基于量化相似关系的不完备决策信息系统的完备化算法

由于不完备信息系统中得到等价关系比较困难,这使粗信理论的应用受到限制,为此相似关系信息系统被得出,它利用对象之间相似性的把握能力对传统粗集理论进行扩充.在改进相似关系的基础上,提出以相似关系的量化值为尺度,并考虑决策规则的相容性对不完备决策信息系统的缺省数据进行填补.     

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.     

基于不完备决策信息系统的知识约简算法

针对复杂领域中的决策信息系统往往存在数据缺失现象,差别矩阵作为决策信息系统知识约简的有效方法之一,但传统的差别矩阵方法并不适用于不完备决策信息系统,为此构造了基于不完备决策信息系统的差别矩阵,并简化了差别矩阵中的属性元素,有效地删除了差别矩阵中的冗余元素。然后结合不完备决策信息系统的核属性,利用启发式方法设计了一种基于不完备决策信息系统的快速知识约简算法,最后通过实验比较验证了算法的有效性。     

一种不确定型OWA算子及其在群决策中的应用

把Yager提出的有序加权平均（OWA）算子推广到所给定的数据信息为区间数形式的不确定环境之中，基于区间数据两两比较的可能度公式和模糊互补判断矩阵的排序公式，提出了一种不确定型OWA算子，人出了其在应用过程中的具体步骤，并提出了一种相应的集结群决策信息的方法，最后通过算例说明了方法的可行性和有效性。     

不协调目标信息系统的知识获取

利用最大分布约简方法,找出不协调目标信息系统的最大分布约简,即重要的属性集,再根据规则归纳的7种形式和决策矩阵方法形成决策规则,并通过实验验证方法的有效性．     

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。     

不一致邻域决策信息系统的增量式属性约简研究

属性约简是数据挖掘、机器学习等研究领域中的一个非常重要的预处理步骤,其效率的高低会直接影响到数据挖掘、机器学习等相关任务的性能。针对目前已有的非增量式属性约简方法在处理不一致邻域信息系统动态变化时无法高效更新属性约简的问题,提出一种在不一致邻域决策信息系统中对象集发生变化时的增量式属性约简方法。首先,该文以不一致邻域决策信息系统为研究对象,结合不一致邻域的特点给出了一种新的不一致度的表示方法。在此基础上用不一致度来表征属性重要度,以属性重要度为启发式信息研究不一致邻域信息系统对象集发生变化条件下邻域类以及不一致度的更新机理。随后,以不一致度为启发信息构建了增量式属性约简算法。进一步,在UCI上选取6个数据集,通过分类精度测试实验精选出各个数据集的最佳邻域半径δ,最后,利用最佳邻域半径δ在各个数据集上执行增量式属性约简算法实验,实验结果表明该文提出的增量式属性约简算法在保持分类精度不变的前提下较其他算法更加快速和有效。     

基于决策支持度的不完备信息系统约简算法

提出了一种基于决策属性支持度的属性相对约简算法。通过引入决策属性支持度对不完备决策表中属性的重要性进行了定义,并以此作为启发信息进行属性的选择,该算法的时间复杂度是多项式的。寻找决策表中最小相对约简问题是典型的NP-hard问题,采用该算法可降低问题复杂度。通过实例说明,该算法能得到不完备决策表的最小相对约简。     

模糊决策信息系统属性重要度的约简算法

针对模糊决策信息系统,在模糊特征属性上采用截集划分论域,构造了模糊决策信息系统下的粗糙集模型,引入了模糊决策信息系统的一种属性重要度的约简算法,通过实例计算验证了算法的可行性.     

一种具有多粒度不确定语言信息的群决策方法

针对具有多粒度不确定语言信息的群决策问题,运用不确定语言信息运算法则计算各决策者关于方案的综合不确定语言信息.依据不确定语言信息优势可能度的定义,计算各决策者关于方案的优势可能度矩阵.运用OWA算子集结各决策者关于方案的优势可能度矩阵并计算各方案的排序值.通过一个应用实例说明了该方法的可行性和有效性.     

不相容决策信息系统属性核的研究

决策表属性核的计算往往是基于Rough集理论的决策信息系统约简过程的出发点和关键．不相容决策信息系统是信息系统约简处理研究的重点．本文对不相容决策信息系统属性核的计算问题进行研究，证明了Rough集理论代数观和信息观中属性核概念的包含关系，以及几种属性核计算方法所得到的结果之间的包含关系．     

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.     

模糊信息分析决策支持系统

介绍一种信息分析决策（ＩＡＤ）系统，它是将已有的科研成果ＦＨＷ决策系统和ＦＧＲ关联系统融合在一起，再加上其它一些功能扩展而成的一种为信息分析、决策（对策）服务的系统，具有自动给出情报最佳对策的功能     

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。     

利用高效决策信息提高信息决策的效应

信息是决策的基础,信息的质量关系到决策效应的高低。通过分析决策信息与信息决策的关系,提出提高决策信息收集的质量要求,归纳出利用决策信息进行信息决策的一般方法。     

基于Rough集的决策树算法

针对基于Rough集的经典分类算法值约简算法等不适合大数据集的问题，提出了基于Rough集的决策树算法。采用一个新的选择属性的测度——属性分类粗糙度作为选择属性的启发式，该测度较Rough中刻画属性相关性的测度正区域等更为全面地刻画了属性分类综合贡献能力，并且比信息增益和信息增益率的计算更为简单。采取了一种新的剪枝方法——预剪枝，即在选择属性计算前基于变精度正区域修正属性对数据的初始划分模式，以更有效地消除噪音数据对选择属性和生成叶节点的影响．采取了一种与决策树算法高度融合的简单有效的检测和处理不相容数据的方法，从而使算法对相容和不相容数据都能进行有效处理。对UCI机器学习数据库中几个数据集的挖掘结果表明，该算法生成的决策树较ID3算法小，与用信息增益率作为启发式的决策树算法生成的决策树规模相当。算法生成所有叶节点均满足给定最小置信度和支持度的决策树或分类规则，并易于利用数据库技术实现，适合大数据集。     

一种新的基于UEOWA算子的多属性决策方法

对不确定语言型的多属性决策问题的研究,首先是对不确定语言变量进行排序.一些专家通常利用可能度建立可能度矩阵,得到可能度矩阵的排序向量,再根据排序向量分量大小对不确定语言变量进行排序.在此基础上,给出了不确定语言变量的下标和的定义,根据下标和的大小来判断不确定语言变量的排序先后.最后用此方法来研究UEOW A算子的多属性决策问题.     

维护系统信息一致性的区域名系统

给出为分配系统信息而开发的区域名系统——GV网络信息系统的设计思想,其运行情况表明,网络上能稳定地自动维护系统信息一致性,可靠性好,并且处理过程中耗时少。