不协调决策表的不协调度

针对不协调决策信息系统中的不协调决策规则,定义了不协调决策规则对。对于属性或对象较多的不协调决策表,用辨识矩阵提取不协调决策规则对较为繁琐。首先利用包含度筛选含有不协调决策规则对的等价类,然后由辨识矩阵提取不协调决策规则对,并计算其数目。也可以根据广义决策分布函数的分量直接计算不协调决策规则对的数目。进而计算出不协调决策表的不协调度。最后研究约简前后不协调决策表的不协调度之间的关系。     

一种基于包含度的待识样本决策算法

根据决策规则,把待识样本分为4类,基于包含度这一描述不确定性关系的有效度量方法,给出每一类的具体决策算法,并通过实例进行验证.     

基于粗糙集和包含度理论的决策规则提取方法

粗糙集理论是一种处理模糊和不确定知识的数学工具，正越来越被人们所重视．首先介绍了集值信息系统和粗糙集理论的相关知识，说明经典信息系统可以作为简单的集值信息系统处理。然后在集值信息系统中，以粗糙集理论为基础，引入包含度的概念，介绍包含度的几种生成方法，建立包含度的知识发现方法，最后通过具体的例子说明这种决策规则提取方法是有效的．     

基于包含度的模糊粗糙近似算子

1965年,L.A．zadeh提出了模糊集理论,1982年,波兰数学家Z．pawlak提出了粗糙集理论,将二结合而形成模糊粗糙集及粗糙模糊集．利用包含度的概念定义上模糊粗糙近似算子,下模糊粗糙近似算子,边界．并讨论它的性质．     

不一致决策表的分配序约简

在不一致决策表中定义了分配序约简，给出分配序一致集的判定定理。通过定义分配序区分矩阵给出求分配序约简的区分矩阵法。为克服区分矩阵法时间复杂度随系统大小的增加而指数增长的缺陷，通过定义属性的相对重要性，提出一种求分配序约简的启发式算法。通过实例分析说明启发式算法的有效性，为从不一致决策表中获取知识提供了一种有效方法。     

基于包含度的VC成绩分析

将基于包含度的数据挖掘方法引入到高职学生VC成绩的分析之中,得出了有意义的约简和针对性的规则,通过实验研究,表明该方法得到的实用规则,在以后提高教学绩效方面具有较大实用价值.     

强包含度公式的若干注记

给出了 Ｃ． Ｃ． Ｗ ａｎｇ 和 Ｈ． Ｓ． Ｄｏｎ 定义的强包含度公式的改进形式,指出该公式和 Ｋｏｓｋｏ 定义的强包含度公式在性质上的差异。定义了基于模糊积分的强包含度公式。     

基于属性分辨度的不完备决策表属性约简算法

针对现有不完备决策表属性约简算法复杂度较高的问题,提出了基于属性分辨度的属性约简算法.文中分析了不完备决策表中条件属性相对于决策重要性的外在表现,提出了属性分辨度的概念,并给出了属性分辨度随着约简属性集的变化而动态更新的计算方法.该算法在属性约简过程中会不断删除已经属于正域的对象或不影响正域计算的相容块,通过降低样本数据的规模来减少计算耗时,加速属性约简.理论分析和仿真实验表明,文中算法是有效的,并且算法复杂度优于现有的不完备决策表属性约简算法.     

基于包含度的粗糙集模型

提出了包含度近似空间的概念，得到了基于包含度的粗糙集模型，从而为知识获取提供了一个新的不确定性方法。     

基于等价类的不一致决策表约简改进算法

对Rough集的属性约简进行分析,特别针对不一致决策表,提出一种新的约简算法。算法通过等价类消除决策表不一致性,然后利用传统算法进行约简,并用实例证明算法可行性。     

不协调决策表的属性约简模型及规则提取

基于广义决策分布函数介绍了不协调决策表的属性约简模型,并对相关模型进行了研究,得出了相关结论;最后,给出了各种模型的规则提取方法。     

Reducing Inconsistent Rules Based on Irregular Decision Table

In this paper, we study the problem of rule extraction from data sets using the rough set method. For inconsistent rules due to improper selection of split-points during discretization, and/or to lack of information, we propose two methods to remove their inconsistency based on irregular decision tables. By using these methods, inconsistent rules are eliminated as far as possible, without affecting the remaining consistent rules. Experimental test indicates that use of the new method leads to an improvement in the mean accuracy of the extracted rules.     

不相容决策表中知识约减算法的比较分析

对不相容决策表分别使用3种知识约简方法(代数方法、信息熵方法和差别矩阵方法)得到的结果可能不同。在此概括这些知识约简并介绍其在分析不相容决策表中的作用。因此对于知识约简方法的选择,可以由不同决策粒度的需求决定,从而可以在相似和不确定推理的模型下生成合适的决策规则。结论对今后数据预处理的模型和算法的研究有一定作用。     

一种基于依赖度的决策表属性约简算法

属性约简是粗集理论研究的重要内容之一,计算所有属性约简已被证明是NP-hard问题,目前尚不存在一种非常有效的方法。基于依赖度的决策表属性约简算法,可同时适用于一致和不一致的决策表,实验结果表明,与Hu提出的属性约简算法相比,该算法不仅简单可行,而且具有较好的时间性能。     

基于决策规则的属性约简算法

属性约简是粗糙集的核心问题之一。本文基于决策规则给出属性约简相关结论和属性重要性,提出启发式约简算法,引入黄金分割法思想,提高算法效率,并以实例验证算法有效性和正确性。     

基于聚类分析的决策表约简

基于粗糙集方法提出了一种系统的决策表约简和决策规则提取方法. 为了避免现有属性离散化方法的不足,使用多元统计中的聚类分析,并借助树形图,R2、半偏相关以及伪F统计量,对连续属性进行离散化处理,得到适合粗糙集方法要求的决策表. 在此基础上,简化了基于可辨识矩阵和逻辑运算的传统属性约简算法,并完善了启发式算法进行属性值约简和决策规则提取. 最后,以应用实例验证了该方法的可行性和有效性.     

基于决策树的神经网络规则抽取方法

将从神经网络中抽取一个可理解的模型视为一个归纳学习任务 ,其中 ,目标概念就是神经网络表达的功能 ,所生成的可理解模型是一个能很好近似神经网络的决策树 .在这个过程中 ,应用了决策树归纳学习的优化原则 ,使得生成的决策树能最简洁、准确地描述神经网络学到的知识 .实验证明 ,生成的决策树可以很好地近似神经网络 ,且比用传统方法生成的决策树具有更好的分类精度 ,同时NNtoDT算法也保持了具有较好的通用性和可扩充性的特性 .     

一种基于知识距离的决策规则的评测

粒度计算是信息处理的一种新的概念和计算范式,覆盖了所有有关粒度的理论、方法、技术和工具的研究。主要用于处理模糊的、不完整的、不确定的和海量的信息。粗糙集模型作为粒度计算的三大研究模型之一,得到了广泛的应用。针对粗糙集中决策规则性能的评测问题,本文基于粒度计算的思想,提出一种粒化算法,通过知识距离来粗化条件属性集,实现对决策规则的评测。实例证明该方法评测效果较为理想。     

不完备决策信息系统规则提取的一种新方法

针对不完备决策信息系统问题,文章引入容差关系下包含集的概念,并由此提出一种基于包含集的不完备决策信息系统规则提取的新方法.相对于常规方法,该方法计算量较少.最后,文章通过实例验证了该方法的可行性和有效性.