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。     

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 .     

基于特征矩阵的决策表约简研究

决策表属性约简是粗集分析的重要内容 .最优属性约简是 NP困难问题 ,目前出现的启发式算法多是以决策表的核为起点 .但对于大型决策表 ,核一般计算量大 ,影响了整个算法的效率 .为此提出了一种分析决策表的属性约简算法 ,它不仅不依赖于核 ,反而为核提供了一种有效的计算方法 .其次 ,对人们容易忽略的含噪声决策表的属性约简也进行了分析 .     

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.     

基于粗糙决策模型和蚁群算法的故障诊断

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具,它能在保持信息系统分类能力不变的前提下,有效地进行知识约简;决策树算法可对约简后的决策表进行规则提取,有着直观、能定量分析的优点.提出一种变化趋势关联度来评价条件属性的重要性,建立粗糙决策树故障诊断模型,并在诊断推理中引入一种新的人工智能方法——蚁群算法,来确定决策树的最优检测次序.将其应用于工业精对苯二甲酸(purified terephthalic acid,PTA)生产过程中的对二甲苯氧化反应温度的诊断结果表明了提出方法的有效性.     

改进的LEM2规则提取算法

针对LEM2算法存在的局限性,从规则提取的质量和效率两个方面对其进行改进,提出改进LEM2规则提取算法.基于广义决策,定义最简规则优先策略,使得改进后的算法能获取更为简洁的规则,提高规则获取的质量.定义冗余的属性-值对集合,从候选属性-值对集中删除冗余的属性-值对,加快算法的收敛速度,提高规则获取的效率.通过实验证明改进LEM2算法用于不完备信息系统规则提取的有效性.     

基于信息量的序信息系统的属性约简

属性约简是粗糙集理论研究的核心内容之一.在序信息系统中引入信息量和属性重要性,给出它们与属性约简之间的关系.针对序信息系统提出了一种基于信息量和属性重要性的属性约简算法,讨论了算法的时间复杂度.实例证明了该算法的有效性.     

基于启发式知识的属性约简方法及其在评价体系中的应用

针对知识约简过程中出现的NP问题，提出用于条件属性重要性分析的条件--决策关联度概念，以此作为启发式知识用于决定决策表中冗余属性的约简次序，最终实现快速、高效地对条件属性集进行约简。文末以广东省自然科学基金立项评审系统作为应用对象，说明该算法的有效性。     

基于信息量的不完备信息系统属性约简

通过引入信息量和条件信息量,对不完备信息系统中属性的重要性进行了定义;针对不完备数据表和不完备决策表提出了一种基于信息量和条件信息量的属性约简启发式算法,该算法的时间复杂度是多项式的.通过实例说明,该算法能得到信息表的约简和决策表的相对约简.     

信息系统的属性约简

粗糙集理论是一种新的处理模糊和不确定知识的数学工具 .属性约简是粗糙集理论研究中的重要内容之一 ,现已证明寻找信息系统的最小约简是 NP-hard问题 .本文提出一个基于信息量的属性约简的启发式算法 ,该算法的时间复杂性为 $O( | A|^3 | U| ^2 )$ .通过例子分析 ,表明该算法是有效的.     

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。     

一种关联规则增量更新算法

针对一个新的事物数据库加到原有的事务数据库中,在最小支持度和最小置信度都不变的情况下相应关联规则的更新问题,提出了一种简单高效的增量式关联规则挖掘算法。该算法从集合的角度出发,将事物数据库分为频繁项集集合和非频繁项集集合,从而在两个事务数据库可能出现的关系中,准确找出能够生成新的频繁项集的集合。在此基础上,利用给出的算法能够较为容易地发现新的关联规则。最后,分析了此算法的优越性。     

Enhanced ants system and its application

1 .INTRODUCTIONAnts system(AS) is one newtype of si mulative evo-lution algorithmfirst developed by Italian scholar M.Dorigo[1 ~5]et al . in recent years . Based on AS,there exist versatile types ,such as ant colonysystem,Max-Min ants system,ants algorithm[ 1 ,2] , which isone bionic algorithm originating from the biologyworld and achieves pronounced effect in a series ofdifficult combinational opti mization problem, espe-cially TSP problem[ 5 ,8 ~1 0].AS has made full development si…     

求解双层规划模型的粒子群优化算法

首先对粒子群优化算法作了改进,然后提出采用改进的粒子群优化算法并借助分层迭代的思想来求解双层规划模型,进而提出并描述了求解双层规划模型的一种通用的有效算法.最后,通过实验研究和对比分析验证了文中算法的有效性.     

采用混合单亲遗传算法求解一类资源-时间优化问题

针对资源有限最短时间的一类资源 -时间优化问题 ,提出了混合单亲遗传算法进行求解 .作为一类 NP完全问题 ,该问题求解难度相当大 ,尤其问题规模大时寻找最短时间优化解就更困难 .针对问题的特点本文引入的算法结合了启发式规则 ,给出了算法全局收敛的理论分析 ,并给出实际应用表明该算法的有效性.     

General Method of Building a Real-Time Optimization Policy for Dynamic Vehicle Routing Problem

Currently, most of the policies for the dynamic demand vehicle routing problem are based on the traditional method for static problems as there is no general method for constructing a real-time optimization policy for the case of dynamic demand. Here, a new approach based on a combination of the rules from the static sub-problem to building real-time optimization policy is proposed. Real-time optimization policy is dividing the dynamic problem into a series of static sub-problems along the time axis and then solving the static ones. The static sub-problems' transformation and solution rules include: Division rule, batch rule, objective rule, action rule and algorithm rule, and so on. Different combinations of these rules may constitute a variety of real-time optimization policy. According to this general method, two new policies called flexible G/G/m and flexible D/G/m were developed. The competitive analysis and the simulation results of these two policies proved that both are improvements upon the best existing policy.     

Joint Decision Matrix Computation for Rules Extraction in Two-Classes Decision Information System

Matrix computation for rules extraction of rough set algorithm's inefficiency restricts the application of rough set theory, so the search for efficient algorithms is of great practical significance. Therefore, the joint decision matrix is defined and a new algorithm JDMCRE for rule extraction is presented on the basis of joint decision matrix for two-classes decision information system. By combining both the conditional attribute equivalent matrix and the decisional attribute ones into one matrix, it can considerably reduce the number of comparison in the process of matrix forming, which can effectively increase the efficiency of algorithm. The complexity analysis and experiment results show that the algorithm is much better than existing matrix algorithms.     

一种基于神经网络和决策树相结合的数据分类新方法

提出了一种将神经网络和决策树相结合的数据分类新方法。该方法首先依据属性重要性将属性进行排序,然后通过RBF神经网络进行属性裁减,最后生成决策树,并抽取出规则。与传统的决策树分类方法相比,此方法可依据属性重要性直接生成最小决策树,避免了树的裁减过程,大大加快决策树的生成效率,并进一步提高了规则的预测精度。该方法适用于大规模及高维属性的数据分类问题。     

基于轮廓的表面深度填充算法

从有关人的视觉心理的研究成果出发，将深度知觉与表面完全化两者之间的关系归结为一系列规则，并根据这些规则提出了基于轮廓的表面深度填充算法。该算法由启发式封闭轮廓搜索算法和基于规则的深度填充算法两部分组成。仿真实验的结果表明，本文所提出的这种算法是一种行之有效的算法。它能够较好地解决图像中轮廓短片的连结问题，并给出合乎客观实际的深度填充结果。     

基于GA的多层次概念归纳学习方法

面向属性的归纳学习(亦称概念提升)是一种广泛使用的知识发现方法。通过归纳学习，使得属性域取值的抽象程度提高，从而得到较精练的数据集合，大大提高了规则的学习效率。但是实际应用环境中的数据属性维数非常多，属性概念层次也非常复杂，基于集合论的传统学习方法的效率变得越来越低。基于遗传算法的高搜索性能，提出了一个概念空间的特征概念层次优化搜索方法，特别是处理高维、具有复杂概念层次的问题时收到了较好的效果。