一种广义决策保持的快速启发式属性约简算法

属性约简是粗糙集理论的重要概念之一,旨在获得一个可以保持原始信息系统分类能力的最小属性子集。广义决策保持约简是粗糙集中的属性约简方法之一,其目标为维护决策系统中的决策结果,确保在约简过程中不丢失原始决策。这意味着约简后的系统仍可正确地进行决策,而决策规则的有效性和决策能力得以保持。传统的广义决策保持启发式属性约简算法注重算法的有效性,而算法的效率有待优化。传统算法在计算广义决策保持相似度时需多次遍历每个对象的等价类与决策类,存在大量的重复计算。为了克服这个问题,我们通过引入哈希表来存储每个对象的等价类与其广义决策,使得计算广义决策保持相似度时可针对计算对象直接得出结果而不是依次遍历,由此提出了广义决策保持的快速启发式属性约简算法。最后,通过6组UCI数据集验证了本文提出算法的有效性与高效性。

基于改进差别信息树的广义决策属性约简

属性约简作为一种有效的数据降维方法,对于处理高维数据具有重要意义,通过删除冗余属性保留重要属性,获得与原系统具有相同表达能力和分类能力的属性子集。差别矩阵是得到属性约简的一种重要方法,但其中含有大量无用的信息,本文受改进差别信息树的启发,将改进差别信息树与决策多层次系统相结合,在该方法下研究不同决策层级间改进差别信息树之间的关系,提出一种基于改进差别信息树的广义决策属性约简算法。所提方法不仅可以实现对差别矩阵中非空元素的压缩存储,还有效缩短了时间消耗。为了验证算法的有效性,选取8组UCI数据集分别从算法的约简结果和约简效率两方面进行对比,实验结果验证了算法的可行性和有效性。

面向端用户的服务组合广义决策逻辑模型

服务组合中端用户的需求较为模糊,其与服务组合之间的精准性要求存在不可调和的矛盾。文章以传统的Web服务模型为基础,构建面向端用户的服务组合广义决策逻辑模型,并通过离散布谷鸟算法求解模型,获取最佳Web服务组合方案,从而为用户提供更优质的服务。

优势关系下广义决策约简和上近似约简

论文定义了决策表的优势关系下广义决策约简和上近似约简,给出了优势关系下广义决策约简和上近似约简的判定定理和辨识矩阵。同计算优势关系下上近似约简的辨识矩阵相比,计算优势关系下广义决策约简的辨识矩阵的时间复杂度低,由于论文已证明优势关系下广义决策约简和上近似约简是等价的,因此,可以利用优势关系下广义决策约简的辨识矩阵计算优势关系下广义决策约简和上近似约简。

广义决策约简同相对约简的关系

对广义决策约简和相对约简的关系进行了研究。给出了广义决策约简是相对约简的充要条件和相对约简是广义决策约简的充要条件。特别的,得到了决策属性只取两个决策值的决策表,其广义决策约简同相对约简是等价的。通过本文使得利用广义决策约简计算相对约简和在一定的条件下利用相对约简计算广义决策约简成为可能。

不一致决策系统中基于粒度计算的广义决策规则获取方法研究

由于数据中存在噪声等主观和客观原因,不一致数据的出现和存在已变得十分普遍,因此需要发展一些能够直接分析和处理不一致数据的方法和技术。研究了不一致决策系统中的广义决策规则获取问题,基于粒度计算探讨了决策规则获取的基本原理,据此给出了计算所有极小广义决策规则集的一般方法。该方法不需要构造分辨矩阵,且可以并行执行,从而可降低空间开销和提高计算效率。此外,可对该方法进行拓展,以用于计算其他类型的极小决策规则集。这为不一致决策系统中的规则获取提供了一般方法。

基于广义决策函数的改进LEM2规则提取算法

针对当前LEM2系列算法提取规则的效率和质量不高的问题,提出了基于广义决策函数的改进LEM2算法(GLD-LEM2).该算法根据广义决策函数来计算候选属性-值对集T(G),通过删除冗余属性-值对来逐步缩小T(G)的规模,以提高规则提取的效率;同时,根据广义决策函数相交最小原则来选择属性-值对,优先提取最简规则,以提高获取规则的质量.实验结果表明,对于完备或不完备的决策表规则,GLD-LEM2算法均能有效地提高规则提取的效率和质量.

一种基于广义决策逻辑的面向终端用户的服务组合形式化模型(英文)

Service Oriented Architecture(SOA)and Service Oriented Computing(SOC)are prevailing technologies for sharing and reusing resources.Service composition is an envisioned methodology used in SOA and SOC to build value-added services.The existed service composition models are mostly information technology expert-oriented and there is few considering the requirement from the point of view of end-users.Different with the IT experts,who can express their requirements using precise and well-formed formal language and understand the formal description of web service,the end-users are unnecessarily to be sophisticated on the complicated knowledge of computer science and are prone to consider the service composition in fuzzy and rough fashions.There's seldom work carried on considering the contradiction between the vague and uncertain requirements of end-user and the precise and deterministic process of service composition.Granular computing is a kind of promising methodology for solving the fuzzy and rough problems in artificial intelligence,interval theory,rough set theory and cluster analysis,etc.The basic idea of granular computing is problem solving with different granularities,which can be used in service composition to solve the aforementioned contradiction intuitively,that is,it can be used to create a multi-grain model for service composition and make users and service composition agent work in different information granule level separately.A multi-grain formal model for service composition is proposed in this paper.This model considers the requirement of customers in service composition in the end-user view and we give a formal specification on mapping the web service description to the generalized decision logic language(GDL)for construction of multi-grain service composition view.GDL is a formal logic language proposed in granular computing research community as an expecting specification for definition of granular models.The proposed model is expected to provide a more understandable view for an end-user than traditional service composition model and conforms to the human cognition mode.

模糊广义决策信息系统的证据特征与信任约简

探究模糊广义决策信息系统的证据特征和信任约简.首先,给出模糊广义决策信息系统中的模糊上、下近似算子及其相关性质.然后,基于证据理论探讨模糊广义决策信息系统的数值特征,并在模糊广义决策信息系统中,利用证据理论中的模糊信任和模糊似然函数对模糊近似集进行刻画.最后,根据模糊信任函数定义的属性重要度,提出模糊广义决策信息系统信任约简的算法,并给出实例验证其有效性.

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。

基于DNA编码遗传算法构造广义决策树的研究

决策树是归纳学习和数据挖掘的重要方法,主要用于分类和预测。文章引入了广义决策树的概念,实现了分类规则集和决策树结构的统一。同时,提出一种新颖的基于DNA编码遗传算法构造决策树的方法。先用C4.5算法对数据集进行分类得到初始规则集,再通过文章中算法优化规则集并由此构建决策树。实验证明了该方法有效地避免了传统决策树构建过程的缺点,且有较好的并行性。

风险投资决策研究综述:基于广义决策视角

为进一步从广义决策视角深入开展对我国风险投资决策优化问题的研究,适时地对国内外相关文献的梳理是很有必要的。文章围绕风险投资的风险识别、量化,项目的投资组合优化以及投后绩效管理与退出决策等几方面来展开相应的文献综述,指出基于广义决策视角风险投资决策相关研究中目前存在的不足及进一步可能的研究方向。

广义多尺度决策表最优尺度选择的快速算法

广义多尺度决策表的条件属性和决策属性都具有多个尺度.最优尺度能够将较粗的条件属性与较细的决策属性相结合,达到效率与精度的平衡.然而现有的最优尺度选择算法计算效率较低.为此,提出一种最优尺度选择的快速算法.首先探讨最优尺度的一些性质和边界域的变化情况,给出判断边界域是否相等的条件以及最优尺度的等价定义;然后一种快速算法.最后通过数值实验表明其相较于现有算法速度更快,能有效解决最优尺度选择问题,该算法在计算效率方面取得了显著的提升,实现了在较短的时间内得出最佳结果的目标.

广义三支决策与狭义三支决策

从三支决策发展历史出发,在总结三支决策近年来研究的基础上,基于三支决策现有模型、算法及应用,提出了一种广义三支决策和狭义三支决策理论。广义三支决策注重对三支决策概念内涵和外延进行诠释;狭义三支决策主要注重三支决策在实际决策问题中的语义解释。提出了一种"四层次"三支粒结构决策模型,从静态和动态、广义和狭义两种视角对三支决策进行剖析,厘清了三支决策发展过程和研究脉络。最后,给出了三支决策的研究现状和未来发展方向。

模拟视角下广义混合型决策信息的综合集成

对由混合数据、多类型的赋权方法、多结构的集结方式等组成的广义混合型决策信息,研究该类决策信息的综合集成和求解问题。首先以传统的决策流程为底层框架,对广义混合型决策信息进行分类整合,构建信息集成框架;然后,从随机模拟视角分析了信息集成框架的求解方法并归纳了求解的基本步骤。在此基础上,通过导弹方案的选择问题对本文给出方法的具体应用进行了说明,并验证了该方法的有效性。本文通过构建信息集成框架的方式解决了多类型决策信息的融合难题,且实现了信息集成框架的柔性求解。该研究可为民主决策中多来源、多类型决策信息的融合提供技术参考。

解决广义不确定型决策问题的案例决策方法

针对广义不确定型决策问题,提出了一种基于案例的决策理论(CBDT)的决策分析方法.首先,分别计算针对"问题"和"方案"的目标案例与历史案例间的相似度,通过事先设置相似度阈值并构建相似历史案例集来确定对应于备选方案的相似历史案例;然后,分别计算针对"问题–方案"对的目标案例与相似历史案例间的相似度和相似历史案例的方案实施效果的效用值,集结相似度和效用值,进而得到每个备选方案的综合效用值,并依据综合效用值的大小来选择最优的备选方案.最后,通过一个算例说明了提出方法的可行性与有效性.

广义可能性决策过程的计算树逻辑模型检测

模型检测作为一种形式化验证技术,已被广泛应用于各种并发系统的正确性验证。针对具有非确定性选择和广义可能性分布的并发系统,引入广义可能性决策过程作为此类系统的模型;给出描述其性质的规范语言广义可能性计算树逻辑的概念;研究此类系统的广义可能性计算树逻辑模型检测问题。结论表明,其模型检测算法的时间复杂度也为多项式时间。所获得的结果扩大了广义可能性测度在模型检测中的应用范围。

指标及权重均为混合数据类型的广义灰靶决策方法

决策方案指标及权重均为混合数据类型的广义灰靶决策方法,无法采用传统处理确定性数的方法进行方案的集成。为此,文章基于二元联系数向量分别对指标和权重进行处理,然后再进行集成。首先将混合数据类型的指标值及权重值均转化为二元联系数向量,基于二元联系数向量计算各方案的各单指标向量与靶心指标向量的接近度并归一化;其次计算各指标权重的二元联系数向量的模并经归一化后作为各自的确定性权重;最后结合求得各方案各单指标的接近度融入各指标的确定性的权重求各方案的综合接近度,以其越小方案越优。算例分析表明所提出的方法较好地解决了指标及权重均为混合属性值的广义灰靶决策方法的集成问题。

基于决策者偏好靶心的混合属性广义灰靶决策方法

文章提出了一种基于决策者偏好靶心的混合属性广义灰靶决策方法。给出了该方法的决策原理及步骤,并建立了相应的模型分析决策者偏好的靶心对决策方案的影响。分析结果表明,决策者偏好所决定的靶心对决策方案存在着影响,但由于所采用的是基于向量的运算方法,决策方案受决策者偏好靶心影响的程度及方向存在着不确定性。最后通过算例分析验证了所提方法的可行性。

基于改进Gini-Simpson指数的指标及权重均为混合属性的广义灰靶决策方法

提出了一种新的以改进的Gini-Simpson指数为决策依据的指标及权重均为混合属性值的广义灰靶决策方法。该方法构造权重函数将不确定性混合指标权重确定化,并以改进的综合加权Gini-Simpson指数作为方案决策的依据。首先将各方案的混合属性指标值转化为二元联系数,并分解为确定项和不确定项以组成(确定,不确定)二元组数;其次,分别获得各属性下靶心指标的(确定,不确定)二元组数;然后,构造权重函数将不确定性权重确定化,继而求得各方案的综合加权Gini-Simpson指数;最后以综合加权的Gini-Simpson指数为依据对各方案进行决策,以其值越小方案越优。案例分析的结果验证了该法的可行性。