基于粗糙集理论的多维定性变量约简方法

基于粗糙集理论中的属性约简方法,提出了一种基于信息熵进行多维定性变量的约简方法,并进行了实证分析.     

覆盖粗糙集属性约简的新算法

覆盖广义粗糙集是Pawlak粗糙集的重要推广,其属性约简是粗糙集理论中最重要的问题之一.Tsang等基于一种生成覆盖设计了覆盖信息系统属性约简算法,但并未明确指出其适用的覆盖粗糙集类型.在本文中,我们首先指出Tsang的属性约简算法适用的覆盖粗糙集是第五,第六和第七类.其次,我们通过建立覆盖与自反且传递的二元关系之间的等价关系,提出了一种时间复杂度更低的属性约简算法,并证明了本文中的属性约简方法就是Wang等所提出的一般二元关系属性约简的特例.本文不仅提出了属性约简的简化算法,还首次建立起覆盖属性约简与二元关系属性约简之间的联系,具有理论和实际的双重意义.     

基于信息量的集值信息系统的属性约简

属性约简是粗糙集理论研究的核心内容之一.在集值信息系统中引入信息量和属性重要性,给出它们的性质及与属性约简之间的关系.针对集值信息系统提出了一种基于信息量和属性重要性的属性约简算法及算法的时间复杂度.通过实例说明,该算法是有效的.     

基于k-means聚类与粗糙集算法的指标筛选方法研究

针对多属性决策中指标的信息重复和不确定性问题,提出了一种基于改进的k-means聚类与粗糙集算法相结合的指标筛选方法。首先,定义样本的空间分布密度,实现初始聚类中心优化的k-means算法,对连续型指标进行离散化处理;然后利用粗糙集的相对约简原理进行指标约简,删除存在信息重复的冗余指标,并结合绿色经济指标体系构建的案例验证了该方法的合理性和有效性。     

基于粗糙集的突发事件属性约简方法

针对突发事件不完备信息系统中的原始数据存在大量属性冗余的问题,提出一种基于粗糙集的不完备信息系统属性约简方法,以剔除冗余属性,提高知识清晰度。首先对缺失、冗余、噪声以及连续型数据进行预处理;然后进行属性分类,将属性分为条件属性与决策属性,进而建立决策表;最后根据决策表的特征,结合有序加权平均算子的思想,提出一种基于属性重要度的启发式属性约简算法。文末,通过实例验证了方法的正确性与有效性,并利用该方法实现了火灾数据的属性约简。     

基于信息熵的属性约简在多属性决策中的应用

属性约简是在信息系统中的一个重要操作.分类是属性约简的基础,且直接在大数据集上进行属性约简往往存在效率低下的问题.以分类为基础提出了一种基于信息熵的信息系统属性约简算法.算法通过信息熵的计算,在属性约简的同时对原信息系统逐层分解,从而实现了属性的约简并缩小了搜索空间.提出了依据信息熵来确定属性的不必要性及简约属性集,应用在多属性决策中所带来的优势.     

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 .     

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 .     

基于精度的属性约简新方法

自Pawlak提出粗糙集概念以来,人们就一直对粗糙集的近似精度很感兴趣,出现了不少有关近似精度的文献.在粗糙集理论中,精度是量化由粗糙集边界引起的不精确性的一种重要数字特征.在分析传统精度和基于等价关系图的过剩熵的近似精度的基础上,提出了一种新的精度定义.比较发现,新定义的精度更具有合理性.同时把这个新定义的精度运用到了属性约简上,通过实例比较发现,本文提出的属性约简更具有可行性.     

一种新型粗糙集的指标筛选模型及实证分析

针对现有指标筛选方法不能将指标客观数据和指标实际含义同时处理的弊端,研究提出了一种新型粗糙集指标筛选方法,并对绿色经济下的社会可持续发展评价指标体系构建进行了实证分析.方法同时将粗糙集决策表的相对约简理论与信息表的属性约简理论相结合,既保证了筛选的客观性又兼顾了指标的实际含义,其主要做法一是通过布尔推理算法,保证了连续型指标离散化过程中候选断点的最优组合,为粗糙集约简提供了高准确率的信息表数据;二是考虑了指标的实际含义,通过对有因果关系的指标构成的决策表进行相对约简,删除了指标信息间的冗余指标;三是通过对无实际联系的指标构成的信息表进行属性约简,删除了研究指标客观数据中的冗余指标.     

基于Vague集信息的多属性群决策专家水平评判方法

针对基于Vague集信息的多属性群决策专家水平评判问题提出了两种评判方法.首先引进了基于Vague集信息的多属性群决策信息体(即决策信息体)的相关概念,通过决策信息体构造了基于Vague集信息的一致性决策矩阵及模糊熵,其次利用Vague集信息的相似度量以及Vague集信息的模糊熵两种信息不确定性度量方法,对基于Vague集信息的多属性群决策专家水平评判问题提出了两种评判方法,即统计分析方法和模糊熵分析方法,对专家的评判水平进行排序.最后,通过一个算例说明两种方法的一致性、有效性和实用性.     

Topology vs generalized rough sets

This paper investigates the relationship between topology and generalized rough sets induced by binary relations. Some known results regarding the relation based rough sets are reviewed, and some new results are given. Particularly, the relationship between different topologies corresponding to the same rough set model is examined. These generalized rough sets are induced by inverse serial relations, reflexive relations and pre-order relations, respectively. We point that inverse serial relations are weakest relations which can induce topological spaces, and that different relation based generalized rough set models will induce different topological spaces. We proved that two known topologies corresponding to reflexive relation based rough set model given recently are different, and gave a condition under which the both are the same topology.     

不完备信息下的灰色粗糙集成决策模型侯亚林

In this paper, for multiple attribute decision-making problem in which attribute values are interval grey numbers and some of them are null values, a decision model based on grey rough sets integration with incomplete information is proposed. We put forward incidence degree coefficient formula for grey interval, by information entropy theory and analysis technique, the method and principle is presented to fill up null values. We also establish the method of grey interval incidence cluster. Because grey system theory and Rough set theory are complementary each other, decision table with preference information is obtained by the result of grey incidence cluster. An algorithm for inducing decision rules based on rough set theory and the dominance relationship is presented. In some extent, this algorithm can deal with decision-making problem in which the attribute values are interval grey numbers and some of them are null values. Contrasted with classical model of cluster decision-making, the algorithm has an advantage of flexibility and compatibility to new information.     

考虑供应链影响时基于粗糙集方法的企业信贷风险评估

对于考虑供应链时的企业信贷风险评估问题,提出基于粗糙集的解决办法.首先,根据样本数据建立决策信息表;然后采用等间距法对决策信息表的连续属性值进行离散化,并且应用辨识矩阵求出最小约简;最后,应用启发式值约简算法求出决策规则.试验计算结果表明,所提出的方法对企业的信贷等级能够进行有效的预测.     

专家知识库粗集建模中基于熵的数据离散化

首先分析了专家知识库粗集建模中连续数据离散化存在的问题 ,指出允许引入少量的冲突对专家知识库的建模分析是有益的 ;提出了一种基于信息熵的数据离散化方法 ,并分析了数据离散化的熵的度量 ,根据求解问题设计了一种问题求解的遗传算法 ;最后以基于多 Agent车间调度系统中调度 Agent任务分派知识库的粗集建模为例说明了方法的应用过程     

基于粗集和熵权-TOPSIS法的高新技术企业自主创新能力评价

科学评价高新技术企业自主创新能力,可加快推进高新技术企业成为自主创新主体.运用粗糙集属性约简区分矩阵算法对高新技术企业自主创新能力评价指标进行约简,通过熵权法客观确定指标权重,采用TOPSIS法进行综合评价.以某市高新技术企业为具体实例,得出按企业登记注册类型分的各类高新技术企业自主创新能力排序,证明了该评价方法的可行性和有效性.     

知识库中知识的信息表示及其上的粗动力系统

粗集理论对知识进行了形式化定义,它为处理不确定,不完整的海量数据知识提供了一套严密的数据分析处理工具．但粗集概念及运算的代数意义表示往往不易被人理解．本文针对于此。在知识库中提出了知识的信息熵问题,证明了知识的某些信息表示与其代数表示是等价的,最后还讨论了知识库上的粗动力系统的一些性质。     

An exact feature selection algorithm based on rough set theory

Feature reduction based on rough set theory is an effective feature selection method in pattern recognition applications. Finding a minimal subset of the original features is inherent in rough set approach to feature selection. As feature reduction is a Nondeterministic Polynomial‐time‐hard problem, it is necessary to develop fast optimal or near‐optimal feature selection algorithms. This article aims to propose an exact feature selection algorithm in rough set that is efficient in terms of computation time. The proposed algorithm begins the examination of a solution tree by a breadth‐first strategy. The pruned nodes are held in a version of the trie data structure. Based on the monotonic property of dependency degree, all subsets of the pruned nodes cannot be optimal solutions. Thus, by detecting these subsets in trie, it is not necessary to calculate their dependency degree. The search on the tree continues until the optimal solution is found. This algorithm is improved by selecting an initial search level determined by the hill‐climbing method instead of searching the tree from the level below the root. The length of the minimal reduct and the size of data set can influence which starting search level is more efficient. The experimental results using some of the standard UCI data sets, demonstrate that the proposed algorithm is effective and efficient for data sets with more than 30 features. © 2014 Wiley Periodicals, Inc. Complexity 20: 50–62, 2015     

基于粗糙数和信息熵的产品设计方案灰色关联评估模型

针对复杂产品方案设计中指标属性信息的不完全性和不确定性,研究了一种基于粗糙数和信息熵理论的灰色关联评估模型。首先通过引入粗糙数序列的范数实现粗糙数评估矩阵的规范化处理,并利用熵权对指标属性值进行权重集结,然后构建理想最优特征序列,并借助基于信息还原算子的粗糙相似关联度来获得最优评估方案。信息熵赋权可减少主观赋权产生的人为因素影响,信息还原算子可避免评估过程中的信息失真现象。最后通过工程机械产品的实例,验证了该评估模型的有效性和实用性,便于对复杂产品的方案设计进行评估和优选。