基于相对知识粒度的区间集决策信息表不确定性度量

区间集决策信息表拓展了经典决策信息表,其粒化结构的不确定性刻画成为重要应用基础。基于区间邻域粒化引入相对知识粒度,进而提出区间集决策信息表的一种新型不确定性度量。利用两对象之间的距离及半径来建立区间邻域粒化系统,证明距离粒化与相似度刻画的条件等价性,获得区间近似粗糙度;把经典相对知识粒度推广为区间相对知识粒度,将其与区间近似粗糙度进行信息融合,提出一种新型不确定性度量并得到了粒化单调性等性质。最后进行了实例验证,结果表明所提度量能够有效表征粒化结构变化所引起的不确定性变化。

连续量决策信息表的离散化问题研究

在粗糙集理论中,知识是以表格的形式表达的。当用粗糙集算法从连续量决策信息表中提取规则时,首先要对其进行离散化处理。针对连续量决策信息表离散化过程中存在的问题,本文中提出了2个定理并进行了证明。定理表明:在考虑决策信息表中属性值之间不可分关系的条件下,若决策信息表的值发生变化,则离散化结果必然发生变化。所以由单一样本构成的连续量决策信息表所得到的离散化结果不能用于实际的连续量系统中。

基于依赖度的区间集决策信息表属性约简

区间集决策信息表拓展了经典决策信息表,但其属性约简研究较少。针对区间集决策信息表存在的问题,采用模型正域及相关依赖度提出属性约简及其启发式约简算法。在区间集粗糙集模型中,定义关于决策分类的正域与依赖度,证明粒化单调性等性质。提出基于依赖度的属性约简,设计启发式约简算法。实例分析与数据实验表明,设计的基于依赖度的启发式约简算法是有效的,所得结果有利于依赖学习与特征优化。

完备决策信息表中一种新的相容性度量

如何衡量决策信息表中的相容性是粗糙集领域的一个重要研究课题,这对于科学、合理的决策具有重要意义。本文指出了已有几种决策信息表相容度量方法的不足之处,在此基础之上,提出了一种新的相容性度量方法。详细研究了该度量方法的性质,并通过实例说明该方法较其它方法的合理之处。

决策多尺度序信息表中的知识获取

随着人工智能研究的不断深入,粒计算在数据挖掘及知识获取上的研究呈现出巨大优势。首先,定义了决策多尺度序信息表的概念。其次,给出了决策多尺度序信息表中的相对信任协调、相对似然协调、相对上近似协调与相对下近似协调的定义。最后,证明了决策多尺度序信息表中相对信任最优尺度组合选择与相对下近似最优尺度组合选择是等价的,相对似然最优尺度组合选择与相对上近似最优尺度组合选择是等价的;而相对信任协调与相对似然协调不存在静态关系,即它们是不同的概念。

粗糙控制中面临的问题

在介绍基于粗糙集理论的控制思想和方法的基础上,结合从采样数据中提取控制规则的过程指出了粗糙控制中所面临的一些问题,其主要包括决策信息表的建立、连续量的离散化方法、规则的不一致性、决策表的完备化和决策规则的去离散化等。并通过一个实际的例子对这些问题进行了说明和讨论。研究表明文中提出粗糙控制面临的问题是正确的,这些问题值得进一步研究。

基于粗糙集理论的仿人控制器设计

针对如何模拟人的控制行为以及提取控制行为特性问题,提出了基于粗糙集理论的仿人控制器的规则提取方法和仿人控制器的设计方法,包括用人控制行为的样本集建立初始决策信息表、信息表离散化、属性约简、规则提取和决策表完备化等。实验结果表明:将所设计的仿人控制器应用到原有的实际系统中,能顺利实现规则校验,提出的仿人控制器的设计方法是可行的。

考虑供应链影响时基于粗糙集方法的企业信贷风险评估

对于考虑供应链时的企业信贷风险评估问题,提出基于粗糙集的解决办法.首先,根据样本数据建立决策信息表;然后采用等间距法对决策信息表的连续属性值进行离散化,并且应用辨识矩阵求出最小约简;最后,应用启发式值约简算法求出决策规则.试验计算结果表明,所提出的方法对企业的信贷等级能够进行有效的预测.