相关概念 115
2.6.3粗糙粒空间 116
2.6.4信息粒重要性度量 119
2.6.5小结 125
参考文献 125
第3章 粒计算的扩展模型 135
3.1引言 135
3.2基于邻域关系的不完备混合数据的粗糙集扩展模型 136
3.2.1引言 136
3.2.2相对邻域关系 136
3.2.3三类相容关系 140
3.2.4广义邻域关系 142
3.2.5基于广义邻域关系的粗糙集扩展模型 144
3.2.6小结 145
3.3覆盖粗糙集模型 145
3.3.1引言 145
3.3.2相关概念 145
3.3.3基于相斥关系的覆盖粗糙集模型 146
3.3.4小结 148
3.4 α-先验概率优势关系下的粗糙集模型 148
3.4.1引言 148
3.4.2基础知识 149
3.4.3 α-先验概率优势关系 150
3.4.4基于α-先验概率优势关系的粗糙集模型 151
3.4.5 α-先验概率优势关系的对象排序方法 153
3.4.6基于α-先验概率优势关系的约简模型 155
3.4.7小结 157
3.5基于不完备信息系统的三角模糊数决策粗糙集模型 158
3.5.1引言 158
3.5.2基本概念 159
3.5.3基于不完备信息系统的三角模糊数决策粗糙集 160
3.5.4整数值排序法 162
3.5.5三角模糊数决策粗糙集模型实现 162
3.5.6案例分析 165
3.5.7小结 171
3.6基于信息量的悲观多粒度粗糙集模型 171
3.6.1引言 171
3.6.2基础知识 172
3.6.3基于信息量的悲观多粒度粗糙集 174
3.6.4悲观多粒度粗糙集粒度约简模型 176
3.6.5实例分析 176
3.6.6小结 177
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 177
3.7.1引言 177
3.7.2基本概念 178
3.7.3下近似分布粒度熵及其变精度悲观多粒度粗糙集 179
3.7.4变精度悲观多粒度粗糙集粒度约简模型 182
3.7.5实例分析 182
3.7.6小结 184
3.8灰度相容粒度空间模型 184
3.8.1引言 184
3.8.2灰度相容关系 185
3.8.3基于灰度的云模型网格点提取 186
3.8.4灰度相容粒度空间模型与算法 187
3.8.5小结 188
参考文献 188
第4章 基于粒计算的知识获取方法 195
4.1基于粒度划分的决策表属性约简方法 195
4.1.1引言 195
4.1.2主要概念 196
4.1.3粒度划分模型 197
4.1.4基于粒度划分的决策表属性约简算法 201
4.1.5实验结果与分析 203
4.1.6小结 205
4.2序信息系统的贴近度及其属性约简方法 205
4.2.1引言 205
4.2.2基于优势关系的序信息系统 205
4.2.3序信息系统的贴近度及其属性重要性 206
4.2.4基于贴近度的序信息系统属性约简算法 208
4.2.5实例分析 209
4.2.6小结 209
4.3基于贴近度的协调序决策系统属性约简方法 210
4.3.1引言 210
4.3.2基于优势关系的协调序决策系统 210
4.3.3基于贴近度的协调序决策系统约简模型 211
4.3.4基于贴近度的协调序决策系统属性约简算法 212
4.3.5实例分析 213
4.3.6小结 213
4.4基于概念背景的概念格属性约简方法 214
4.4.1引言 214
4.4.2形式背景与概念格 214
4.4.3基于概念背景的概念格属性约简模型 215
4.4.4概念格启发式属性约简算法 217
4.4.5实例分析 217
4.4.6小结 218
4.5广义邻域关系下的不完备混合型属性约简方法 219
4.5.1引言 219
4.5.2经典属性约简算法 219
4.5.3基于广义邻域关系的条件熵及其属性重要性 220
4.5.4基于条件熵的不完备混合型属性约简算法 224
4.5.5实验结果与分析 225
4.5.6小结 227
4.6不完备决策系统中基于粗糙熵的属性约简方法 227
4.6.1引言 227
4.6.2相关概念 229
4.6.3粗糙熵与互信息 231
4.6.4条件粗糙熵 234
4.6.5基于条件粗糙熵的属性约简模型 239
4.6.6实验结果与分析 244
4.6.7小结 248
4.7决策概念格及其决策规则提取方法 249
4.7.1引言 249
4.7.2基本理论 249
4.7.3决策概念格 250
4.7.4决策规则提取算法 252
4.7.5实例分析 252
4.76小结 253
4.8基于知识决策度的决策树规则提取方法 253
4.8.1引言 253
4.8.2基本概念 255
4.8.3现有约简方法的局限性 256
4.8.4知识决策度 257
4.8.5决策树及规则提取模型 261
4.8.6实验结果与分析 265
4.8.7小结 267
参考文献 267