基于概念格的决策形式背景属性约简及规则提取

给出了决策形式背景下的属性约简与规则提取方法.为此,针对属性约简中起不同作用的属性,区分了必要属性与不必要属性,给出了各类属性的特征和判别方法;在此基础上得到了决策形式背景下的规则提取与属性约简方法,并通过实例表明了该约简方法的可行性与有效性.     

不完备直觉模糊信息系统的属性约简

利用优势关系,可对完备直觉模糊信息系统与决策信息表进行属性约简.将优势关系改进为广义优势关系,在此基础上构建了不完备直觉模糊信息系统与决策信息表的辨识矩阵,得到了求解属性约简与相对约简的具体方法.     

一般二元关系下的关系决策系统属性约简

文献[Wang C Z,Wu C X,Chen D G.A systematic study on attribute reduction with rough sets based on general binary relations.Information Sciences,178(2008),2237～2261]将基于经典粗糙集上的属性约简模型推广到基于广义粗糙集模型上,给出了关系决策系统中属性约简的判定定理和辨识矩阵.但是在属性约简模型中,支撑域的界定使模型的一般性受到限制.本文通过重新定义决策域的正域,给出了改进的决策系统属性约简判定定理和辨识矩阵,并对约简性质进行研究,实现关系决策系统基于正域的属性约简.     

决策系统属性约简的双向算法

提出了决策系统中对象约简的新思想,即在搜索属性约简的同时不断地缩小论域;并设计了一个采用增量式方法计算决策系统的双向约简算法;分析了算法的时间复杂度,最后用一个实例说明了算法的可行性与有效性.     

基于相似关系的条件熵属性约简及其算法

不完备决策系统关联于数据分析,其属性约简具有应用意义,并已具有基于容差关系的条件熵研究.基于相似关系,研究不完备决策系统的条件熵属性约简及其算法.利用相似关系确立条件熵,提出等价于广义决策函数保持约简的条件熵保持约简,建立具有误差容忍机制的条件熵容忍约简;针对两种新建属性约简,揭示它们间的扩张关系与强弱关系,构建相应的全局算法与局部算法;最后,提供决策表实例分析,说明基于相似关系的条件熵属性约简及其算法的有效性.相关研究完善了不完备决策系统属性约简,具有理论价值与应用意义.     

基于依赖空间的不协调决策信息系统的分配约简

从属性集角度研究不协调决策信息系统的分配约简问题。定义了一种决策分配二元关系,并利用这种关系建立了属性集幂集上的等价关系,由此产生依赖空间。同时利用决策分配二元关系和依赖空间给出了不协调决策信息系统分配协调集的判定定理,进而得到了一种保持不协调决策信息系统分配不变的属性约简方法。同时通过实例验证方法的有效性。     

基于模糊区分矩阵的增量属性约简

在实际应用中,决策系统的属性集可能随时间而变化。如何有效地更新约简成为数据挖掘中的重要任务之一。当属性集发生变化时,经典约简算法需要重新计算整个数据。而增量学习充分利用了现有的约简信息,避免了大量的重复计算,从而提高了计算效率。本文针对属性增加和减少的动态数据研究了增量属性约简方法。首先分别设计了属性增加和减少时模糊区分矩阵的更新机制;然后提出了新的属性增加的属性约简算法AIFDM和属性减少的属性约简算法ADFDM.最后,实验结果表明所提的增量算法能够有效的根据属性的增加和减少更新约简,且计算效率提升约1至4.9倍。     

一种基于相似度比较的模糊属性约简方法

属性约简是粗糙集理论的重要研究内容,本文基于模糊信息系统,一方面,通过模糊相似关系定义了条件相似度以及决策相似度,建立了关于条件相似度与决策相似度的相对比较矩阵,给出了属性约简集的新定义;另一方面,结合知识的粒度、分辨度、关联度确定了条件属性对决策属性的重要度,由此,提出了一种基于相似度比较的模糊属性约简方法。     

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.     

属性约简法在企业Agent联盟能力综合评价中的应用研究

针对Agent联盟能力评价问题进行研究,提出了基于粗糙集理论的属性约简法,并将其应用到联盟能力评价指标的约简中,得到新的、精简的指标体系,从而削减了评价问题的工作量,提高了评价问题的工作效率.运用基于欧氏距离的Topsis法对约简后的指标进行综合评价,并与其他方法结果进行比较,所得结果科学合理,并有较高的区分度.研究为系统中的最佳Agent联盟的选择提供科学、合理的决策支持.     

直觉模糊决策信息系统属性约简

由属性值贴近度和阈值λ可构建λ-容差关系,利用此λ-容差关系可定义直觉模糊决策信息系统属性约简的λ-可辨识矩阵,进一步可定义λ-辨识公式,最后通过λ-辨识公式的极小析取范式可以唯一确定直觉模糊决策信息系统所有的相对约简,从而可成功地解决求解直觉模糊决策信解息系统属性约简问题.     

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.     

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.     

直觉模糊序决策信息系统的分布约简

本文在直觉模糊决策信息系统中引入直觉模糊序关系,建立了基于直觉模糊序关系的决策信息系统.然后,基于定义的分布协调集,给出相应分布约简的判定定理和可辨识分布矩阵,从而提供了直觉模糊序决策信息系统的属性约简方法.最后通过例题验证方法的有效性.     

基于可辨识矩阵的属性约简算法及应用

针对决策信息系统最大分布约简问题,从代数角度给出了一种启发式属性约简算法.该算法在最大分布可辨识属性矩阵基础上,首先以最大分布核属性集为起点,然后对其余属性按其在可辨识属性矩阵中出现的频数大小逐次添加到核属性集中,再根据启发式算子对新的属性集给出最大分布约简的判断.重复以上步骤,直到找到最大分布约简.算例分析表明该算法...     

基于模糊近容度的战时物资供应偏好选址

提出一种基于模糊近容度的战时物资供应的偏好选址方法,认为选址方案的确立是一个模糊多属性决策过程,而且这些属性在决策中具有主观偏好性,决策表是在原始模糊条件属性表的基础上,根据模糊粗糙隶属度和近似精度约简得到。选址方案的排序由模糊近容度生成。最后说明此方法在应用上的合理性和有效性。     

不完备序区间值决策系统中的可信规则获取

以不完备序区间值决策系统为研究对象,其中不仅包含遗漏型未知区间值,而且属性值域为全序集.给出了未知区间值的三种形式及其填充式区间值的定义,引入灰的白化方法用以构建一个新的填充式不完备序白化值决策系统,并讨论其在优势和弱势关系下的可信规则获取.进一步研究了优势和弱势对象的约简以及其决策类的相对约简问题,给出了相应的判定定理与区分函数,为最终从不完备序区间值决策系统中获取最优可信决策规则提供了新的理论基础与操作手段.、     

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。     

多尺度优势模糊目标决策系统的粗糙集、最优尺度选择及约简

多尺度决策系统的知识获取是当今的研究热点之一。然而,在处理实际数据时,多尺度决策系统中的条件属性值之间可能存在优劣关系,决策属性取值可能为模糊数。针对这一类多尺度决策系统的知识获取问题,本文构建了多尺度优势模糊目标粗糙集模型,给出了该模型的最优尺度选择算法,并讨论了获取所有最优尺度约简的分辨矩阵法和获取一个最优尺度约简的简便算法。最后将本文提出的多尺度优势模糊粗糙集模型、最优尺度选择和规则获取算法应用于计算机审计风险评估,得到较为合理的评估规则。     

决策信息系统的变换及其变换规则形式化

传统的粗糙集分类、约简、规则挖掘方法处理的对象是某个时间点上的静态信息系统,因而获得的知识也是静态的.实际上信息系统通常表现为易变性和过程性,为了挖掘决策信息系统动态变换的趋势和规则,本文扩展了粗糙集中传统的分类、约简、规则挖掘的应用模式,提出决策信息系统基于时间序列单步和过程变换模型, 建立面向决策信息系统变化趋势的类划分机制和相应的语义,对条件属性变迁与决策属性变迁的相关性进行研究,并给出变换规则的形式化表示.