基于属性粒度研究决策形式背景的规则提取理论

粒计算作为研究热点之一, 使得用多角度、多层次的方法研究问题变为可能。将粒计算引入决策形式背景, 将会获得更为精确的决策规则。从属性粒度树的角度出发, 首先定义了多粒度决策形式背景,其次研究了粒化前后协调性之间的关系,最后给出了粒化前后多粒度决策形式背景上的规则之间的关系。     

基于属性粒化的近似概念分析及规则提取

将属性粒化思想引入到不完备形式概念分析之中。首先,借助于粒度树和截集,研究了不同粒度下近似概念之间的内在联系,其次,研究了粒化前后不完备决策形式背景中近似决策规则之间的关系,最后,在不完备决策形式背景中引入了三种协调性,并研究了粒化前后协调性之间的联系。     

基于属性概念的决策形式背景协调性研究

决策形式背景是在形式背景的基础上通过增加决策属性而得到的,相应的可生成条件格和决策格。基于这两个格中属性概念外延之间的关系提出属性粒协调决策形式背景这一概念,并从属性概念的角度给出决策形式背景现有的强协调性、弱协调性和协调性的新的描述方式,进一步解释属性粒协调决策形式背景与这三种决策形式背景之间的关系;最后,提出属性粒规则的概念,并给出以此为基础的规则获取方法。     

一种基于知识距离的决策规则的评测

粒度计算是信息处理的一种新的概念和计算范式,覆盖了所有有关粒度的理论、方法、技术和工具的研究。主要用于处理模糊的、不完整的、不确定的和海量的信息。粗糙集模型作为粒度计算的三大研究模型之一,得到了广泛的应用。针对粗糙集中决策规则性能的评测问题,本文基于粒度计算的思想,提出一种粒化算法,通过知识距离来粗化条件属性集,实现对决策规则的评测。实例证明该方法评测效果较为理想。     

多标记序决策系统中基于局部最优粒度的规则获取

多粒度是当前粒计算研究的一个重要方面.在实践中,人们往往选择比较合适的粒度层次来解决问题.作为信息系统的一种特殊情况,多粒度决策系统是经常使用数据表示形式.在这样的系统中,对象可以在属性的不同粒度层次上取不同的观测值.实际使用时,常常遇到在数据属性上需要比较大小,即属性带有序关系.序关系分析是多指标决策的重要内容,而粗糙集是一种处理序关系有效方法.围绕多标记序决策系统的知识获取问题来开展研究,首先,介绍了多标记序决策系统的概念;然后,在协调的多标记序决策系统中定义了最优粒度和局部最优粒度,并介绍了基于局部最优粒度的属性约简和规则获取方法;最后,在不协调的多标记序决策系统中引入了广义决策,定义了广义最优粒度和广义局部最优粒度,并给出了基于广义局部最优粒度的属性约简和规则获取方法.     

基于属性导出三支概念格的决策背景规则提取

给出了决策形式背景在属性导出三支概念格下的规则提取方法。首先定义了属性导出的三支概念格间的细于关系,以此为基础给出了决策形式背景三支协调的定义以及在三支协调下提取规则的方法,并研究了所获规则与经典决策背景下所获规则的关系。最后结合实例阐明了三支规则的有效性与优越性。     

基于多粒度理论的不完备决策规则获取

将多粒度理论引入不完备决策系统中,针对其不完备性,结合非对称相似关系提出基于相似关系的不完备多粒度粗糙集模型,并讨论该模型的性质。随后重点讨论基于相似关系的不完备多粒度粗糙集模型中属性约简和决策规则获取的问题,将多粒度理论和近似分布约简相结合,提出了不完备多粒度近似分布约简,获得所有的最简确定决策规则和最简可能决策规则。最后通过实例分析,发现使用多粒度近似分布约简与规则获取方法比原有的单粒度近似分布约简与决策获取方法更合理有效。     

多粒度决策系统的局部最优粒度选择

粒计算是知识表示与数据挖掘的一种重要方法.它模拟人类思考模式,以粒为基本计算单位,以处理大规模复杂数据和信息等建立有效的计算模型为目标.在粒计算看来,一个粒是由多个比较小的颗粒组成更大的一个单元.在许多场合下,由于不同标记尺度对数据有不同的分割,会得到不同层次的信息粒度.在面对具体问题时,自然而然地考虑选择一个合适的粒度层次来解决问题.针对具有多层粒度决策系统的粒度选择与规则获取问题,首先介绍了多粒度决策系统的概念,并在多粒度决策系统中定义了局部最优粒度,然后介绍了多粒度决策系统中基于局部最优粒度的属性约简.最后,给出了基于局部最优粒度的规则获取方法,并结合具体实例给出了规则获取的一个算法.     

具有多尺度决策的信息系统的最优全局剪枝选择

作为人工智能领域的一个重要方向，粒计算在数据挖掘和知识发现方面的研究呈现较大的优势.针对具有多尺度决策的信息系统的知识获取问题，利用粒度树与剪枝来研究具有多尺度决策的信息系统的最优尺度选择问题.首先介绍了粒度树与剪枝的概念，每个属性和决策都有一个粒度树，每个粒度树都有许多不同的局部剪枝，代表特定属性下的尺度选择.不同属性和决策的一个局部剪枝组合形成全局剪枝，从而产生一个混合尺度决策表.其次，给出具有多尺度决策的信息系统基于粒度树与剪枝的最优全局剪枝选择的概念.最后将全局剪枝选择与最优尺度选择进行比较研究，还设计了一个算法来验证该方法的有效性.     

基于信息粒度与粗糙集的决策细化研究

从理论上研究了决策表中决策值细化程度与信息粒度、近似分类的精度及近似分类质量之间的关系,结果表明,决策属性的属性值划分得越细,则该属性的信息粒度、近似分类精度和近似分类质量的值就越小.仿真实验同时证明,在基于决策属性划分之下,对任意一个条件属性集经决策细化后的决策表所对应的信息粒度、近似分类精度和近似分类质量的值,都不大于决策细化前决策表所对应的信息粒度、近似分类精度和近似分类质量的值,这个结果对研究决策表属性约简和决策规则的有效性等问题都有指导作用.     

一致连续函数的判定

函数的一致连续性是数学分析所讨论的函数的一个重要性质.本文总结了各种区间上一元函数一致连续性的若干个判别方法,帮助读者系统的掌握区间上函数一致连续性的基本知识.为进一步利用函数的一致连续性去解决问题提供强大的理论基础。     

并行设计的模糊决策及其决策系统

从层次关系的模糊描述、模糊关系方程和决策原理等方面，对产品并行设计的模糊决策进行研究，介绍了枪械并行设计模糊决策支持系统开发的指导思想、功能和系统动作过程。     

决策行为公理化的局限与描述性决策理论的作用

理性行为公理体系是经典决策理论的基石,对其局限性仍有很多问题不能解决．本文从描述性决策理论的提出这个角度分析了公理化的局限,以及解决这一问题时描述性决策理论的作用．     

决策行为公理化的局限与描述性决策理论的作用

理性行为公理体系是经典决策理论的基石,对其局限性仍有很多问题不能解决．本文从描述性决策理论的提出这个角度分析了公理化的局限,以及解决这一问题时描述性决策理论的作用．     

不确定型决策准则的使用误区

简要介绍了决策论中不确定型决策的基本概念和5种不确定型决策准则。分析了各种不确定型决策准则的决策目标，并以不确定型决策准则之可靠性的讨论为基础，指出不确定型决策准则的使用误区。     

决策概念格及决策规则的提取

针对含有决策信息的决策形式背景,提出了决策概念格模型,并定义决策概念格中的决策规则及规则的置信度和支持度,用户可根据实际的需求,从规则中提取满足最低置信度及支持度的规则.     

一种不完备决策表中的广义决策约简

现实世界中大量存在的信息系统是不完备的,研究了包含不确定性和不精确性两种因素的不完备信息系统,建立了一种基于相似关系推广的粗糙集模型并对这种情况下的不完备决策表进行分析.研究了广义决策约简的方法,根据约简生成了决策规则.     

决策树与模糊决策树的比较

对决策树与模糊决策树的异同进行了比较分析.模糊决策树是决策树在模糊环境下的一种推广 ,它作为一种知识表示形式更符合人类的思维.     

应用马尔可夫理论对市场进行预测与决策

阐述了马尔可夫决策理论中的最基本分析方法——系统状态转移概率矩阵决策法 ,指出这种决策分析法能有效地对市场作出预测与决策 ,特别对于某些预测问题 ,应用此法的效果比用其他一些经典预测法所得的结果更优 .对美国柯达、日本富士、中国乐凯三家公司的产品占有率进行了预测与决策     

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。