本文基于交叉和分组函数,首次给出了 $(O,G)$- 粒度变量精度模糊粗糙集的描述,提出了一种利用模糊蕴含和联合的上下逼近算子表达式,并从构建方法的角度,用不同的模糊关系表示粒度变量精度模糊粗糙集。最后,在一些额外条件下,将粒度变量精度模糊粗糙集的结论扩展到 $(O,G)$- 粒度变量精度模糊粗糙集。
May, 2022
粗糙集理论是一个可以通过提供概念下限和上限的近似来处理不一致数据的著名数学框架。本研究关注于模糊量词型模糊粗集的领域,并发现了广义 FQFRS 模型的粒状表示,强调了这些模型在解决数据不一致性和管理噪音方面的潜力。
Dec, 2023
本文提出了向上粗糙集以及其在不同颗粒方向上的扩展,并探讨了其代数语义、近似算子及在分布式认知、虚拟教学等领域的应用。
Aug, 2022
本文改进了模糊量化模糊粗糙集(VQFRS)模型,引入了基于模糊量词的模糊粗糙集(FQFRS)模型,使用泛化的一元和二元量化模型,并应用多个二元量化模型来分类,特别地,介绍了 Yager 的基于加权蕴涵的二元量化模型在 FQFRS 中的优化作用。
Dec, 2022
在广义粗糙集中,将两个事物结合形成另一个事物并不简单。本研究创造了结合事物的代数模型,用于研究人类推理中的怀疑主义或悲观主义聚合以及可能性聚合,并且选择的运算受到了视角的限制。该模型还适用于研究人类推理中的歧视性 / 有害行为以及学习此类行为的机器学习算法。
Aug, 2023
本研究引入了新的概念和算法来处理在粗糙推理,可解释的人工智能和机器学习中的意义不明确和动态的情境。通过引入基于代数的机器学习算法,本研究证明了这些概念的有效性。
Mar, 2023
本文提出了基于粒球计算的粒球粗糙集模型,该模型可以同时处理 Pawlak 粗糙集和邻域粗糙集所能处理的数据类型,并且可以使用等价类表示知识;此外,本文还提出了粒球粗糙集的实现算法,并在基准数据集上验证了其在学习精度和特征选择方面的优越性。
Jan, 2022
该论文介绍了粒计算中的模糊集可以通过粒状表示集合来逼近,提出了不相交和相邻的粒子的定义,并研究了新定义对粒状逼近的影响,针对二元分类问题,利用新概念分离决策区域但尽可能覆盖属性空间;对于多类分类问题,定义了多类粒状逼近,并演示了如何高效计算 Łukasiewicz 模糊联结的多类粒状逼近。
Feb, 2022
利用原始知识和粗集合理论,基于 Mereology 和 Vapnik-Chervonenkis 维度的概念,为新对象选择决策值。
Jun, 2024
本文提出了一种关于认知随机模糊集的普遍理论,用于处理模糊或清晰证据,并通过广义的乘积交集规则进行独立认知随机模糊集的组合,提出了用于量化标量或矢量量,即高斯随机模糊数和多维高斯随机模糊向量的实用模型,并为组合、投影和平凡扩展推导了高斯随机模糊数和向量的公式。