不协调目标信息系统的知识获取

利用最大分布约简方法,找出不协调目标信息系统的最大分布约简,即重要的属性集,再根据规则归纳的7种形式和决策矩阵方法形成决策规则,并通过实验验证方法的有效性．     

基于粗集不相容系统的膨胀土分类规则提取

分析膨胀土分类的粗糙性, 指出膨胀土分类是一个基于粗糙集的信息不相容决策系统. 针对常规方法容易引起规则失真的不足, 提出将贝叶斯理论和不相容系统决策挖掘相结合来提取膨胀土分类规则： 以膨胀土分类决策系统的可信度为先验概率, 膨胀土试验数据的支持度为后验概率, 计算膨胀土分类规则的条件概率;提取条件概率大于某一阈值的规则;通过逻辑合取与析取归并膨胀土分类规则. 实例计算和应用分析结果表明： 采用贝叶斯理论和基于粗糙集的不相容系统决策挖掘相结合的方法有利于基于粗糙集的不相容系统的数据挖掘, 而且为膨胀土分类规则的提取提供了一种切实可行的算法.     

基于多元组Rough集的不相容决策

Ｒｏｕｇｈ集理论是一种具有模糊边界集合理论,它被广泛应用于不相容决策 规则提 文讨论了基于多元组Ｒｏｕｇｈ集的不相容决策方法,并给上应的算法,同时 不相容规则的相容度作了分析,该方法比普通Ｈｏｕｇｈ集方法更简单、更有效、文中所给出的算法特别适用于具有重复元素且的决策表。     

基于Rough集实现判定树归纳分类算法的简化

Rough集理论提供了一种新的处理不精确、不完全与不相容知识的数学方法，在决策表中快速、有效地挖掘出缺省规则。本文将Rough集属性约简应用到判定树归纳分类方法中，明显优化判定树，简化数据挖掘的过程。     

基于业务规则的数据处理技术

以整合银行数据为例,提出了数据处理的二级架构形式。指出数据处理的概念模型设计、数据源分析和数据抽取转换的方法策略。以目标数据为依据,针对数据源中存在的冗余数据和语义冲突数据、不完整数据和错误数据以及格式或定义不一致的数据分别给出清洗的业务规则,使用SQL Server的DTS工具予以实现并上线使用。     

分布式检测系统数据不相容情况下的融合方法

探讨基于粗糙集理论的分布式检测系统在数据不相容情况下的处理算法,包括上、下近似集和边界集的确定,然后根据下近似集和边界集确定出规则,删除冗余规则后得到融合中心的所有规则。文中通过实际数据说明具体处理过程,验证该算法正确性和有效性。     

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。     

一种基于谓词逻辑的分类规则约简方法

利用各种分类规则挖掘方法,提取出的分类规则集中,存在许多的冗余规则,从而降低了分类效率。采用谓词公式描述分类规则,给出了一种分类规则集约简方法。该方法利用谓词公式中的逻辑推理,对分类规则集进行约简,消除了冗余规则。采用恒星光谱数据,实验验证该方法在保证分类规则集的分类能力不变的前提下,有效地提高了分类的效率。     

基于软集上逻辑公式的极大关联规则描述与挖掘方法

针对常规关联规则定义中未涉及项域划分的问题, 提出极大关联规则是对常规关联规则的有益补充. 以软集理论和软集逻辑公式为主要工具, 解决了常规关联规则和极大关联规则挖掘中相关核心概念的描述问题, 获得了二者的统一数学刻画. 实例分析表明, 与经典挖掘方法相比, 基于软集逻辑公式的极大关联规则挖掘方法能有效降低冗余, 并剔除无效规则, 提高了所得规则的准确性和挖掘效率.     

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.     

基于决策树的知识表示模型及其应用

针对数据挖掘过程中的数据库精炼问题,在分析现行属性约简方法的特点和不足的基础上,结合决策树算法操作简单、分类速度快的特点,通过知识的规则化描述以及规则族之间的相似性比较,建立了一种基于决策树的属性约简方法（简记为BD-RED）,讨论了规则族之间的相似性度量的可释化构建问题,给出了BD-RED的具体实施策略,并结合实例分析了BD-RED的性能。结果表明,BD-RED具有良好的结构特征和较强的可操作性,可以有效实现不同决策理念下的属性约简,适合不同类型的大规模数据库的属性约简。     

改进最短距离法自动获取元胞自动机转换规则

提出了一种利用改进的最短距离算法自动获取地理元胞自动机转换规则的方法。CA的核心是如何定义转换规则,但目前主要是采用启发式的方法来定义转换规则,受主观因素影响较大。该模型通过熵化空间变量特征权重,对最短距离算法进行改进,自动获取CA的转换规则和模型参数值。并与一般的最短距离算法进行对比分析,结果表明,改进后的的最短距离算法所提取的转换规则在模拟城市发展时具有更高的精度,并且具有清晰的物理意义。     

FATI与FITA的等价性

在模糊系统中,给定一组推理规则,可以先把这组规则聚合为一个超规则,然后依此超规则进行推理,也可先分别依据各给定规则进行推理,然后将所得结果进行聚合.本文讨论分别利用CRI算法与三I算法进行推理时,上述2种方法的等价性问题.证明了当聚合取并运算且用CRI算法进行推理时,FATI与FITA方法等价,而对三I算法只有在恰当选择蕴涵算子时,2种方法才能等价;当聚合取交运算且用CRI算法和三I算法进行推理时,FATI与FITA方法不一定等价.     

关联规则和聚类分析在个性化推荐中的应用

提出了两种应用访问页面关联规则和访问模式聚类分析结果相结合进行个性化推荐的方法,即将聚类分析作为关联规则的预处理和将关联规则和聚类分析互补使用,并与单独应用访问页面关联规则或访问模式聚类分析结果进行个性化推荐时的推荐测度进行了比较·实验表明,将聚类分析作为关联规则的预处理的推荐方法可以显著地提高推荐的准确率,而将关联规则和聚类分析互补使用的推荐方法具有较高的推荐覆盖率·同时发现将聚类分析和关联规则结合使用并不能同时改善推荐的准确率和覆盖率·     

供应链管理视角的客户服务满意度评价方法

在吸取客户服务评价的优秀经验的基础上,通过分析影响客户满意计算评估的诸多因素,从供应链的角度研究了客户服务评价的原则,探讨了面向供应链终端客户的评价方法和面向供应链伙伴的客户服务评价方法,构造了两套客户满意评价指标体系, 用改进的AHP法确定各因素和因素项的权重, 对评价指标进行无量纲处理形成单因素评价矩阵, 运用模糊决策理论构造评价模型进行综合评价.这种评价方法具有科学性、全面性和客观性,减少了评价的盲目性,增加了评价的可靠性,便于企业在实践中应用.     

西非某深水浊积砂岩油藏动态储量评估方法探讨与应用

系统地阐述了美国证券交易委员会(SEC)关于油气储量的定义及分类标准,比较了SEC准则下的储量与国内储量定义的异同。总结了SEC准则下5种常用的储量评估方法及适用条件,并着重分析了目前国际上最为常用的动态分析法——递减曲线分析法。随后以西非某深水浊积砂岩油藏为例,结合该油藏不同生产井的产量、压力、含水率、工作制度等油藏动态生产形势,分别选取了不同储量评估方法,并结合该油藏单井经济极限产量,最终确定了SEC准则下的储量。本文对已开发油藏SEC准则下动态储量评估方法及实际应用进行了总结与探讨,对于同类型海相浊积砂岩油气藏SEC动态储量评估具有一定的指导和借鉴意义。     

一种基于可变支持度的缺省规则挖掘算法

Rough集方法提供了一种新的处理不精确、不完全与不相容知识的数学工具. MDRBR算法通过规则支持度进行约束,可有效提高缺省规则的挖掘效率.但MDRBR采用单一的规则支持度约束,使得当规则支持度较小时,挖掘出大量的缺省规则,而当规则支持度较大时,一些重要的小概率分布对象对应的缺省规则被过滤掉.为此,提出了一种基于可变支持度的缺省规则挖掘算法--MDRBVSM,可有效地改进MDRBR等传统算法存在的缺陷.实验结果表明,该算法可有效地过滤噪声、提高规则的挖掘效率.     

计算机化自适应诊断测验双重约束变长终止规则

提出3种变长CD-CAT终止规则,在DINA模型、4种属性层级结构下,采用ED选题策略,讨论提出的3种方法与常用CD-CAT终止规则在7个评价指标上的优劣。研究结果显示:新的3种方法较常用终止规则有其自身优势。     

WITNESS环境下基于改进型IDEF3方法的离散事件仿真建模

针对WITNESS仿真环境下，复杂离散事件仿真建模过程中出现的大量顺序、并行、同步、冲突及因果依赖等关系，提出采用改进型IDEF3方法进行仿真建模．采用仿真规则与交汇点集成、行为单元与仿真信息数据集成的原则进行建模；同时在IDEF3方法的基础上，建立新的行为单元，达到了仿真单元的可重用和可重构性，大大提高了仿真建模的速度，减少了建模难度．最后，给出了在改进型IDEF3方法下进行离散事件仿真的框架，并在仿真软件WITNESS的基础上，通过实例详细描述了建模过程．     

近似决策规则的形成及其应用

Ziarko在变精度粗糙集的基础上提出近似约简，进而形成决策规则．该文是在研究Ziarko的决策规则的基础上提出了近似决策规则，并与Ziarko形成的决策规则进行了比较．