决策域分布保持的启发式属性约简方法

在决策粗糙集中,由于引入了概率阈值,属性增加或减少时,正域或者非负域有可能变大、变小或者不变,即属性的增减与决策域(正域或非负域)之间不再具有单调性.分析结果表明,现有的基于整个决策域的属性约简定义可能会改变决策域.为使决策域保持不变,引入了正域分布保持约简与非负域分布保持约简的概念.此外,决策域的非单调性使得属性约简算法必须检查一个属性集合的所有子集.为了简化算法设计,提出了正域和非负域分布条件信息量的定义,并证明其满足单调性,从而为设计决策域分布保持约简的启发式计算方法提供了理论基础.为了进一步获得最小约简,提出一种基于遗传算法的决策域分布保持启发式约简算法,并在两种单调的决策域分布条件信息量基础上构造了新算子,即修正算子,确保遗传算法找到的是约简而不是约简的超集.对比实验从分类正确率与误分类代价两个方面都反映了决策域分布保持约简定义的合理性,并且,所提出的遗传算法在大多数情况下都找到了最小约简.

基于改进的完备容差关系的扩充粗糙集模型

经典粗糙集理论不能直接处理不完备信息系统,而容差关系、相似关系限制容差关系和完备容差关系等扩充粗糙集模型在一定程度上解决了这个问题。分析了这些模型存在的局限性,并在完备容差关系的基础上,提出了基于改进的完备容差关系的扩充粗糙集模型,该模型既保留了已有模型的优点,又在一定程度上克服了它们的局限性。实例分析表明该模型对不完备信息系统的处理更符合实际情况。

知识不确定性问题的粒计算模型

知识不仅是构成人类认知能力的重要基石,也是智能科学研究的基础问题之一.随着智能科学技术研究的发展,知识的不确定性研究受到人们的普遍关注.知识的不确定性来源于知识本身的不确定性以及受外界(客观世界)影响而导致的不确定性.从粒计算模型的角度分析了模糊集理论模型、粗糙集理论模型、商空间理论模型以及其他扩展粒计算模型中知识的不确定性问题,并对知识不确定性问题的研究工作进行了讨论和总结,对有待研究的重要问题进行了展望.

可变精度优势关系下的析取集值有序信息系统

集值信息系统是单值信息系统的一种推广,按照语义可划分为合取集值信息系统和析取集值信息系统两类。本文分析了析取集值信息系统中已有的4种优势关系的局限性,提出了一种可变精度优势关系,定义了可变精度优势关系下的析取集值有序信息系统,扩展了经典粗糙集理论。然后,在析取集值有序信息系统中引入了一种对象排序的新方法,该方法利用对象在信息系统中的整体优势度来对对象进行排序。最后,通过风险投资实例说明本文方法可以用于处理析取集值有序信息系统中的决策规则获取问题。

基于关系圈与个体交互习惯的用户关系强度计算方法

目前对用户关系强度的研究多从用户个人信息和交互活动两方面进行,忽略了社交网络中的关系圈及个体交互习惯对交互行为的影响。本文提出了一种基于关系圈与个体交互习惯的用户关系强度计算方法(IRC-IH)。该方法首先采用基于完全子图的关系圈划分算法将用户划分到不同的关系圈,然后以划分好的关系圈为单位,利用标准化谷歌距离计算关系圈与主题领域间的相关度,为每个关系圈分配主题领域。其次,将交互习惯和交互频率融入交互活动强度的计算中。在此基础上,通过融合关系圈重叠率、关系圈相似度、交互活动强度以及公众账号相似度四个维度计算用户关系强度。在强关系社交网络(微信)和弱关系社交网络(微博)中的实验结果表明,本文提出的方法能够有效提高关系强度计算的准确性,且在强关系社交网络中的计算效果会更好。

基于优势关系的区间值粗糙集扩充模型

区间值信息系统是单值信息系统的一种扩充。首先在区间值信息系统中引入了四种优势关系,分析了四种优势关系的重要性质及相互联系,并针对四种优势关系的局限性,提出了一种新的优势关系——α-优势关系,进而定义了基于α-优势关系的扩充粗糙集模型。最后,通过教师评估实例比较分析了区间值信息系统中基于优势关系的扩充粗糙集模型之间的性能。