用逐步代价最小决策法识别地震与爆破

在动态时间规整法的基础上,建立了逐步代价最小决策法(SAMC).该方法中的代价函数可以很好地反映特征归属,对较差的特征具有一定的"容忍度"、稳定性好,还可用全程代价函数评判识别结果的可信度.用SAMC方法对北京及其周边地区33次地震和29次爆破中提取的5个分类特征量进行识别,识别率为90%;从该5个特征量中选择较好的3个特征量进行识别,识别率为92%;在上述地区另选13次事件作为检验样本进行U检验,5个分类特征量和3个分类特征量的识别率分别为92%和100%,识别效果很好.这表明SAMC是识别地震与爆破的有效方法.

邻域互信息熵的混合型数据决策代价属性约简

决策粗糙集模型是当前粗糙集理论的研究热点.然而目前决策粗糙集中的属性约简大多基于决策代价视角而构建,为了同时兼顾约简结果的决策代价和分类精度,本文通过融合属性子集的分类性能,在混合型信息系统下提出一种邻域互信息熵的决策代价属性约简算法.文中首先在混合型信息系统下提出邻域信息熵、邻域联合熵和邻域条件熵,并进一步地推导出了邻域互信息熵和邻域条件互信息熵;然后将邻域互信息熵理论融入邻域决策粗糙集的决策代价属性约简中,提出一种邻域互信息熵的混合型数据决策代价属性约简算法,该属性约简选择出的属性子集可同时兼顾决策代价和分类性能,并降低了属性约简结果的冗余程度;最后通过仿真实验证明了所提出算法的有效性和优越性.

不完备邻域决策粗糙集的最小化代价属性约简算法

目前的决策粗糙集研究主要集中在完备离散型信息系统,很少有对不完备连续型数据进行研究,考虑这一问题,提出一种不完备邻域决策粗糙集模型。首先在不完备连续型数据中引入了不完备邻域关系,然后利用该二元关系对传统的决策粗糙集进行重构,一种称之为不完备邻域决策粗糙集的模型被提出,同时基于决策代价原则,进一步地提出了最小化决策代价的属性约简算法。最后通过实验表明了所提出的算法具有更高的属性约简性能。

公共决策的代价分析

对决策的代价进行分析是公共决策的一个重要环节。要全面分析公共决策的代价,就不仅要分析决策时所发生的有关消耗,而且要分析为了优先实现决策的目标我们需要牺牲和放弃哪些有益的价值目标,同时还要分析决策目标本身有可能带来的消极后果和不良影响。公共决策的代价虽然是难以完全避免的但却是可以调控的,人们可以通过提高决策者个体的素质和水平、改革和完善决策机制、坚持正确的决策原则和方法等来控制和减少决策的代价。

劣质数据上代价敏感决策树的建立

代价敏感决策树是以最小化误分类代价和测试代价为目标的一种决策树.目前,随着数据量急剧增长,劣质数据的出现也愈发频繁.在建立代价敏感决策树时,训练数据集中的劣质数据会对分裂属性的选择和决策树结点的划分造成一定的影响.因此在进行分类任务前,需要提前对数据进行劣质数据清洗.然而在实际应用中,由于数据清洗工作所需要的时间和金钱代价往往很高,许多用户给出了自己可接受的数据清洗代价最大值,并要求将数据清洗的代价控制在这一阈值内.因此除了误分类代价和测试代价以外,劣质数据的清洗代价也是代价敏感决策树建立过程中的一个重要因素.然而,现有代价敏感决策树建立的相关研究没有考虑数据质量问题.为了弥补这一空缺,着眼于研究劣质数据上代价敏感决策树的建立问题.针对该问题,提出了3种融合数据清洗算法的代价敏感决策树建立方法,并通过实验证明了所提出方法的有效性.

一种新的决策粗糙集最小化决策代价属性约简算法

实际应用中存在着大量的数值型数据,然而传统的决策粗糙集只能够处理符号型数据,为了改善这一局限性,本文构造出一种模糊邻域决策粗糙集模型,并提出一种最小化决策代价的属性约简算法.文中首先将将模糊粗糙集和邻域粗糙集融入决策粗糙集中,提出了模糊邻域决策粗糙集,使得该模型同时具有模糊粗糙集和邻域粗糙集处理数值型数据的优点;然后基于该模型,给出一种决策代价定义,并提出相应的最小化决策代价属性约简算法;最后通过实验分析表明所提出的算法具有较好的代价敏感属性约简性能.

相似度三支决策模糊粗糙集模型的决策代价研究

在三支决策模糊粗糙集模型中,一些学者基于相似度三支决策模糊粗糙集模型建立了目标函数来得到最优阈值对(α,β,)的计算方法,但在该过程的研究中,学者并没有在相似度三支决策模糊粗糙集模型中讨论关于决策代价的描述问题。基于模糊信息系统用新的函数来描述决策代价成为计算阈值对(α,β,)的一种方法,首先,在模糊信息系统中,通过建立一个描述决策代价的函数,将模糊信息系统中的模糊数与三支决策的决策代价联系在一起;然后对隶属频率进行拟合,得到了三支决策中决策代价的数值描述;最后,通过两个实例说明了该方法的可行性和适用性。

多重代价多粒度决策粗糙集模型研究

决策粗糙集和多粒度粗糙集是两种重要的数据处理机制。在对多重代价决策粗糙集模型和多粒度粗糙集模型的研究基础上,通过综合考虑多重代价矩阵和多粒度思想,将权重均值代价策略引入决策粗糙集模型中,提出了一种基于权重多重代价的多粒度决策粗糙集模型。在不完备信息系统中,分析了悲观代价决策粗糙集、乐观代价决策粗糙集和权重多重代价多粒度决策粗糙集模型,并给出了以上各种模型的决策代价总代价计算公式。以权重多重代价悲观多粒度决策粗糙集模型为例,讨论了该模型下随着粒度的变化其正域的变化情况,并给出了一种基于代价最小化的粒度约简方法。该模型更好地结合了决策粗糙集模型和多粒度粗糙集模型,可从多角度分析解决决策粗糙集模型中的相关问题。

基于改进模糊决策粗糙集的最小化决策代价特征选择算法

模糊决策粗糙集是决策粗糙集理论在模糊集环境下的重要延伸,然而该模型对含噪声的数据不具有很好的容忍性。为此在传统的模糊相似关系中引入一个限定阈值,提出一种改进的模糊相似关系。在其基础上对原始的模糊决策粗糙集进行重构,提出一种改进的模糊决策粗糙集模型。根据不同的特征选择方式,利用所提出的改进模型设计出两种搜索策略的最小化决策代价特征选择算法。实验分析表明,该算法比传统算法具有更高的优越性。

模糊决策粗糙集的特定类最小化决策代价属性约简算法

决策粗糙集模型是粗糙集理论的重要扩展。由于对于实际环境下的信息系统未考虑特定的类,并且数据类型可能是数值型或模糊型,基于此,文章提出一种模糊决策粗糙集的特定类最小化决策代价属性约简算法。文章首先将传统决策粗糙集进行推广,提出了模糊决策粗糙集模型;然后基于特定类的视角,提出了模糊决策粗糙集特定类别的三支决策规则;最后基于最小化决策代价思想,提出了一种特定决策类的最小化代价属性约简算法。实验结果表明,属性约简结果在降低决策代价的同时可以进一步提升信息系统的分类能力。

贝叶斯决策理论在核事故中、晚期应急决策优化中的应用

将贝叶斯决策理论应用于核事故中、晚期应急决策优化,为核事故中、晚期应急决策优化提供了一个可以改善决策结果的应急决策优化方法.

不完备混合决策粗糙集特定类多目标属性约简

为提高属性约简的实用性能,针对不完备混合型信息系统提出一种不完备混合决策粗糙集模型,构造一种基于特定类的多目标代价敏感属性约简算法。该方法建立在不完备混合决策粗糙集基础上,将决策代价和测试代价同时作为属性约简的优化目标,基于特定类的代价敏感而设计。实验结果表明,所提算法具有更高的代价敏感属性约简性能,由于属性约简结果同时兼顾了决策代价和测试代价,该算法具有更高的实用性能。

基于集成学习的决策粗糙集特定类属性约简算法

属性约简是粗糙集理论的重要研究内容。目前决策粗糙集的属性约简大多基于全局的决策类,并且都是采用单一的约简准则。针对这一问题,在决策粗糙集下提出一种特定类别属性约简算法。针对特定的决策类,给出一种属性约简的定义,在保证决策区域极大化的同时尽可能地降低决策区域划分时的代价;利用集成学习的方法设计出相应的启发式属性约简算法。通过在UCI数据集上与已有的算法进行实验比较,验证了该算法具有更高的属性约简性能。

基于粗糙集多状态下的三支决策

三支决策理论是处理不确定决策问题的重要理论基础,近年来已成为国内外学者的研究热点.将三支决策与粗糙集相结合,在研究对象属于和不属于集合的种状态下,对3种决策的代价进行研究,从而使得决策更加合理,进一步将对象所处的2种状态推广到多种状态情况下,并引入参与决策者的权重,结合对象所处状态概率,建立基于粗糙集多状态下的三支决策模型.最后利用目前高校常用的学评教满意度模糊评价来验证该模型.

序贯三支决策理论研究现状与展望

经典的三支决策是解决不确定性问题的有效方法之一,它是一种静态的决策过程。而对于复杂的时序问题,我们需要用动态的三支决策即序贯三支决策来提高处理对象的效率。文章首先探讨了为什么提出序贯三支决策模型及该模型的特点,同时介绍了序贯三支决策模型的基本原理,然后讨论了关于序贯三支决策的研究现状及在各领域中的应用,最后总结了序贯三支决策模型目前存在的局限性并提出了未来的研究方向。

图像处理系统中的新型动态重构技术

阐述了一种新型动态结构可重构技术及其在分布式图像处理系统中的应用。以并行处理中的流水线技术和空间并行技术为基础,结合二者的优点提出一种可动态重构的结构模型,通过决策代价函数进行最优判决,将分解后算法任务最佳地映射到体系结构中去,在时间维和空间维上提高整个系统的实时并行处理性能。在实际环境中验证了该动态技术的正确性和优越性。

多维进程行为评估模型建立及最优化方法

针对目前进程行为评估模型所存在的模型优化问题和模型选取问题,定义进程行为,采用隐马尔可夫模型(HMM)来描述进程行为。讨论了准确率与误报率的关系,提出多维进程行为评估模型,以弥补单一进程行为评估模型的不足,基于布尔运算对多维进程行为评估模型进行融合,提高了评估性能。并基于代价决策树理论,给出了选取最优进程行为评估模型的目标函数,用于在融合后的多维进程行为评估模型上选择最优进程行为评估模型。最后,对所提出的多维进程行为评估模型的性能进行了测试,并与传统的STIDE和HMM方法进行了比较,结果证明了其有效性和优越性。

基于敏感图像识别预防水利灾害关键技术研究

敏感图像信息多以压缩格式存在、表现形式多样、缺乏统一定义等诸多因素影响着敏感信息识别速度和准确率的提高。针对这个问题,从压缩域图像处理及基于数据挖掘探寻识别规则两个角度出发,采用数据挖掘的方法,在大量的样本数据中探寻隐含的判决规则,并用于进行敏感图像的识别。

基于偏联系数的三支决策模型及应用

针对现行三支决策过程对信息动态演化考虑不足的问题,利用偏联系数方法构建了一种新的广义三支决策模型.探索信息演化对决策代价的影响机制,基于一阶偏联系数方法获取“同”、“异”和“反”3种策略的综合代价,进而根据代价最小原则进行决策;融入二阶偏联系数进行二阶信息演化分析,进一步判定系统的微观发展态势.将模型应用于淮河流域信阳段上7个采样点表层沉积物中有机氯农药污染治理的时机选择问题,结果表明:5个采样点的一阶决策结果为“同”,亟待治理;其余两个采样点决策结果为“异”,需进一步监测,与以往研究结果一致.融入二阶演化,其中1个采样点由“异”转为“同”,即需要重点关注.该模型基于决策信息本身构造代价函数,同时兼顾信息演化对决策代价的影响,在一定程度上弥补了以往三支决策模型在前瞻性和客观性方面存在的不足.