一种新的决策表属性约简算法

结合模糊聚类技术与粗糙集中属性重要性思想,对同时含有连续、离散、序数型条件属性的决策表,提出一种属性约简算法,并对算法的时间复杂度进行了分析.该方法首先利用聚类技术将决策表的对象按条件属性进行分类,然后对去掉某属性后的决策表采用同样的方法进行聚类,再结合粗糙集理论进行属性约简.实例说明了该方法的合理性和有效性.     

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 .     

一种基于分明矩阵的启发式知识约简方法

提出了基于分明矩阵的启发式知识约简方法。在决策表的相对约简过程中采用分明矩阵来表达知识,并利用分明矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择。现已证明,寻找决策表中最小相对约简问题是典型的NP hard问题。所提供的算法在大多数情况下能够找到最小约简,即使在没找到最小约简的情况下,也能找到次优解。通过实例分析,证明该算法是求解属性相对约简的快速有效的方法     

基于收益和风险优化的属性约简算法

决策者总是希望实现收益最大而承担的风险最小,如何平衡或兼顾两者,可考虑引入收益和风险因素进行属性约简以便做出寻找有效的、切实可行的决策。在一定的预期收益水平下通过优化组合收益和风险,结合粗糙集和贝叶斯模型,建立了收益和风险优化的决策模型,以每个属性的收益风险平衡组合函数作为指标进行启发式属性约简,该算法减少数据模型的规模和复杂度,并提高模型系统的仿真精度。     

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。     

不一致决策表中规则提取的矩阵算法

由于数据采集能力不足等原因,决策表通常都不是一致的。如果将不一致的对象完全删除,则丢失了大量隐含在这些对象中的信息。针对不一致决策表,在分配约简、分布约简和最大分布约简的定义基础上,通过定义相应的决策矩阵并比较它们与条件属性矩阵的关系,得到提取信息系统的所有分配规则、分布规则和最大分布规则的矩阵方法。该方法的优点是直观有效,能获得所有规则,并同时得到相应的约简。     

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.     

基于粗集理论的工作分析

工作分析是企业人力资源管理工作的基石.论文基于粗集理论,建立一种科学的工作分析方法,从而对工作的任职条件属性进行约简,并对任职决策规则进行提取,最后并通过实例验证.     

基于Fisher信息距离的传感器管理方法

在进行面向跟踪的传感器管理方法研究时,传统的思路主要以跟踪精度为导向,但是在数据关联环节,改善或维持目标之间的区分度才是传感器资源分配的主要目的。需求的偏差导致不合理的传感器资源分配结果。依据信息几何理论,以流形中的Fisher信息距离来定义目标之间的区分度,然后直接依据目标之间的区分度制定传感器资源分配策略。关联仿真实验表明,该方法相较于传统的传感器管理方法,有效提高了目标之间的关联正确率。     

基于距离熵的应急决策层信息融合方法

通过分析决策层信息融合和应急决策的特点,并考虑到应急决策对客观性、科学性的要求,提出了基于距离熵的应急决策层信息融合方法.首先基于知识元模型进行融合集的获取,并实例化知识元形成信息单元,为融合提供基础信息对象;然后在传统熵权法的基础上,添加对信息间欧式距离的测度,提出"距离熵"的概念,并据此实现局部融合权重和全局融合权重的获取,利用线性加权分别计算局部融合结果和全局融合结果.最后,通过算例验证了方法的优越性和在应急领域的适用性.同其他方法相比,本文提出的方法能有效解决决策层信息融合中融合知识库巨量性和融合结果的客观性、科学性不足等问题.     

基于区分矩阵与强等价集的启发式知识约简法

提出了基于区分矩阵与强等价集的启发式知识约简方法。在决策表的相对约简过程中采用区分矩阵来表达知识,并利用区分矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择。同时利用属性加权频率和强等价集概念化简区分矩阵,既减小了计算复杂度又提高了约简效率。现已证明,寻找决策表中最小相对约简问题是典型的问题,采用该算法在大多数情况下能够找到最小约简,即使在未找到最小约简的情况下,也能找到次优解。通过实例分析,证明该算法是求解属性相对约简的快速、有效的方法.     

一种决策知识表示和进行模糊决策的新方法——模糊决策表

集中于决策表方法的几个方面，以（确定的）决策表形式为基础对其进行模糊扩展，以便于处理不精确和不确定的决策情形。因此，确定的决策表可以作为一种特例，定义了模糊决策表其模糊性包含在条件及行动中，进而在模糊决策表范围内引入了完备性的概念。     

战略决策专家系统中的一种新知识表示方法

介绍了战略决策专家系统中一种新的知识表示方法“分解－综合”知识表示法，给出了“分解－综合”表示法的应用实例，指出了“分解－综合”表示法的优点.     

基于变精度粗集模型的变精度值自主式获取方法

变精度粗集模型拓展了经典粗集理论,可使之适应不一致数据的处理。然而已有基于变精度粗集模型的知识约简算法要依据领域先验知识来确定变精度β值,影响了算法的实用性。在讨论β值对知识约简影响的基础上,提出变精度粗集模型的β值自主式获取方法,将变精度值设置在决策表相对可辨识性的阈值附近。实验结果表明该方法能较准确的反映决策表的决策分布情况。     

基于遗传算法的一种粗糙集知识约简算法

知识约简是粗糙集理论研究的重要内容之一,是在保持信息系统分类能力不变的基础上,删除冗余知识.文中从系统的信息表出发,根据可辨别下三角矩阵,利用遗传算法,提出一种基于遗传算法的粗糙集知识约简算法,并通过实验分析说明,这种算法可以解决现有启发式算法无法解决的部分问题.     

基于模糊粗糙集的多属性网上拍卖决策

电子商务的发展给了拍卖以勃勃生机,网上拍卖迅速成为一种非常活跃的商务模式。目前网上拍卖绝大多数只有一个价格属性。本文提出一种新的拍卖模型——多属性网上拍卖,其最核心的问题是如何决定胜出者,提出了一种模糊粗糙集的方法解决多属性决策问题。     

一种基于rough set的多用户检测算法

将粗糙集(RoughSet)与多用户检测相结合,提出一种新型的多用户检测算法。粗糙集可以在期望用户的特征波形、定时、时延和多径等信息未知时,对接收数据进行约简,提取出接收数据与期望用户符号之间的规则,从而进行有效的分类,可以较好地应用于复杂的信道环境。理论分析和仿真结果表明了该方法的有效性和实用性。     

一类加权连续属性的多变量决策树构造方法

首先利用粗集理论和模糊聚类理论确定连续多变量属性的选择问题,然后利用聚类中心算法建立等级标准中心以解决连续变量的区间划分问题,其次将等价关系相对泛化的概念用于决策树中多变量检验的构造。最后通过实例说明了本方法是可行的。     

不确定性多属性决策中区间数的一种排序方法

为了解决具有不确定性区间数的多属性决策问题,本文给出了一种分析方法．首先是基于文献［５］,介绍了一个决策分析模型;然后针对以区间数形式表示的决策方案综合评价值,提出了关于区间数优势及可能度的概念,并且相应地给出了带有可能度的方案排序方法,这也是本文的重点内容．最后,给出了实例计算.