与特征选取和离散化集成的决策规则挖掘方法

利用粗糙集理论可以从已知数据中挖掘决策规则 .对于连续取值的特征属性必须先对其离散化 .从给定的特征属性集合中去除冗余的特征属性 ,选取有用的属性子集有助于简化决策规则 .我们利用基于信息熵的规则不确定性量度函数构造了一个决策规则挖掘的遗传算法 ,将规则挖掘与特征选取和连续属性的离散化集成在一起 .实验结果说明了这种方法的有效性.     

遗传算法在决策表连续属性离散化中的应用研究

连续属性的离散化是压缩数据和简化分析的重要手段 ,也是模式识别、机器学习和粗集分析等领域研究的难点 .目前已出现多种离散方法 ,存在的主要问题是对离散效果影响较大的侯选分割点集选择带有较强的主观性 .最优离散化是 NP-困难问题 ,大多数离散化算法采用的启发式也难以得到较满意的离散效果 .基于粗集理论 ,探讨了上述问题 ,把分割点的优选问题转化为 0 -1整数规划 ,并提出一种用实数编码的遗传算法来计算最优分割点集.     

New method for discretization of continuous attributes in rough set theory

A new method for discretization of continuous attributes is put forward to overcome the limitation of the traditional rough sets,which cannot deal with continuous attributes.The method is based on an improved algorithm to produce candidate cut points and an algorithm of reduction based on variable precision rough information entropy.With the guarantee of consistency of decision system,the method can reduce the number of cut points and improve efficiency of reduction.Adopting variable precision rough information entropy as measure criterion,it has a good tolerance to noise.Experiments show that the algorithm yields satisfying reduction results.     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。     

一种新的连续特征量化方法

对连续特征进行有效量化是水下目标分类中有待解决的一个重要问题。本文提出一种加权距离量化方法。该量化方法使用类别相对频率构造了两相邻区间的加权距离,将加权距离作为特征量化标准,在量化过程中,将加权距离最小的相邻区间进行合并,直到满足终止条件为止。文中使用递归最小信息熵、Chi2、加权距离等五种量化算法对27维水下目标的识别特征进行了量化处理,比较了各量化方法的性能。结果表明,使用加权距离量化算法对水下目标的识别特征进行量化处理之后,所产生的量化区间数目较少,量化时间较短,量化数据较好的保持了原数据的分类能力,且量化数据的分类时间也大大缩短。     

基于粗糙集-神经网络的城市产业生命周期识别

以城市经济为背景,提出了基于粗糙集-RBF神经网络的城市产业生命周期识别方法.首先运用基于MDV函数与信息熵的模糊聚类算法进行连续属性离散化处理,然后采用粗糙集理论约简出重要指标体系,最后将训练样本输入RBF神经网络进行学习和训练,并对检验样本的产业生命周期阶段进行判断.对大连市669组样本产业的分析结果表明:基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果,且与通常采用的模糊评价法相比,该方法对检验样本预测精度更高,是一种有效和实用的城市产业生命周期识别工具.     

粗集在决策树优化中的应用

决策树是一种重要的数据开采方法，但构造最优决策树是一个NP困难问题，分析了以往决策树构造方法的不足，并从决策树最优化的观点详细研究了决策树构造过程中的几个重要问题，为防止决策树过细的分支，引入粗糙集中分辨的概念用于符号值属性的分划，并选择遗传算法优化求解，有关连续属性的处理，也给出了类似符号值属性分化的近似最小离散方法，在测试生成过程中还讨论了事例推理接口，基于上述分析，提出了决策树优化算法，这种算法从树的规模和分类精度都优于许多决策树算法。     

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。     

基于变精度粗糙集的分类决策树构造方法

针对分类决策树构造时最优属性选择困难、难以适合大规模数据集的问题,提出新的属性选择标准--属性分类重要性测度,引入王信度和支持度,设计了基于变精度粗集理论的决策树算法.分类重要性测度可全面刻画属性的综合分类能力,且计算比信息增益简单.决策树生长过程中引入支持度和置信度,以控制决策树的生长,提高决策树对噪声数据集和不相容数据集的处理能力,减小决策树的规模.通过对UCI上5个不同规模和类型的数据集进行测试计算,结果表明算法效率高于ID3算法,与UCI报告的最好结果相当.     

结合粗集理论的动态属性约简研究

针对动态建立数据库的需要和粗集约简存在的问题 ,在粗集理论的基础上提出了一种动态约简算法 .在数据库变化时 ,该算法不象静态粗集约简方法需重新寻找属性约简 ,而是利用新增的对象对原有的约简关系进行修正 ,大大节省了计算量 ,提高了搜索效率 ;同时在算法中还引入了信息熵准则以克服粗集约简准则对数据噪声的敏感性和不能表达属性间概率因果关系的缺点 .通过一个病因诊断问题的实例表明 ,该算法利用较小的信息表就找到了与静态粗集约简一致的属性约简集 ,并按照因果关系的大小 (不确定性大小 )对结果集合作了排序 ,同时计算量分析表明该算法比静态粗集约简极大地节省了计算量 ,提高了搜索效率 .     

空战决策知识构建方法研究

针对战训数据丰富, 数据背后空战决策知识贫乏的问题, 提出了一种空战决策知识构建方法。首先, 根据空战决策影响因素来分析决策知识的生成过程, 选择用产生式规则来表示空战决策知识。其次, 针对战训数据存在噪声数据干扰以及连续属性数据难以满足数据挖掘算法离散度量要求的问题, 应用了k-means聚类算法来检测离群点并使用最小描述长度准则算法将连续属性离散化。最后, 基于预处理后数据, 采用粗糙集提取空战最小决策规则知识, 通过构建模糊逻辑推理系统实现空战决策知识的推理与应用。仿真表明, 该方法能够有效地提取空战决策规则知识以及知识的推理与应用。     

基于粗糙逻辑的增量式属性约简算法

知识约简、决策规则的获取是粗糙集理论研究的核心内容。以粗糙逻辑为基础，首先给出了在新实例加入论域后判断约简变化与否以及判断原极小决策算法中决策规则变化与否的判定依据。在此基础上，提出了一种增量式属性约简算法。该算法能有效地减少计算属性约简与极小决策算法的计算量，提高了计算效率。     

基于属性重要性的多属性客观权重分配方法

针对属性权重完全求知且属性值以连续值形式给出的无决策属性的多属性决策问题,提出了利用属性重要性来进行客观权重的分配方法。该方法根据模糊聚类技术与粗糙集中的相对正域理论,论述了如何从客观数据中根据属性重要性确定各属性的客观权重。通过实例说明了该方法的合理性和有效性。     

基于优势关系和可变精度粗糙集的多准则决策方法

针对不确定性决策问题,提出了一种基于优势关系和可变精度粗糙集理论的多准则决策方法。该方法把基于优势关系的粗糙集模型和基于可变精度粗糙集模型结合起来,在可变精度粗糙集模型中把规则的置信度阈值当作可变精度参数值。首先,给出全部方案的成对比较表。然后,从一部分方案的成对比较表中,利用优势关系粗糙集和可变精度粗糙集的扩展粗糙集理论提取两类优势规则。最后,定义打分函数给全部方案打分,并进行排序,选出最优方案。通过一个简单算例论证了该方法的可行性。     

精度与程度逻辑差双量化粗糙集模型的属性约简

双量化具有完备刻画粗糙集近似空间的重要功能,精度与程度逻辑差粗糙集模型则是一类基本双量化模型.本文主要针对该模型,深入探讨其在二分类情形下的属性约简.首先,讨论了基于模型上下近似的二区保持的基本性质,提出并研究了二区保持约简;接着,定义了基于变精度上下近似与程度上下近似的四区保持约简,得到了其与二区保持约简的层次关系;最后,利用一个统计决策表案例对两种属性约简及它们的层次性进行了说明.对双量化属性约简来讲,本文的二区保持约简具有泛化性,而四区保持约简则具有基础性与指导性,它们从而提供了一些基本思路.     

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。     

基于可变精度粗糙集的多决策表分析方法

针对可能存在分类误差缺失信息的群体分类决策问题,提出了一种可以从多个决策表中获取群体分类偏好的可变精度粗糙集方法。该方法通过控制决策者的分类误差率,群体分类一致率及反对率,将多个决策表中符合条件的信息汇集,形成群体分类模式表,然后根据每种分类模式在不同分类误差率和群体一致率下得到支持和反对的频数,得到群体分类模式集合的下近似,即群体分类偏好。给出了应用该方法的具体步骤,算例验证了该方法的有效性。     

Method to determine α in rough set model based on connection degree

An improvement of tolerance relation is proposed in regard to rough set model based on connection degree by which reflexivity of relation can be assured without loss of information. Then, a method to determine optimal identity degree based on relative positive region is proposed so that the identity degree can be computed in an objective method without any preliminary or additional information about data, which is consistent with the notion of objectivity in rough set theory and data mining theory. Subsequently, an algorithm is proposed, and in two examples, the global optimum identity degree is found out. Finally, in regard to optimum connection degree, the method of rules extraction for connection degree rough set model baaed on generalization function is presented by which the rules extracted from a decision table are enumerated.     

肯定和否定决策规则的获取及约简

为了从不完备有噪声的信息系统中获取肯定和否定决策规则,首先提出了变精度粗糙集描述子的概念,并讨论了其性质|然后给出了该模型下肯定和否定决策规则获取的方法|最后,为了获得简化的决策规则,提出了基于分辨矩阵的描述子约简方法和保持下近似分布不变的启发式约简算法,在学生成绩的评测实例中验证了该方法的有效性。     

基于模糊集和粗糙集的武器系统作战能力评估

为了解决多属性决策中各属性权值常依赖主观确定的问题,提出了一种基于模糊集和连续粗糙集的武器系统作战能力评价模型。对连续系统样本值归一化后,采用模糊偏序模型对各样本进行排序,建立连续值决策信息表,解决了一般粗糙集需要有决策信息表的问题。进而基于粗糙集属性的广义重要度,计算各属性值的权重系数,避免了因属性值离散化对噪声的敏感而造成的不良后果。结合战斗机空战能力评估,验证了该方法对武器系统作战能力评估的可行性和有效性。