S-变精度粗集

针对属性间无函数或不确定关系的动态数据分类问题,依据S-粗集理论,提出了S-变精度粗集,给出了S-变精度粗集的两类形式:单向S-变精度粗集,双向S-变精度粗集,最后介绍了该理论的一个简单应用。

基于变精度粗集模型的变精度值自主式获取方法

变精度粗集模型拓展了经典粗集理论,可使之适应不一致数据的处理。然而已有基于变精度粗集模型的知识约简算法要依据领域先验知识来确定变精度β值,影响了算法的实用性。在讨论β值对知识约简影响的基础上,提出变精度粗集模型的β值自主式获取方法,将变精度值设置在决策表相对可辨识性的阈值附近。实验结果表明该方法能较准确的反映决策表的决策分布情况。

基于变精度粗集模型的定量数据挖掘算法

为了解决定量数据中存在噪音数据或数据不完整的问题,并能从这些定量数据中挖掘出有效规则,在变精度粗集模型(VPRS)的基础上,采用定量数据的模糊处理方法,研究了定量数据挖掘算法.该算法可以从定量数据中挖掘出更客观、有效的决策规则.

基于变精度粗集的判断矩阵构造方法

判断矩阵的一致性条件 ,是用AHP法进行排序的必要条件。由于专家的主观性 ,判断矩阵一般不能满足一致性条件。本文利用变精度粗集的依赖度因子 ,给出了一种判断矩阵的构造方法。这种方法充分利用排序方案因素的原始信息 ,又综合了多专家的判断。

变精度粗集模型在决策树生成过程中的应用

Pawlak粗集模型所描述的分类是完全精确的 ,而没有某种程度上的近似。在利用Pawlak粗集模型构造决策树的过程中 ,生成方法会将少数特殊实例特化出来 ,使生成的决策树过于庞大 ,从而降低了决策树对未来数据的预测和分类能力。利用变精度粗集模型 ,对基于Pawlak粗集模型的决策树生成方法进行改进 ,提出变精度明确区的概念 ,允许在构造决策树的过程中划入明确区的实例类别存在一定的不一致性 ,可简化生成的决策树 。

变精度粗集模型中变精度值的估计

变精度粗集模型是一种有参数的粗集扩充模型.目前,基于变精度粗集模型知识约简和学习的各种算法中,参数β值都是作为领域的先验知识而被直接引入.而β值不同,约简的结果一般也不同,因此有必要寻求一种方法,实现从原始数据集本身出发完成对β值的估计和选择,从而摆脱β先验知识对结果的影响.结合决策表确定性度量和决策表相对辨识性方法,分别研究了β值的估计和选择以及参数β值对约简结果的影响.通过实例进行了分析,结果表明在利用变精度粗集模型提高系统容错度时,β值选择是必要的.

旅客航班选择模型研究:变精度粗集方法

文章以Logit模型为基础,运用变精度粗集(Variable Precision Rough Set,VPRS)方法构建了旅客航班选择模型(Passenger Flight Choice Model,PFCM),该模型无需知道旅客航班选择数据集合以外的任何先验信息,在满足所要求精度下,即可求出旅客航班选择的真实因素及各因素权重,从而计算出某航线某时刻旅客航班选择的概率,为航空公司设计产品、改进营销提供可资借鉴的依据。

基于变精度粗集的分类方法

基于差别矩阵的约简算法简单、计算量小,但是传统的差别矩阵不能处理噪声数据。为提高差别矩阵的适用范围,提出一种能够容忍数据中包含噪声的变精度差别矩阵,并给出改进的基于条件属性偏序关系的约简算法。最后,将这一方法用于对多类图像的分类过程中,将分类结果与BP网络的分类结果和基于传统Skowron差别矩阵方法的分类结果相比较表明这种分类方法具有较好的结果。

基于变精度粗集的生产调度规则获取

由于规则调度简单、实用,而被管理和工程技术人员广泛使用.规则调度所面临的问题是如何快速获取有效的调度规则以建立起专家系统知识库.把变精度粗集应用于生产调度中,在历史调度数据中发现成功的调度规则解决了生产调度中的规则获取难题.对调度中存在的多决策属性并存的决策表分解问题,提出了有因果关系决策属性的决策表分解方法。

基于变精度粗集的战略石油储备规模决策方法

我国的战略石油储备(Strategic Petroleun Reserve,SPR)政策刚刚起步,对SPR规模进行决策,使其保持在合理范围,是SPR管理的重要内容.本文基于变精度粗集(variable precisioz rough set,VPRS)理论,提出了一种简单易行的SPR规模决策方法,通过设定一个变精度因子口,允许SPR决策信息系统中有一定的错误分类率,减少了数据噪声,提高了决策规则的鲁棒性.

基于变精度粗集模型变精度值的选取新方法

在现有的变精度粗集模型中,β值大部分都是作为先验知识引入的。基于集合可辨性,利用不相容类的概率分布矩阵,提出计算β阈值的新方法。新方法能快速获得β值,并提出上、下分布约简的有关理论。

基于证据理论与变精度粗集的判断矩阵的构造

运用变精度粗集理论,结合专家的群决策,提出了一种新的判断矩阵的构造方法.根据证据理论综合专家群体评价结果,得出各决策因素的条件属性值与分类误差,进而利用变精度粗集的依赖因子,构造具有完全一致性的判断矩阵.在允许一定误差的基础上,尊重了专家意见,且满足了客观性要求.

基于变精度粗集证据加权的电子目标识别方法

为了对电子目标进行准确识别,一般采取多传感器融合的D-S证据理论方法。但是由于传统的D-S证据理论中各传感器对识别结果的重要性没有区分,造成识别结果不准确。变精度粗集模型是粗集模型的扩展,它允许一定程度错误分类率的存在,更符合实际数据的情况,将变精度粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真结果表明,该方法对电子目标识别有效,尤其在传感器受到干扰时,识别结果更加可靠。

基于变精度粗集模型的大坝裂缝研究

研究影响裂缝开度变化和扩展的主要因素及其不利组合,有利于保证大坝安全运行。提出了大坝裂缝的变精度粗集模型,将实测资料离散化为裂缝开度的决策信息表,对影响因素约简得到影响大坝开度变化的主要因素,利用规则约简求得不利因素组合,并介绍了这一方法在工程中的实际应用。

基于变精度粗糙集的分类决策树构造方法

针对分类决策树构造时最优属性选择困难、难以适合大规模数据集的问题,提出新的属性选择标准——属性分类重要性测度,引入置信度和支持度,设计了基于变精度粗集理论的决策树算法。分类重要性测度可全面刻画属性的综合分类能力,且计算比信息增益简单。决策树生长过程中引入支持度和置信度,以控制决策树的生长,提高决策树对噪声数据集和不相容数据集的处理能力,减小决策树的规模。通过对UCI上5个不同规模和类型的数据集进行测试计算,结果表明算法效率高于ID3算法,与UCI报告的最好结果相当。

基于变精度粗集神经网的企业失败风险预测研究

描述粗糙集、变精度粗糙集和神经网的相关概念和应用机理,在此基础上构建基于变精度粗糙集的强耦合粗集神经网络,即变精度粗集神经网模型,并以此作为预测中国上市企业失败风险的研究方法。借助信息熵和T检验等手段对财务指标和非财务指标进行筛选,建立企业失败风险预测评价指标体系。在时间跨度上,选择(t-3)年作为研究起点,避免人为夸大预测精度。将被特别处理(ST)的上市企业作为界定企业失败的标准,以160家ST企业和160家配对非ST企业作为测试样本,利用FUSINTER技术离散化相关数据,运用粗糙集、变精度粗糙集、粗糙集神经网和变精度粗集神经网等模型进行实证研究。分析结果表明,在由78家ST和78家非ST企业组成的检验样本中,变精度粗集神经网的预测准确率要高于其他模型,且所需训练时间更短,生成规则更少,训练的整体效果最为理想,由此可以认为该模型比较适用于对中国上市企业进行失败风险的预测研究。

基于目标信息系统的变精度变异粗集

利用变异粗集的概念与结构,结合变精度粗集的概念,提出基于目标信息系统的变精度变异粗集的概念与结构,给出了变精度变异粗集包含强度定理及其推论,并对此进行了讨论,指出了变精度变异粗集的研究与应用方向。

变精度变异函数S-粗集与F-结构

动态系统规律知识是规律对象(规律外延)与规律属性(规律内涵)的统一体,利用变异单向函数S-粗集与变精度粗集提出变精度变异单向函数S-粗集的概念和它的F-结构,给出变精度变异单向函数S-粗集的有关性质定理和推论,对此进行了讨论。应用变精度变异函数单向S-粗集对动态系统的内涵规律的精度进行数据挖掘。容易挖掘-发现出动态系统中规律的相关性和规律的近似决策规则。变精度变异单向函数S-粗集为研究动态系统规律提供了一种新的途径。

变精度双向S-粗集及其应用

提出基于副集的双向S-粗集,变精度双向S-粗集;给出基于副集的双向S-粗集,变精度双向S-粗集的数学结构;给出变精度双向S-粗集的存在背景和意义解释。变精度双向S-粗集是对双向S-粗集理论的完善和发展。

变精度粗糙集推广模型及其性质研究

数据挖掘的主要目标之一是进行有效分类,粗糙集的上下近似空间正是为了对信息系统进行分类。变精度粗糙集作为经典粗糙集的推广模型,目前研究仅局限于有限集。针对变精度粗糙集模型无法处理无限集合的问题,在变精度粗糙集和测度的理论基础上,提出了基于Lebesgue测度的变精度粗糙集模型。引入Lebesgue测度的概念,构造了一种基于Lebesgue测度的变精度粗糙集模型,将变精度粗糙集理论推广到无限集,定义了该模型的上、下近似空间,并证明了其相关性质。通过理论研究表明,该模型能有效处理无限集合问题,对变精度粗糙集的理论研究形成突破,也将极大地扩充其应用范围。