C4.5算法在保险客户流失分析中的应用

保持客户和吸引客户是保险公司提高竞争力的关键,目前保险公司对客户流失的分析是粗略的或根据经验来判断。论文利用面向属性归纳和决策树C4.5算法对保险客户基本信息进行分析,找出客户流失的特征,帮助保险公司有针对性地改善客户关系。

基于决策树的保险客户流失分析

保持客户和吸引客户是保险公司提高竞争力的关键,目前保险公司对客户流失的分析是粗略的或根据经验来判断。利用面向属性归纳和决策树C4.5算法对保险客户基本信息进行分析,找出客户流失的特征,能帮助保险公司有针对性地改善客户关系。

优势关系下分布约简和最大分布约简问题研究

研究了优势关系下不协调决策表的分布约简和最大分布约简问题,指出文献[9]关于分布约简和最大分布约简的几个结论是错误的。首先用反例指出文献[9]给出的分布约简和最大分布约简的判定定理是错误的,分析了错误的原因。其次,利用这些定理所得到的辨识矩阵,用来求分布约简和最大分布约简也是错误的。为此,引入了优势关系下不协调决策表的绝对约简的概念,证明了绝对约简与分布约简和最大分布约简是等价的。另外,讨论了另一种新的最大分布约简,并证明新的最大分布约简与下近似约简是等价的。

决策表属性约简及其条件信息量表示

讨论了决策表属性约简和条件信息量之间的关系,证明了对于一致决策表,其属性约简在代数表示下和信息论中条件信息量表示下是等价的。并举例说明,对于不一致决策表,其属性约简的代数表示不能用条件信息量来等价表示。论文还给出了一种基于条件信息量的属性约简启发式算法。

优势关系下序信息系统的信息量与粗糙熵

在基于优势关系的序信息系统中引入了知识的信息量和知识粒度的概念,得到了它们的若干性质和定理。证明了在知识约简过程中,信息量的变化趋势是递减的。考虑到导致粗集粗糙性的原因,将粗糙度和信息量结合起来,提出了一种新的粗集粗糙熵来刻画粗糙集的粗糙性,得到了粗糙集的粗糙熵随着序信息系统约简的变细而单调减少的结论,该结论为序信息系统的知识发现奠定了一定的理论基础。

序信息系统属性约简的一种启发式算法

在序信息系统中引入了知识的信息量和知识粒度的概念,得到了它们的若干性质和定理。证明了在知识约简过程中,信息量的变化趋势是递减的;利用信息量的概念,定义了属性的重要性,并以属性重要性作为启发信息,提出了一种基于信息量的属性约简启发式算法,该算法的时间复杂度为O(|A|3|U|2);最后通过例子说明,该算法能得到序信息系统的一个约简。

基于相对熵的一种属性约简算法

知识约简是粗糙集理论研究的主要内容之一。在信息系统中引入了知识的相对熵的概念,证明了在知识相对约简过程中相对熵的变化趋势是递减的;利用相对熵的概念,定义了属性的相对重要性,提出了一种基于相对熵的新的属性约简启发式算法,该算法的时间复杂度为O(｜C｜3｜U｜2),通过例子分析,表明该算法是有效的。

简化的二进制差别矩阵属性约简算法的改进

目前,基于二进制差别矩阵的属性约简算法有以下不足:所得到的属性约简与基于正区域的属性约简不一致。文献[7]中给出一种基于简化的二进制差别矩阵的快速属性约简算法,但该算法不完备。分析了算法不完备的原因,在此基础上,提出了一种改进的完备算法,该算法的时间复杂度为max(O(∣C||U∣),O(∣C∣2∣U pos||U/C))。

一个新的差别矩阵及其在决策表中的应用

在利用差别矩阵求解决策表的相对核方法中,针对HU方法的错误,人们提出了各种各样新的差别矩阵及求相对核的方法,但计算代价高。把决策属性与条件属性放在一起构造出一个新的差别矩阵,得到了差别矩阵的若干性质和定理。在此基础上提出了求决策表的正区域、相对核、相对约简和最小约简的新算法,分析了该算法的时间复杂性。理论分析和实例表明,与现有的属性约简算法相比,该算法的时间复杂性较低。

基于差别矩阵的概念格多层次属性约简

给出形式背景新的差别矩阵,利用差别矩阵定义概念与子概念格的特征函数,得到形式背景属性协调集及概念格中存在相似概念的判定定理。采用差别矩阵和特征函数,设计计算概念与子概念格(包括概念格)属性约简的方法,通过实例表明该约简方法的可行性与有效性。

多维动态数组的实现及在矩阵运算中的应用

C语言是一种十分灵活的程序设计语言.最初是为系统编程工作而设计的,没有FOR-TRAN语言中可调数组的功能.对于矩阵运算.一般将它定义为二维数组.但是在很多情况下.无法确定数组的确切大小.常常要使用数组可变的动态数组来进行数据的存储、交换和计算,因此.在C语言中,能寻找到一种建立动态数组的方法.实为必要.

决策表化简及其属性约简方法

给出一种求不一致决策表的核和所有属性约简的新方法,首先利用U/C对决策表进行化简,然后在简化的决策表上定义新的差别矩阵,最后利用差别函数求出所有属性约简。该方法可有效降低生成差别矩阵时所需的存储空间和时间,理论分析和例子表明,该属性约简方法在效率上比现有的基于差别矩阵和差别函数的方法有显著提高。

用MATLAB软件辅助《概率统计》课程的教学

阐述了用MATLAB软件辅助《概率统计》教学,可使计算简单,画图快速准确,增加了学生的学习兴趣,提高了学生的应用能力,并给出了用MATLAB软件辅助《概率统计》教学的一些案例与体会。

改进的优势区分矩阵及其求核方法

研究了优势关系下不协调决策表的优势区分矩阵及其求核方法。用反例指出利用文献[6]中的优势区分矩阵来求核的方法是错误的,给出一个改进的优势区分矩阵的定义和求核方法,其空间和时间复杂度都优于现有的算法。

BP神经网络在MATLAB上的实现与应用

BP神经网络在非线性建模,函数逼近和模式识别中有广泛地应用,该文介绍了BP神经网络的基本原理,利用MATLAB神经网络工具箱可以很方便地进行BP神经网络的建立、训练和仿真,给出了建立BP神经网络的注意事项和例子.

基于概率的有效时间不确定的时态数据库挖掘

关于时态数据库中有效时间不确定性的时态关系,Snodgrass采用概率的方法给出了不确定时刻的Before时态关系。该文定义了一种新的不确定时刻、不确定时间区间的同时关系,并给出了它们的交,运用同时关系对病历数据库进行挖掘。

解线性方程组的MATLAB法

给出用MATLAB解线性方程组的各种方法,用MATLAB直接操作,不用编程,便可立即求出线性方程组的解.方法直观、简便、速度快,具有较强的实用性,另外提供了Jacobi迭代法程序.

原关联规则及其应用

在大型数据库项目之间发现关联规则是一个重要的数据挖掘问题,而挖掘出的关联规则数目常常是巨大的。文中介绍了简单关联规则和原关联规则的概念,而传统算法挖掘出的关联规则集中的任何规则,均可以由原关联规则导出,并且原关联规则的数目远远小于传统算法挖掘出的关联规则数目。对简单关联规则和原关联规则进行了分析比较,给出了挖掘原关联规则算法,并举例说明算法的执行过程。

基于正区域约简的决策表差别矩阵方法研究

利用差别矩阵比较容易求出决策表的所有属性约简.分析了几种决策表差别矩阵的生成特点,提出一种改进的差别矩阵,差别矩阵的生成不需要计算划分U/C或正区域,可直接由决策表产生,得到了差别矩阵的几个定理.利用这些结果,给出求决策表的正区域、核、最小约简和所有属性约简的方法.理论分析和实例说明,新算法与文献[4-6]中属性约简方法所得到的约简结果相同,但效率更高.

集值决策信息系统属性约简与规则提取的矩阵算法

在集值决策信息系统中引入了优势矩阵和决策矩阵的概念,进一步建立了集值决策信息系统广义决策约简与规则提取的矩阵算法.算法利用矩阵间的比较提取所有决策规则,并同时得到所有广义决策约简.通过实例分析验证了该算法的有效性,说明了其优点是对数据复杂的决策信息系统也可相对容易地求出所有的广义决策约简与决策规则.