Rough集规则知识获取研究中的一不致性问题

讨论数据挖掘问题，即从原始数据中构造规则。重点考虑不一致情况下的规则知识获取问题，即从包含不一致信息的数据取得到缺省规则，并研究在不一致条件下的决策规则选择策略，例之能够在不完全、不一致的条件下进行推理。同时将在Ｓｋｏｗｒｏｎ缺省规则获取算法的基础上，根据对不一致性的分析，提出从包含不一致信息的表中获取缺省规则，并能够对任意待识样本进行处理的方法。     

基于包含度的不一致决策表规则获取

基于包含度这一描述不确定性关系的有效度量方法,依据决策表中包含的确定信息与不一致规则本身信息,对不一致决策表进行修正,进而获取较理想的决策规则,并通过实例进行验证．     

一种基于粗糙集的决策算法挖掘方法

属性约简和属性值约简是利用粗糙集理论从决策表中挖掘决策规则的基础,挖掘决策规则是粗糙集理论的重要研究领域之一。本文根据属性的重要度和条件差别矩阵来进行条件属性约简,找出有效约简。同时定义了决策表的不一致度,并根据属性重要度来进行属性值约简,在保持决策表不一致度不增加的前提下挖掘出决策规则,该决策规则集满足独立性、覆盖全域性、可接受性和一致性,即决策规则集为决策算法,最后运用实例对该方法的有效性进行说明。     

一种基于GDT的缺省规则发现算法

将泛化分配表(GDT)作为假说搜索空间, 提出了一种从不一致和不完全的数据中提取缺省规则的算法. 使用该算法可以从不一致和不完全的数据中挖掘缺省规则, 同时该算法可过滤数据中的噪声, 并且可以对未见实例进行预测.     

不协调决策信息系统的一种协调化算法

对于条件属性值一致而决策结果不一致的决策信息系统,提出一个根据系统中的不协调规则特点,利用系统中协调规则的信息使该系统变为协调决策信息系统的算法,并通过实例进行验证.     

一种基于关联规则的缺省规则挖掘算法

传统的基于Rough集的缺省规则挖掘算法须计算差别矩阵并生成大量的条件属性类，挖掘效率低．为此，本文引入相容关联规则和决策关联规则的概念，提出基于关联规则的缺省规则挖掘算法——DRMBAR，该算法借助FP-tree存储结构挖掘出决策关联规则，并用相容关联规则性质对决策关联规则进行有效修剪后生成相应的缺省规则,DRMBAR可有效地过滤噪声、提高缺省规则挖掘效率，且克服了传统算法依赖于主存的限制，为缺省规则的挖掘提供了一种新的框架。实验结果表明该算法是有效且可行的。     

基于决策场和动力学的航空器搜寻区域划设

在失事航空器信息条件缺省的情况下,定位航空器搜寻区域对开展后续救援工作极为重要,为提高定位准确率,通过决策场的相关理论,对迫降过程中飞行员的应急行为决策进行分析,从而提出了一种耦合飞行员应急行为决策和飞行动力学的航空器搜寻范围划设方法。在此基础上,根据高高原地区的气象地形条件建立飞行环境,以B737-700机型为例,在考虑飞行员决策结果差异的情况下,对部分信息条件缺省的航空器迫降飞行过程进行模拟,并据此确定搜寻区域的范围和优先级。仿真结果表明在不稳定因素干扰或信息缺省的情况下,耦合飞行员应急行为决策和动力学模型的搜寻范围划设方法是可靠的。     

基于粗集理论的缺省规则挖掘模型

提出了一种基于粗集的缺省规则挖掘模型 ,以利于在信息不完备情况下进行推理和决策 .该模型从已知决策系统出发 ,建立了处于不同简化层次上的一系列子系统 ,并将其作为简约格中的节点 ,然后推导出每个节点的规则集 .在应用模型进行推理和决策分析时 ,用给定对象的信息与模型中相应节点的规则进行匹配 ,然后按照某种评判准则得出结论 .这种模型可以很方便地根据给定的信息 ,从最符合的子系统中获得尽可能好的结论     

基于OE-近似概念格的不完备决策背景的规则提取

首先,通过对象诱导的三支条件近似概念格和三支决策近似概念格的细于关系,定义了不完备决策背景的OE-协调性;然后,在OE-协调的不完备决策背景上提出了对象诱导三支规则的提取方法, 分别从正面和负面的角度对规则进行获取和解释, 给出了冗余规则的判定定理及非冗余规则集的提取算法;最后,利用包含度理论,提出了带有置信度的三支规则提取方法, 提供了更为丰富的细节, 使得获取的规则更加完善。     

优势变精度粗糙集在UCAV威胁估计中的应用

针对对象属性包含偏好信息及对象属性数据可能存在噪声或者一定程度的不完整的问题,在对经典粗糙集理论分析的基础上,引入优势变精度粗糙集方法,给出了优势变精度粗糙集算法的具体步骤,并结合UCAV作战特点,将其运用到UCAV威胁估计过程中.建立了基于优势变精度粗糙集方法的UCAV威胁估计决策信息系统,给出了决策系统所包含的条件属性和决策属性,并通过实例进行了分析.由结果可知,该决策方法实现简单,能正确对目标的威胁等级进行估计,且得出的规则以一定置信度给出,保证了规则的一致性,对于包含偏好属性的决策信息系统,该方法可以辨识出规则之间的不相容性.     

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.     

基于PL/SQL的粗糙集分类算法研究

为改进数据分类的效果，基于粗糙集理论实现数据分类和规则推理的基本原理，利用粗糙集理论中核及决策类覆盖的思想，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，简化带有不相容规则的决策系统的数据挖掘算法。通过PL／SQL演示了挖掘分类规则的过程，结果表明基于粗糙集分类算法的有效性。     

CORS方法与规则生成算法GRs

利用含序粗集方法, 依据标准的优先序信息及标准间的支配关系, 解决了推导含序信息规则问题. 提出一种新的规则生成算法, 并与其他规则产生算法进行了简单对比. 算法按照后件由强到弱产生规则, 能保证生成极小规则, 在某种意义下规则集是完备和无冗余的.     

基于粗糙集理论的数据挖掘模型

提出了一种基于粗糙集理论的数据挖掘模型,以利于信息不完备情况下的推理和决策问题的解决和研究。该模型从已知数据的初始决策系统出发,建立一系列的不同简化层次的子系统,然后推导出各个子系统的规则集,其中每条规则都有相应的置信度。在应用模型进行推理和决策分析时,用给定对象的信息与模型中相应节点的规则进行匹配,然后选用某种评判算法得出结论。给出了一个简单的例子来说明如何建立和应用这种数据挖掘模型。这样的模型可以很方便地根据给定的信息,在最符合的子系统上得出尽可能好的结论。     

一种基于机器学习的专家系统知识获取方法

提出一种基于机器学习的混合知识获取方法,该方法结合了基于历史数据的规则提取方法和基于模型的规则提取方法。使用这两种方法提取规则,将其应用于对原油电脱盐系统的故障诊断中。实验结果表明,该方法能够有效的进行规则的提取,为故障诊断打下了良好的基础。其中基于历史数据的规则提取方法通过基于遗传算法的粗糙集约简来实现;基于模型的规则提取方法利用了符号有向图(SDG)的计算机自动推理结果,将因果图转化为规则。利用两种规则获取方法同时充实专家系统知识库,提供覆盖整个工艺流程的知识。     

用模拟方法确定因子分析中因子数的实证研究

在1维或多维项目反应理论中,正确地决定教育评估考试的维度非常重要.通过分析考试的潜在结构,因子分析可以帮助分析考试的维度.在因子分析中有多种方法决定因子数目.但值得注意的是较多变量可以影响这些方法的准确性.该文提出了一种在因子分析中对特定的数据最准确决定因子数的模拟方法.     

基于粒计算Rough集模型的逻辑推理应用研究

讨论了粒计算理论信息粒子的构成,结合Rough集知识模型给出了信息决策系统不确定性推理的粒计算公式及其过程.针对水产养殖中鱼病诊断信息的模糊性、随机性等不确定特点,通过鱼病症状集形成条件属性粒子、疾病集形成决策粒子而构成的模糊信息决策表,描述出主要逻辑推理算法,即鱼病诊断的规则获取过程,促进粒计算理论应用,同时也为鱼病诊断领域提供了新方法.     

一种基于粗糙集分类规则发现的方法

介绍了粗糙集理论实现数据分类和规则推理的基本原理,并利用粗糙集理论中核及决策类覆盖的概念,提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系,并简化带有不相容规则的决策系统的多层次数据挖掘算法,应用一实际的例子说明如何在数据库中发现分类规则.     

基于熵和变精度粗糙集的规则不确定性量度

由已知数据中产生的粗糙决策规则往往具有不确定性 ,需要适当的不确定性量度。借鉴变精度粗糙集理论的思想 ,采用基于信息熵的方法构造了两个新的粗糙决策规则不确定性量度函数。它们不仅可以兼顾由划分的粒度引起的规则不确定性的两个方面 ,即不一致性和随机性 ,还考虑了数据中的噪声对规则一致性的影响。因此 ,它们对一类“几乎一致性规则”具有一定的保护作用。通过举例分析 ,说明它们更适于评价从有噪声数据中提取的粗糙决策规则。