二值决策Bayesian粗糙集模型属性约简研究

Bayesian粗糙集模型作为经典粗糙集理论与Bayesian推理发展的综合模型,其近似区域划分以事件发生的先验概率为基准,可有效处理众多实际问题,如医疗诊断、故障检测、经济预测等。针对二值决策Bayesian粗糙集理论,证明了Slezak和Ziarko属性约简模型等价,并进一步给出了相应分辨矩阵描述,从而经典粗糙集模型中基于分辨矩阵的知识约简思想均可平移应用于Bayesian粗糙集模型,丰富了Bayesian粗糙集理论体系。

对Bayesian粗糙集模型的讨论

变精度粗糙集模型是对传统的(Pawlak)粗糙集模型的一个重要拓展,但变精度模型中需要设定人为参数不利于信息的客观体现。Bayesian粗糙集模型是基于变精度和概率论的思想最新提出的无参数模型。对Bayesian粗糙集模型进行了分析,指出了其中的不足,提出了一种改进形式。

基于粗糙集-云模型的城市常规公交运力配置水平评价

为优化完善城市常规公交运力配置的多层次综合评估指标体系及其等级标准,以便科学评估常规公交运力配置水平,提出了一种基于粗糙集-云模型的城市常规公交运力配置水平评估模型。首先,利用粗糙集理论对指标体系进行筛选,并匹配了相应的等级标准;然后,采用CRITIC方法对指标进行赋权,进而利用云模型算法生成评价标准云和结果云,通过数字特征和云图直观展现评价结果。最后,以青岛市主城区144条常规公交线路为例,对模型进行了验证。结果显示:青岛市主城区144条常规公交运力配置水平目标层综合评价等级为“中等”,在子目标层(公交客流水平、公交线路水平、公交线路发车水平、公交车辆运营水平、公交车辆技术水平)中,评价等级为“中等”及以上的占60%,总体上与目前青岛市主城区常规公交运力配置水平特点相符。研究表明,该模型能实现对城市常规公交运力配置的综合评价,可为城市常规公交运力配置评价体系和评价模型构建提供参考。

基于集对分析下的变精度Bayesian粗糙集模型

引入集对分析概念,提出了一种基于集对分析下的变精度Bayesian粗糙集模型,这就将经典粗糙集模型和变精度Bayesian粗糙集模型推广到了不完备信息系统,并且得到了该模型的上、下近似的一些性质.最后,给出了与该模型定义等价的一个定理.

一般关系下的变精度粗糙集模型

通过分析一般关系下基本粗糙集模型的不足,定义了一般关系下的多数包含关系,借助引入的 误差参数α(0≤α<1/2),给出了一般关系下的变精度粗糙集模型．在该模型中,当α=0时,退化为一般关 系下的基本粗糙集模型(Z．Pawlak模型);当|Rs(x)|·α=k时(|Rs(x)|表示元素x后继邻域Rs(x)之基 数,k为非负整数),退化为常见的程度粗糙集模型．通过它与一般关系下基本粗糙集模型(Z．Pawlak模 型)的比较,可以看出,在引入误差参数α后,能够使尽可能多的有用信息被提取、挖掘．从而克服了基 本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失的现象,并讨论了所给模型的一 些性质．最后,在所给模型基础上讨论了一种广义近似空间中集合的相对可辨性、近似依赖和属性约 简．

基于粗糙集和人工免疫的集成入侵检测模型

针对当前入侵检测存在的问题,通过引入粗糙集方法,综合误用检测和异常检测设计了一种基于粗糙集和人工免疫的集成入侵检测(RSAI-IID)模型,提出了一种在入侵检测中实现疫苗注入的方法。采用粗糙集方法获取疫苗,并保证了疫苗的优良性,优化检测性能;误用检测筛掉已知的入侵行为,提高检测的速度;异常检测针对未知攻击进行实时检测。最后在KDD99数据集上进行实验仿真,验证了模型的可行性和有效性。

粗糙集连续属性离散化模型研究与应用要点分析

基于粗糙集理论,研究连续属性离散化问题的本质特点,提出粗糙集指标衡量和优化算法结构相统一的离散化思想,设计通用的离散化方法模型。分析主流的SOM网络、GA、层次聚类、信息熵等主流聚类方法的特点,并基于这种结构模型,给出了相应离散化方法的应用要点。

基于粗糙集-神经网络的矿山地质环境影响评价模型及应用

采用衡山白果地区石膏矿山的11个评价指标,综合运用粗糙集和神经网络理论,构建了基于粗糙集-神经网络(RS-ANN)的矿山地质环境影响评价模型,对RSES软件约简的数据和无约简的数据采用EasyNN-plus软件进行预测评价。神经网络模型的输入属性为8个,而粗糙集-神经网络模型的输入属性为6个,训练样本均为13个,预测样本均为4个,前者的平均预测精度为1.85%～24.86%,后者为1.23%～15.28%。研究发现,粗糙集在保留关键信息的前提下可有效地对数据表进行约简,约简后的神经网络预测结果与实际情况吻合,并比无约简时总体精度有较大幅度提高。

基于粗糙集的网络信息系统安全评估模型研究

从分析网络信息系统安全评估标准指标出发,提出基于安全树的信息系统安全最佳节点基本属性模型,并对相关评估指标进行优化;在此基础上,提出一种基于粗糙集的混合启发式约简算法,进行指标属性约简和权重集构建,进而建立融合的信息系统安全评估数学模型.最后通过实例说明该安全评估模型建立方法的有效性及实用性.

变精度粗糙集模型及其应用研究

介绍了广义粗糙集模型和Ziarko变精度粗糙集模型,找出了它们的不足;借助引入的误差参数β(0≤β<0.5),给出了基于后继邻域的一般二元关系下变精度粗糙集模型的β上近似、β下近似、3边界和β负域的定义以及β近似质量和β粗糙性测度定义;详细讨论了β上、下近似算子的性质、该模型与其他粗糙集模型的关系以及一般二元关系下两种变精度粗糙集模型的关系;最后,举例说明了该模型在信息处理中的应用。

基于覆盖的粗糙集模型比较

通过分别比较各模型的上近似、下近似以及近似精度,系统地分析了6种基于覆盖的粗糙集模型。得到3条结论:首先,在6种覆盖上近似之间,第2种覆盖上近似最大,并且除了第3种和第4种覆盖上近似之间是不可比较的之外,前5种覆盖上近似集间均有包含关系;其次,两种覆盖下近似间存在包含关系;第三,在6种模型的近似精度之间,第2种模型是最低的,而第5种模型除了和第6种模型不可比较之外其具有最高的近似精度。通过多个实例,验证了所有结论的正确性。这种对不同粗糙集模型的对比研究为深入理解这些模型提供了帮助,并且为不同应用场合模型的选择提供了参考依据。

基于粗糙集的投标风险分析与规避决策模型研究--国家自然科学基金项目(70271031)回溯

回顾了国家自然科学基金项目"基于粗糙集的投标风险分析与规避决策模型研究(70271031)"的立项背景,介绍了本项目的主要研究内容与主要成果,以及本项目的代表性论文、论著。

一种建立模糊模型的粗糙集方法

Pawlak提出的粗糙集理论是一种刻划不确定性的数学工具 .本文研究了基于粗糙集理论建立模糊模型的方法 ,提出了扩充与整定的概念 ,并运用所提出的方法建立了脉冲TIG焊动态过程模型 .

基于粗糙集理论的中医方证系统模型的建立

中医方剂在机体的作用复杂,将其视作一系统,即中医方证系统。将粗糙集理论与方法应用于中医方证系统,挖掘证候指标与方剂各药物之间的相关关系,建立证候指标与方剂各药物之间的数学模型,以期对方剂进行优化,又获得更多证候的信息,为中医方证研究提供一种新方法。

一种基于粗糙集的网络安全评估模型

准确掌握计算机网络系统的安全水平对于保障网络系统的正常运行具有重要意义。当前大多数网络安全评估系统缺乏对数据的深入分析,难以形成对网络安全状况的整体认识。本文提出了一种利用粗糙集理论挖掘网络安全评估规则,进而利用评估规则构建网络安全评估决策系统的算法模型。研究了网络安全评估问题的粗糙集描述,给出了模糊属性决策表的约简方法。利用一个简化的网络安全评估数据集,验证了本文提出的决策规则提取方法,结果表明该方法可以得到与实际情况相符的决策规则。

一种基于粗糙集和灰聚类理论的IT项目评标决策模型

本文根据IT项目招标的特点,提出基于粗糙集和灰聚类理论的IT项目评标模型,利用粗糙集理论确定指标权重,结合专家对指标的评价,克服了当前评标方法中存在的主观性大等不足,能够较好反映投标商的整体实力,提高了决策效率和公正性。

变精度覆盖粗糙集模型的比较

介绍覆盖粗糙集和Ziarko变精度粗糙集模型,将Ziarko变精度粗糙近似算子应用于覆盖近似空间,借助引入的误差参数β(0≤β<0.5),给出2种变精度覆盖粗糙集模型的β上近似、β下近似、β边界和β负域的定义。讨论2种模型中β上、下近似算子的基本性质、2种模型之间的关系以及变精度覆盖粗糙集模型与其他粗糙集模型的关系。

不完备信息系统下的变精度粗糙集模型及其知识约简算法

Rough Set Theory, which has been found applicable and useful in many fields, is now a very effective method in data mining research. However, when the decision table is an incomplete one, with the original rough set theory proposed by Z. Pawlak, one can't get satisfactory results. In this paper an approach based on limited valued tolerance relation and majority inclusion relation is proposed. And furthermore a new attribute reduction method called extended discernable matrix is given. As this model is somewhat a combination of fuzzy means and majority inclusion relation, it is more effective than the previous models in practice.

基于模糊C-均值算法粗糙集理论的云模型在岩爆等级评价中的应用

岩爆等级评价具有模糊性和不确定性,而粗糙集理论的云模型对处理模糊性和不确定性问题具有独特优势,由此提出了基于模糊C均值(简称FCM)算法粗糙集的云模型理论在岩爆等级评价中的新模型。该模型选用岩石单轴抗压强度σ_c、洞室围岩最大的切向应力σ_θ、岩石单轴抗拉强度σ_t和岩石弹性能量指数W_(et)作为岩爆等级评价因子,依据岩爆分级标准计算各评价因子隶属于不同岩爆等级的云数字特征。同时,以国内外40例岩爆工程为研究对象,运用基于FCM算法的粗糙度理论进行因子属性重要性评价,计算各评价因子权重。根据正向正态云发生器,得到待评样本的综合确定度,由最大综合确定度判定岩爆级别。研究表明:该模型的评价结果与实际情况基本一致,具有一定的可行性,为岩爆预测提供了一种新的研究方法与思路。

基于多尺度粗糙集模型的决策树优化算法

针对经典决策树算法构造的决策树结构复杂、缺乏对噪声数据适应能力等局限性,基于多尺度粗糙集模型提出一种新的决策树构造算法。算法引入尺度变量和尺度函数概念,采用不同尺度下近似分类精度选择测试属性构造决策树,使用抑制因子对决策树进行修剪,有效地去除了噪声规则。结果表明该算法构造的决策树简单有效,对噪声数据有一定的抗干扰性,且能满足不同用户对决策精度的要求。