不完备不协调序决策系统的属性约简与规则提取

针对不完备不协调序决策系统,提出了广义优势决策函数的概念,给出了基于广义优势决策函数的区分矩阵属性约简算法,并获得了提取序决策规则的方法。最后,实例说明了所提出算法的有效性。

广义不完备序值信息系统中的知识约简

以同时具有丢失型和遗漏型未知属性值的广义不完备序值信息系统为研究对象,提出确定特征优势关系的概念,并基于此关系讨论了该系统的知识约简问题.对比分析证明,确定特征优势关系在一定程度上克服了特征优势关系的局限性.在广义不完备序值决策系统中引入近似分布约简,提出新的近似分布约简概念,结果表明基于确定特征优势关系粗糙集模型能有效地处理具有两种未知属性值的广义不完备序值系统,为从复杂的不完备系统中知识获取提供了新的理论基础与技术手段.

广义不完备混合决策系统的知识约简

针对现实中同时具有丢失型和遗漏型未知属性的混合决策系统的约简问题,建立了广义不完备邻域粗糙集模型,提出了未知属性的辨别方法,给出了一种混合约简算法。模型采用广义邻域关系度量不可分辨关系,通过邻域信息粒子逼近论域空间,是非对称相似关系和容差关系的广义化。依据分类一致性假设及广义邻域关系进行未知属性的辨别,讨论了噪声样本和邻域大小对分类精度的影响。采用UCI数据库中5组数据进行了仿真试验,预测精度证明了约简算法的有效性和可行性。

不完备序值决策系统中的拓展粗集模型及集对分析

在不完备序值决策系统中,根据容差优势关系进行分类过于宽松,而相似优势关系过于严格,根据这样的解释,提出了基于限制容差优势关系的粗糙集模型。进一步地,在不完备序值决策系统中,引入集对分析方法,提出了基于联系度的优势关系粗糙集模型,并进行了实例分析以说明新提出优势关系的有效性。

不完备序区间值决策系统中所有可信规则的获取

研究了含区间值的不完备复杂信息系统,其不仅包含遗漏型未知属性值,而且属性值域为全序集.根据区间值特点给出其遗漏型和填充式区间值概念,并定义了不完备序区间值决策系统;然后,提出了区间段值概念和基于区间段值的序决策系统,其中引入灰的白化方法以将填充式区间值转换为区间段值;接着,提出基于区间段值的优势和弱势描述子,用以获取序区间段值决策系统中的所有可信规则并给出具体算法步骤;最后,用实例进行了验证.试验分析的结果表明了该方法的有效性.

广义邻域关系下不完备混合决策系统的约简

为了能够直接处理不完备的、数值和符号混合的数据,对相容关系和相对邻域关系进行广义化表示,提出一种新的广义邻域关系。在广义邻域关系下,基于信息熵提出一种适用于不完备混合决策系统的条件熵,并证明基于该条件熵的属性重要性包含基于正区域的属性重要性,进而构造基于该条件熵的启发式属性约简算法。采用UCI数据库中6组混合型属性数据集进行仿真实验,通过对比约简后的属性数目、分类精度和运行时间,验证了该约简算法比同类型的其它算法更准确有效。

不完备决策系统下的多特定类广义决策约简

属性约简是粗糙集理论研究中最重要的领域之一。经典的不完备决策系统广义决策约简关注决策系统中的所有决策类,而在实际应用中,决策者往往只关注一个或者几个特定决策类。针对以上问题,提出基于多特定类的不完备决策系统广义决策约简理论框架。首先,定义了单特定类的不完备决策系统广义决策约简的相关概念,提出并证明相关定理,构造相应差别矩阵和区分函数。其次,将单特定类的广义决策约简推广到多特定类,提出基于差别矩阵的多特定类的不完备决策系统广义决策约简算法。最后,采用6组UCI数据集进行实验。实验结果表明,相对全部决策类数量,当选定特定类数量较少时,平均约简长度有不同程度的缩短,占用空间有所减小,约简效率有不同程度的提升。

不完备信息系统中的广义多粒度双相对定量决策粗糙集

经典的粗糙集理论建立在等价关系基础上,要求过于严格,所以限制了它的实际应用范围.为此,扩展形式的粗糙集模型得到了广泛关注,并已成为研究热点.在现实世界中,由于数据测量的误差、对数据的理解或获取的限制等众多原因,所遇到的信息系统往往是不完备的.面向不完备信息系统,在广义多粒度粗糙集以及双相对定量决策粗糙集的基础上定义了两种广义多粒度双相对定量决策粗糙集(GMDrq-DTRS).一方面,讨论GMDrq-DTRS与广义多粒度粗糙集之间的等价关系,以及它们正负域的大小关系;另一方面,在不同的参数关系下,讨论GMDrqDTRS的正域、负域以及上下边界域所具有的特殊关系.并用具体实例来解释说明GMDrq-DTRS决策过程和所讨论的GMDrq-DTRS与其他模型之间的关系.

区间颗粒下不完备序信息系统的优化决策规则获取

在不完备序决策信息系统中,结合区间知识颗粒,进而导出区间决策规则,然后给出相应的属性约简,并构造相应的判定定理及区分函数求法,来获取优化的区间决策规则,使得决策规则的条件属性部分的描述更加清楚、简洁。

不完备序决策系统的约简一致性研究

粒计算是数据挖掘和知识发现的一个重要手段,以信息粒作为基本计算单位,可以有效地处理大规模数据.不完备序决策系统拓展了经典粗糙集模型,将优势关系引入粗糙集模型使其能够更好地处理带有偏好关系的不完备决策表.本文结合了粗糙集和证据理论,研究了在不完备序决策系统中,序上、下近似算子和证据理论中的信任函数和似然函数的关系,给出了如何根据序上、下近似算子来计算信任函数和似然函数的方法.进而提出了在不完备序决策系统中证据理论下,近似分布约简和相对信任约简的定义和相关性质,并研究了它们之间的一致性,为粒计算提供了一种新的思路.

基于决策熵的不完备信息系统的知识约简方法

为有效地解决不完备信息系统的知识约简,得到更优的决策规则集,研究了基于容差关系的决策熵在不完备信息系统中能客观反映决策规则的决策能力,提出了一种基于决策熵的不完备知识约简方法。该方法基于决策熵的思想,考虑了决策规则可信度和对象覆盖度,同时引入了容差关系,以决策熵的属性重要性度量为启发信息进行知识约简,最终得到确定的规则集。仿真实验结果表明了该算法的可行性。

基于扩展粗糙集模型的集值不完备信息系统决策研究

在客观世界中信息系统往往是不完备的。该文将粗糙集模型经过扩展后应用于属性值为集合值的不完备信息系统,给出了几种不同的上下近似集定义,着重建立和分析了一种不完备决策表,研究了对应的粗糙集模型扩展后的属性约简的方法,并根据约简生成了决策规则。

不完备序值系统中的粗糙集与模糊粗糙集

以不完备序值信息系统为研究对象,其中不仅包含丢失型未知属性值,而且属性值域为全序集,提出相似优势关系的概念,并在不完备序值决策系统中给出基于相似优势关系的粗糙集模型。在不完备模糊序值决策系统中,给出基于相似优势关系的模糊粗糙集模型,并讨论其相关性质。

基于优势关系的广义不完备模糊系统

本文以同时具有丢失型和遗漏型未知属性值的广义不完备模糊决策系统为研究对象,提出了确定特征优势关系的概念,构建基于确定特征优势关系的模糊粗糙集模型,并提出相对下、上近似约简的概念,在此基础上得到近似约简的的判定定理及区分函数。并进行实例分析说明其有效性。

农业灌溉序贯决策的广义密切值法

提出了农业系统灌溉序贯方案的一种新的决策方法——广义密切值法,并通过实例分析得到了与其它方法一致的决策结果.表2,参3.

不完备信息系统的一种属性相对约简算法

经典粗糙集理论是建立在完备信息基础上的,然而现实中,由于各种原因,很多的信息系统是不完备的。该文分析了不完备信息系统下的粗糙集模型,引入了一种构造广义决策表的方法,提出了一种基于广义决策表直接求取不完备信息系统属性相对约简的算法。通过实例计算,说明了算法的简单性和有效性。

不完备信息系统中基于相似关系的知识约简

以具有丢失型未知属性值的不完备信息系统为研究对象,根据非对称相似关系,讨论了知识约简问题。在不完备决策系统中,引入了近似、粗糙分布约简以及广义决策约简,讨论了它们之间的相互关系,给出了近似分布约简的判定定理、可辨识矩阵以及约简公式,并进行了实例分析,为从不完备信息系统中获取知识提供了新的理论基础与操作手段。

一种新的不完备信息系统属性约简算法

针对不完备信息系统提出一种基于粗糙集理论的属性相对约简方法。利用粗糙集等价关系的扩展,即容差关系为基础提出容差关系相似矩阵的概念,通过引入广义决策函数的限制来解决不完备信息系统约简的不一致性问题,通过容差关系相似矩阵求不完备信息系统的核属性,利用属性在容差关系相似矩阵中出现的频率给出了属性重要度的计算公式,利用属性重要度为约简的启发式规则,并运用折半启发式算法减少扩展次数,提高约简速度。实验表明该方法简单、有效。

基于加权α优势关系的多属性决策排序方法

α优势粗糙集模型利用简单平均法赋权多个阈值α的排序结果,忽视数据集本身信息,导致不同数据集的排序质量差异性较大.针对此问题,文中提出基于加权α优势关系的优势度排序方法.首先运用α优势粗糙集方法详细分析决策对象.在此基础上,为了克服α主观赋权导致多属性决策排序结果中"并列"决策现象存在的不足,依据排序结果采用2种准则赋权α,并融合2种准则下所有对象的综合优势度,进一步细化排序结果.最后在具体算例中对比分析其它排序方法,验证文中方法的可行性和有效性.

一种新的不完备食品信息系统评价属性相对约简算法

本文针对不完备食品信息系统提出了一种基于粗糙集理论的评价属性相对约简方法。本文利用粗糙集等价关系的扩展,即容差关系为基础提出容差关系相似矩阵的概念。然后通过引入广义决策函数的限制来解决不完备信息系统约简的不一致性问题,通过容差关系相似矩阵求不完备信息系统的核属性,再利用属性在容差关系相似矩阵中出现的频率给出了属性重要度的计算公式,利用属性重要度为约简的启发式规则,并运用折半启发式算法减少扩展次数,提高约简速度。实验表明该方法是简单有效的。