欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
近似空间中的量化是粗糙集模型进行扩张与应用的重要元素。目前，相对量化是研究热点，绝对量化进展缓慢，两者结合形成的双量化才刚起步。本项目主要在双量化近似空间中，采用数学方法与粒计算方法，进行粗糙集模型相关研究，阐明基于双量化的不确定性、量化语义、优化计算、粗糙集模型等的形成机理与应用功效，为近似空间中的双量化描述与应用提供思路。研究内容主要包括（1）建立量化映射，构建近似空间的数学结构，进行知识、概念、规则的不确定性分析；（2）建立双量化的参数描述原则，研究基本语义粒与基本数据粒；（3）研究双量化粗糙集模型的区域粒体系，构建整体粒层次结构，探讨模型的量化语义提取与优化计算；（4）研究量化粗糙集模型的扩张理论，构建具体双量化模型系统并研究其扩张结构，挖掘良性双量化模型实例。通过这些研究，本项目为近似空间中的粒计算与不确定性的关系分析奠定基础，并推进近似空间中关于量化的知识发现发展。
结论摘要：
英文主题词rough set；double-quantification；granular computing；uncertainty；attribute reduction
成果综合统计
期刊论文
会议论文
专利
获奖
著作
期刊论文
Double-quantitative fusion of accuracy and importance: Systematic measure mining, benign integration
Reduction target structure-based hierarchical attribute reduction for two-category decision-theoreti
An expanded double-quantitative model regarding probabilities and grades and its hierarchical double
Quantitative information architecture, granular computing and rough set models in the double-quantit
Quantitative/qualitative region-change uncertainty/certainty in attribute reduction: Comparative reg
相关项目
张贤勇的项目