属性约简中的近似问题研究

现有相对约简实际上只是在保持所关心范畴的下近似不变的前提下对属性进行约简,这对于不协调信息系统来说,可能会使所关心范畴的上近似变大,从而使其近似精度减小,导致有用信息的丢失.为此,针对属性约简中的近似问题进行了研究,引入近似相对约简概念,利用近似相对约简替代现有相对约简来处理不协调信息系统,以克服现有相对约简在不协调信息系统中所带来的缺陷.同时,证明了在协调信息系统下,条件属性集相对决策属性集的近似相对约简和相对约简是等价的,并提出了一种基于近似相对约简的简便属性约简算法.     

基于邻域粒化的小生境微粒群混合数据约简

混合决策系统中同时包含了符号型属性和数值型属性,经典粗糙集处理数值型属性时需要进行离散化,这样会造成信息的丢失。基于邻域粒化的思想,提出了小生境微粒群约简方法,分析了邻域距离函数的选择和大小对分类精度和约简属性数量的影响。邻域粒化的方法可以直接处理数值型属性,微粒群全局优化的特性可以有效的求解全部约简,小生境技术的采用避免了微粒群算法的早熟收敛。选取UCI数据集进行了仿真实验,结果表明该方法可以快速有效地求解混合决策系统的约简,而不影响系统的分类精度。     

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

改进分辨矩阵下的增量式条件属性约简算法

通过分析现有分辨矩阵的不足,给出了基于条件熵的分辨矩阵定义,以得到不一致决策信息系统下的合理条件属性约简结果.基于改进分辨矩阵的定义,提出了相应的条件属性约简算法,并证明了其约简为不同于代数观点下的约简,而与信息观点下的约简相同.进一步,对该改进分辨矩阵做进一步修正,提出了一个增量式条件属性约简算法.实验结果表明:所提出的改进分辨矩阵下的条件约简算法总体上优于同类求解算法,而其增量条件约简算法能够获得稳定可靠的约简结果,同时约简效率得到较大的提高.     

基于遗传算法的不完备信息系统属性约简方法

提出了一种基于遗传算法的属性相对约简算法。通过在不完备信息系统中引入决策属性支持度的概念,来描述由条件属性所提供的知识对整体决策的支持程度,以此作为启发式信息求出相对核,并将相对核加入遗传算法的初始种群中以加快算法的收敛。同时,在适应值函数中引入惩罚函数,可以保证所求约简既含较少的属性又有较强的支持度,能够获得最佳的搜索效果。该算法通过实例分析,证明是求解属性约简问题的快速有效方法。     

基于最优选择对象不变的软集合参数约简

在比较分析了粗糙集属性约简和软集合参数约简的基础上,提出了软集合中基于最优选择对象不变的参数约简方法.分别对软集合中只存在一个最优选择对象和存在多个具有相同选择值的最优选择对象的情况作了分析,给出了两种情况下软集合参数约简的具体算法和算例,并对相关结论进行了证明.通过软集合的参数约简,不仅能够有效地简化决策过程,在存在数据缺失的情况下,还能尽可能地利用有效信息资源.     

基于遗传算法的粗糙集知识约简方法

提出一种基于遗传算法的知识相对约简算法。通过在知识表达系统中引入决策属性支持度的概念，来描述由条件属性所提供的知识对整体决策的支持程度，并通过决策属性支持度定义条件属性对决策属性的相对重要性，以此作为启发式信息求出相对核，并将相对核加入遗传算法的初始种群中以加快算法的收敛。同时。在适应值函数中引入惩罚函数，可以保证所求约简既舍较少的属性又有较强的支持度，能够获得最佳的搜索效果。该算法通过实例分析，证明是求解知识约简问题的快速有效方法。     

基于粗糙集理论的多源信息融合故障诊断方法

在故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题.首先,针对完备信息系统和不完备信息系统分剐提出了相应的融合算法,为解决数据超载以及不完整信息融合问题提供了有效的方法.其次,提出了基于粗糙集理论的多源信息融合故障诊断模型.该模型从包含冗余和不一致信息的原始数据出发,利用基于改进属性重要度的方法实现故障征兆属性约简;然后通过给出的值约简算法进一步产生最大广义决策规则集,建立了用于故障诊断的规则库.最后,在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据置信度、覆盖度和支持度进行综合评价,并得出诊断结论.给出的诊断实例验证了该方法的可行性和有效性.     

基于离散化分布密度的无人机粗糙决策方法

无人机“精准农业”任务要求无人机能够响应环境信息进行自主决策,从而完成喷绘任务。首先,研究了面向作业要求的空间属性设计规则,根据精准作业条件属性因子的值域分布特点及其样本密度,提出了一种基于高斯分布密度的反正切属性精细离散方法。然后,利用粗糙集属性依赖度的算法求解属性约简,去掉冗余的属性,获取精准作业的粗糙决策规则表。最后,通过试验验证了粗糙决策方法的合理性和准确性。     

有约束指导的粗集决策表属性约简算法

粗集理论通过对原始决策表的约简获取规则知识,其核心部分是属性约简.本文在结合两种基本属性约简算法优点的基础上提出了有约束指导的属性约简算法,并给出了算法的详细步骤.该算法通过专家经验的约束指导避免了对属性之间随机组合情况的搜索,可以提高求解速度.仿真试验验证了该方法的有效性和优越性.应用该算法处理一组生产调度数据以获取调度规则,结果显示能较好的与生产实际相吻合,这进一步验证了算法的实用性.     

基于熵权群组决策的停车设施规划方法

本文旨在研究城市停车设施规划的多属性决策问题.论文以评价指标体系的建立为基础,运用群组决策特征根法对专家组的评判信息进行综合归纳,并采用熵权与决策者的主观权重相结合的方法确定评价指标的综合权重,建立了基于熵权的群组决策评价方法.最后通过应用举例说明该评价方法科学可靠.     

两种经营模式下通勤廊道停车换乘选址及停车费用优化

停车换乘作为交通需求管理措施的一个重要手段,可以有效缓解城市中心区的交通拥堵以及城市停车问题.合理的停车换乘没施选址和停车费用都将大大提高停车换乘设施的作用和完善整个城市交通系统的功效.本文以通勤廊道的停车换乘系统为对象,分别考虑政府经营和企业经营两种模式,提出了双层规划模型来描述停车换乘条件下停车换乘选址及停车费用优化问题.基于灵敏度分析的方法,提出了分支定界算法求解提出的双层规划模型.采用数值算例验证了提出的模型和算法的有效性.该研究可以为从成本与收益的角度对停车换乘设施的建设方案的评价提供决策支持,对停车换乘系统的发展和规划具有理论指导意义.     

基于Rough集的空间属性数据挖掘的研究与实践

介绍了地理信息系统（GIS）的概念，深入研究了空间数据库的特性，探讨了Rough集理论，分析了Rough集合和空间数据的关系，讨论了差别矩阵的概念和算法，应用信息熵和模糊数学模型，给出了空间数据库属性数据的数据约减和数据挖掘算法，最后分析了一个应用事例，从而验证了算法的可行性。     

权重信息不完全的多粒度犹豫模糊语言群决策

针对属性权重信息不完全的多粒度犹豫模糊语言型多属性群决策问题,提出了一种基于指派模型的决策方法.本文的主要贡献在于:1)基于犹豫模糊语言术语集的得分函数,提出了从犹豫模糊语言术语集向量中确定备选方案序频次矩阵的算法;2)给出了专家关于备选方案的群体加权序频次矩阵的计算方法,将决策者给出的不完全属性权重信息作为约束条件,建立了混合0-1二次规划模型来确定备选方案的群体排序;3)通过将该方法应用于医疗废物处理技术选择问题,说明了所提决策方法的可行性和有效性.     

基于图层叠加的多目标选址模型

分析了国防工程设施选址的目标和约束条件,研究建立了建设项目选址多目标决策模型.在MGIS(militarygeographicinformationsystem)中运用叠加模型解决了选址决策空间上可行域或有限方案集的搜索问题,提出了选址规范决策矩阵的构建和求解方法,并给出了算例.     

基于主元分析及粗糙集的多变量决策树构造方法

为解决故障诊断中单一方法难于处理大规模、多变量数据信息的问题,提出了一种利用主元分析方法和粗糙集理论相结合的多变量决策树构造方法.该方法利用主元分析对历史数据进行降维、去噪处理,得到由主元变量组成的决策信息.通过粗糙集理论中核属性和相对泛化的概念对此决策信息进行属性选择和样本集划分,构造出多变量决策树,并建立诊断规则知识库.基于汽轮机发电机组的轴系振动故障分析的实例验证了此方法的正确性,与其他方法相比较具有规模小、诊断规则易于提取的特点.     

知识粗糙性的粒度原理及其约简

粗糙集理论是一种新的软计算方法,已成为知识发现和诊断决策领域的一个研究热点。经典的粗糙集理论提出知识是有粒度的并定义了知识粗糙度的概念,但它不能完全区分不同信息粒度所表示的信息量。从信息论的角度定义了信息粒度的概念,重点研究了知识粗糙性的粒度原理,定义了粒度函数和粒度熵的概念,提出了信息粒度的量化计算方法,解决了知识粗糙度在表达信息时的不足。根据知识粗糙性和信息粒度本质上的一致性,提出了一种基于粒度熵的属性约简算法,该算法可以从各约简集中选择最优属性约简,避免了选择约简集的盲目性。实例研究证明提出的粒度计算方法是可靠有效的,为进一步研究知识的粒度计算提供了可行的方法。     

属性约简的两阶段遗传算法

属性约简是数据挖掘的一个重要研究内容. 为了解决具有多种属性类型的决策表约简问题,在粗集和二元关系聚合理论的基础上,利用属性重要性作为评价标准,提出了一种两阶段遗传约简算法. 算法的第一阶段是为了找出尽可能多的约简,第二阶段力求寻找最小约简. 根据算法每个阶段的目标设计了编码方案、种群规模、适应度函数、终止条件、选择、变异和修正操作. 实验表明,与标准遗传算法相比,两阶段算法在计算最小约简时更为准确和稳定.