基于多元组Rough集的不相容决策

Ｒｏｕｇｈ集理论是一种具有模糊边界的集合理论．它被广泛应用于不相容决策表中的规则提取．本文讨论了基于多元组Ｒｏｕｇｈ集的不相容决策方法，并给出了相应的算法，同时也对不相容规则的相容度作了分析．该方法比普通Ｒｏｕｇｈ集方法更简单、更有效．

不相容决策表的属性约简算法

对Skowron可辨识矩阵方法进行分析,并应用反例说明基于Skowron可辨识矩阵的属性约简算法对不相容决策表的属性约简,可能会导致错误的结果。针对这一问题,提出了一种基于改进可辨识矩阵的属性频率约简算法。该算法以改进的可辨识矩阵为基础,以属性频率作为启发信息,同时在算法中加入消除冗余属性二次约简过程。提供了实例分析,验证了该算法能够有效地对相容与不相容的决策表进行属性约简。

不相容决策系统中获取规则的粗糙集方法

获取规则是数据挖掘的一项重要技术 ,近年来粗糙集方法在这个领域获得快速发展。面对大型数据库中存在不相容数据的客观现实 ,根据粗糙集理论 ,提出不确定等价类的概念 ,在此基础上提出挖掘可能性规则的方法 ,该方法有效地利用了数据库中的统计信息 。

不相容决策表全部属性约简计算的一个改进方法

指出在决策表是不相容的情况下,常用的计算全部属性约简(代数意义下)的基于Skowron差别矩阵的分辨函数方法会产生错误的结果.为了解决这个问题,本文引入一个改进的Skowron差别矩阵,给出一个基于新的差别矩阵的分辨函数方法,并从理论上证明了方法的正确性.

不相容决策系统中的规则提取方法研究

现有规则提取方法大多数只能在相容决策系统中提取规则,并且提取出的规则冗余度高、用户不易理解。针对该问题,提出一种基于对象集覆盖的规则提取方法,利用粗糙集理论将对象集划分为相应的等价类,根据属性特征值的一致性程度和相似程度产生有效性规则,通过等价类划分和对象集覆盖解决不相容决策系统的规则提取问题。算例分析结果表明,该方法提取出的规则简单可靠,具有较好的鲁棒性。

基于粗糙集的不相容决策表属性约简算法

对Skowron可辨识矩阵方法进行分析,应用反例说明基于Skowron可辨识矩阵方法对不相容决策表属性约简中存在一定的局限性.针对这一问题,提出了一种基于互信息的求属性核方法,并在此基础上利用互信息作为启发信息,在算法中加入了消除冗余属性的二次约简过程,构造一种完备的启发式属性约简算法.实例分析表明该算法能够有效地对不相容决策表进行属性约简,且具有较好的约简效果.

不相容决策表分解的若干性质

本文指出文献[2]中一个提取不相容决策表决策规则的分解处理方法存在的错误,并且分析错误产生的原因.在此基础上,本文进一步对这种分解方法进行考察,给出了原始不相容决策表和分解后的子决策表之间有关核属性和属性约简等方面的若干关系和性质.

不相容决策表中知识约减算法的比较分析(英文)

对不相容决策表分别使用3种知识约简方法(代数方法、信息熵方法和差别矩阵方法)得到的结果可能不同。在此概括这些知识约简并介绍其在分析不相容决策表中的作用。因此对于知识约简方法的选择,可以由不同决策粒度的需求决定,从而可以在相似和不确定推理的模型下生成合适的决策规则。结论对今后数据预处理的模型和算法的研究有一定作用。

基于Rough集的增长的不相容决策表学习算法研究

Rough set理论所作的知识约简 ,主要是属性约简。但是 ,对一个增长的决策表 ,因为新加入的决策规则可能会与原有决策规则不相容 ,这样新加入一条决策规则后的知识约简可以看成是对一个增长的不相容决策表的增量式学习。

不相容决策表求核方法

通过分析不相容决策表,提出相容核与不相容核的概念。分析了3个不相容决策表中的相容核与不相容核,比较了几种现有的不相容决策表的求核方法,这些方法有的不能完全求出相容核与不相容核,有的不能把得到的相容核与不相容核区分开。针对这一问题,对HU差别矩阵进行改进,得到两个新的差别矩阵,这两个矩阵能分别计算出相容核与不相容核。

不相容决策表的属性约简与规则提取算法

决策表属性约简与规则提取是粗糙集理论中的重要问题。本文引入一种改进的决策表广义信息表的方法来求解属性核与相对约简,并在此基础上提出一种不相容决策表的规则提取算法。

不相容决策表属性约简计算的一个可辨识矩阵方法

基于Skowron可辨识矩阵求属性约简的分辨函数方法只适合于相容的决策表,对于不相容的决策表,该方法可能产生错误的结果.对Skowron方法进行改进,提出一个计算不相容决策表属性约简的可辨识矩阵方法,并给出方法正确性的证明.

一种基于重构相容决策表的属性约简算法

基于正区域的属性约简是目前最常用的一类约简算法。现实中的决策表有可能存在不一致的对象。另外,在约简过程中随着属性个数的减少,也有可能产生新的不一致对象。对于基于正区域的约简算法来说,不一致的对象并没有提供任何有用的信息,删除不一致的对象不会改变正区域的计算结果以及最终的约简结果,而且可以显著提高算法的效率。然而现有的基于正区域的约简算法并没有考虑到这个问题,它们采用论域中的所有对象来计算正区域并得出约简结果。针对这一问题,定义了重构相容决策表和重构相容决策子表的概念。引入这两个概念的目的是在约简过程中删除初始决策表中的不一致对象,从而获得一个相容决策表。借助于这两个概念,提出了一种新的基于正区域的属性约简算法。在真实数据集上的实验表明,与传统的算法相比,该算法能够获得较小的约简结果和较高的分类精度,并且具有相对较低的时间复杂度。

一种高效的核属性求解算法

求核算法主要存在以下不足:对不相容决策表无法获得与正区域一致的核,求核算法的效率不够理想。针对上述问题,首先给出决策表的新定义和求核性质,并证明由该性质获得的核与正区域的核是一致的。然后,设计快速求核算法,其时间复杂度和空间复杂度分别降低为O(|C|2|U|)和O(|U|)。最后,实验验证该算法的有效性和高效性。

可分辨矩阵及其求核方法

为解决因决策表中存在不相容性导致的求核错误问题,提出一种将不相容决策表转化为相容决策表的定义形式。根据该定义创建可分辨矩阵,并给出求核方法,同时证明该方法获得的核与正区域的核是一致的。设计求核算法,该算法既适用于相容决策表,也适用于不相容的决策表。实例表明该算法是有效的。

上近似在粗糙集约简中的应用

对粗糙集理论中不相容决策表的约简问题进行了研究。引入关联规则中支持度和置信度的概念,并重新定义了这两个概念。利用粗糙集中上近似概念的特点,提出一种将上近似用于不相容决策表的约简算法。通过一个实例介绍了该算法的基本步骤。算法对各规则能计算出各自的支持度和置信度,能实现对不相容决策表的约简。

基于修正的差别矩阵的高效求核方法

在决策表信息系统的属性约简中,利用差别矩阵求核是一种重要的方法。对于不相容决策表而言,差别矩阵求核有时会产生错误,目前,已提出了一些改进方法克服这个错误,但这些方法都具有较高的计算复杂度。对此,研究了差别矩阵中核属性的性质,指出并证明了差别矩阵求核的理论依据,在此基础上,给出了一种差别矩阵的修正方法及求核方法。该方法不仅适用于任何决策表信息系统(相容决策表和不相容决策表),而且有效降低了计算代价。

分体策略在差别矩阵优化中的应用

在研究现有差别矩阵的基础上,提出了基于分体策略的差别矩阵算法,修正了Skowron差别矩阵方法的不足.与其它改进的差别矩阵算法相比,该算法更简洁、易懂,且在一定程度上降低了算法的复杂度,提高了算法的效率,在实际问题求解中有一定的应用价值.

基于粗糙集的属性约简算法综述

属性约简是粗糙集中的一个重要研究方向.本文从8个方面对基于粗糙集的属性约简算法进行归纳,即:不完备决策信息表,不相容决策信息表,连续型属性决策信息表,动态决策信息表,有序型属性决策信息表,基于粗糙扩展模型的属性约简,基于属性重要度的属性约简,结合智能优化算法的属性约简,这对进一步深入研究粗糙集的属性约简算法具有积极意义.

An Analysis on the Inconsistency of the Security Supervision Policy in the Method of Game Theory

This article expounds and proves the basic model of the inconsistency of the security supervision policy and makes an analysis in the method of game theory on the inconsistency of the security transaction-tax-rate policy, concludes that the security supervision department is inclined to increase or decrease the security transaction tax rate, thus points out ways for supervision department to surmount this difficulty.