改进的简化决策表及属性约简

研究了不一致决策表的简化与属性约简问题,指出目前简化的决策表的局限:在简化的决策表上用现有的属性约简方法与在原决策表上基于正区域的属性约简方法,所得到的结果不一致.进一步对简化的决策表进行转换,得到新的决策表.基于正区域的属性约简,证明了在原决策表上约简与在新的决策表上约简结果相同.从而保证在实际应用中,对新的决策表可以用任意一种属性约简方法.     

变精度粗糙集的约简算法

文中研究了变精度粗糙集的属性约简问题,通过设置参数β,简化决策表,定义其上β的限制正域,进而给出其约简算法,并结合实例分析,验证该算法的有效性.     

基于粗糙集与模糊集的连续值域决策表的离散化算法

将粗糙集理论与模糊集理论结合起来,给出一种连续值域决策表的离散化算法。该算法从已知数据的初始决策系统出发,首先构造对像的相似矩阵,然后根据相似矩阵的传递闭包及粗糙集正域的思想得出决策表的条件类,再根据条件类将连续值决策表化为区间值决策表,最后根据各区间值将连续值域决策表化为离散决策表。     

基于粒关系包含度矩阵的属性约简算法研究

针对信息系统属性约简问题,通过借助粒关系包含度矩阵这一中间工具,给出一种决策表属性启发式约简算法.首先,计算决策表中条件属性与决策属性之间的粒关系包含度矩阵;然后,将粒关系包含度矩阵中隐含的信息L_B作为启发式算子对决策表进行属性约简;最后,删除冗余属性并设置终止条件,实现决策表的属性约简.通过实例验证了该算法的有效性.     

合成集值决策表的属性特征

基于集值信息系统上的拟序关系讨论了集值决策表的合成,对合成集值决策表的相关属性特征进行了研究,进一步给出了对象合成集值决策表和属性合成集值决策表及其属性特征。     

基于粗糙集与统计学习理论的样本分类算法

结合粗糙集理论中分类思想与统计学习理论中回归分析思想,本文给出了一种样本分类算法,该算法首先对决策表进行约简,求出一个极小约简,并在极小约简决策表中,将对象按类属性值进行分类。然后根据每一类的因素描述,给出一个线性回归方程。最后将未知样本的数据代入每一个回归方程,根据最大隶属度原则,确定每个样本的分类。     

基于粗糙集的模糊决策算法

给出一种从连续决策表中提取模糊决策规则的规则提取算法。首先,转化连续属性值为模糊值;然后,给出两个不同对象的模糊属性值关于相应连续属性的相似度;其次,给出了λ相似关系与λ相似类的定义。根据λ相似关系,给出粗糙-模糊空间中的下近似与上近似概念;最后,结合模糊集与粗糙集理论的思想,给出一种从连续值域决策表获取决策规则的算法,并通过实例说明该算法的有效性。     

基于粗糙集理论的知识约简及应用实例

在保持分类能力不变的前提下 ,通过利用粗糙集理论中的知识约简方法 ,在保护知识库分类不变的条件下 ,删除其中不相关或不重要的知识 ,从而导出问题的决策 .利用基于决策表的粗糙集模型算法 ,实例分析如何数字化表示决策表 ,并对其进行属性约简和属性值的约简 ,从而提取决策规则 .     

基于决策类的分块差别矩阵及属性集求核算法

通过对基于差别矩阵的属性集求核算法研究,提出一种基于决策类的分块差别矩阵及相关属性集求核算法.该算法无论域划分过程,删除决策表信息系统中相容对象和对分块差别矩阵中元素之间关系的讨论,避免对象间的不必要比较.及时存储不相容对象作为遍历分块差别矩阵寻找核属性的判定条件,避免核属性的求解错误.实例分析与实验验证,说明了该算法的有效性.     

集值决策表基于邻域关系的属性约简

集值信息系统是完备信息系统的广义形式,它当中的一些对象在某些属性下的取值可能不止一个,反映的是信息的不确定性.本文在集值信息系统上引入对象的邻域关系,并以每个对象的邻域作为基本集,建立了集值信息系统的粗糙集方法.为了简化的知识表示,我们进一步讨论了邻域协调集值决策表的正域约简与邻域不协调集值决策表的近似分布约简,给出了正域约简与近似分布约简的等价刻画条件,并借助区分函数给出了计算正域约简与近似分布约简的方法.     

关于集合的粗相似度量的注记

举例说明文献"集合的粗相似度量"中定理3.1(2)的结论是不严谨的,从而给出一个严谨的结论。     

基于粗糙集与层次分析法的组合预测方法

本文在改进的属性约简启发式算法 ,即应用加权平均的属性重要度对属性进行约简的基础上 ,将粗糙集理论和层次分析相结合 ,给出了一种全新的组合预测方法 .     

集合概念的扩张与完善

从集合概念的内涵出发,剖析了单值集——Cantor集合、Fuzzy集合、Rough集合、可拓集合概念的内涵;剖析了复值集——Grey集合、未确知集合、Vague集合、泛灰(UG)集合和广义泛灰(GUG)集合的内涵;从而得出广义泛灰集合是内涵最深的集合概念;它具有极强的描述能力,可以描述客观存在的一切现象,故又是外延最广的集合概念.     

广义集合概念及其内涵剖析

在剖析C an tor集合、Fuzzy集合、R ough集合、Ex tension集合、G rey集合;U nascerta ined集合、U n iversal G rey集合、V ague集合概念内涵的基础上,建立了广义集合(G eneralized sets)概念,并在对其内涵进行剖析的基础上讨论了它的基本性质。     

粗糙不变子群的若干性质与粗糙商群

讨论粗糙集理论在代数系统——群上的应用。基于有关粗糙群、粗糙子群和粗糙不变子群的基本概念以及粗糙子群的一些性质和有关粗糙不变子群的定理，讨论了粗糙不变子群的若干性质和粗糙商群的概念，并给出了这些性质的严格证明。     

基于GA-RS-LR算法的公司财务与个股投资探究

运用遗传算法-粗糙集-逻辑回归方法(GA-RS-LR)探讨我国A股上市公司财务与股票收益的关系.运用GA-RS方法获得财务指标最优约简;运用LR模型探求两者关系.最终,经GA-RS约简,60个财务指标中有17个对股票投资有重要影响;通过LR模型,4个指标具有显著效应;其中,负债与权益市价比为5.82%负效应,其余为正效应.对2015年股票相对波动进行预测得到70%的准确率,验证了GARS-LR模型对中长期投资的有效性.     

基于RS和SVM的动态供应链成员选择算法

良好的成员选择方法是动态供应链平稳运行的重要基础,针对动态供应链成员选择时面临决策属性多且可供决策分析数据样本少的难题,提出了基于粗糙集和支持向量机的动态供应链成员选择算法,核心是应用粗糙集进行属性约简,然后结合支持向量机进行链上成员分类.方法在保证不会降低分类性能的前提下,达到降低数据维数和分类过程中复杂度的目的.     

Optimal approximations with Rough Sets and similarities in measure spaces

When arbitrary sets are approximated by more structured sets, it may not be possible to obtain an exact approximation that is equivalent to a given set. Presented here, is a new proposal for a ‘metric’ approach to Rough Sets. We assume some finite measure space is defined on a given universe, and then use it to define various similarity indexes. A set of axioms and the concept of consistency for similarity indexes are also proposed. The core of the paper is a definition of the ‘optimal’ or ‘best’ approximation with respect to any particular similarity index, and an algorithm to find this optimal approximation by using the Marczewski–Steinhaus Index. This algorithm is also shown to hold for a class of similarity indexes that are consistent with the Marczewski–Steinhaus Index.     

Intuitionistic fuzzy metric spaces

Using the idea of intuitionistic fuzzy set due to Atanassov [Intuitionistic fuzzy sets. in: V. Sgurev (Ed.), VII ITKR's Session, Sofia June, 1983; Fuzzy Sets Syst. 20 (1986) 87], we define the notion of intuitionistic fuzzy metric spaces as a natural generalization of fuzzy metric spaces due to George and Veeramani [Fuzzy Sets Syst. 64 (1994) 395] and prove some known results of metric spaces including Baire's theorem and the Uniform limit theorem for intuitionistic fuzzy metric spaces.     

基于粗集和神经网络的煤炭资源资产分类研究

准确的煤炭资源资产分类是有效进行煤炭资源资产管理的前提和基础.针对现有分类方法存在的不足,提出了基于人工神经网络(ANN)与粗集理论(RS)的煤炭资源资产分类方法.首先,由资产分类的样本数据形成决策表,使用专家离散法对数据进行离散处理;然后,采用遗传算法(GA)对决策表进行属性约简;最后根据约简后的属性集构建起煤炭资源资产分类的神经网络模型.实例运行表明,所提出的模型方法比单纯的ANN方法在学习效率和分类准确率方面均有所提高.