基于相对知识粒度的区间集决策信息表不确定性度量

区间集决策信息表拓展了经典决策信息表，其粒化结构的不确定性刻画成为重要应用基础。基于区间邻域粒化引入相对知识粒度，进而提出区间集决策信息表的一种新型不确定性度量。利用两对象之间的距离及半径来建立区间邻域粒化系统，证明距离粒化与相似度刻画的条件等价性，获得区间近似粗糙度；把经典相对知识粒度推广为区间相对知识粒度，将其与区间近似粗糙度进行信息融合，提出一种新型不确定性度量并得到了粒化单调性等性质。最后进行了实例验证，结果表明所提度量能够有效表征粒化结构变化所引起的不确定性变化。     

基于自信息熵的直觉模糊决策系统的属性约简

针对在直觉模糊集中,利用下近似构建的约简只考虑了下近似而忽略了上近似,从而导致一些信息丢失的问题,基于直觉模糊集的上、下近似提出了3种熵度量,并将其应用于直觉模糊决策信息系统的约简之中。在直觉模糊决策信息系统上定义用于描述直觉模糊关系的3种不确定性度量,分别为平均决策指数、平均安全决策指数以及平均风险决策指数,并在此基础上依次提出了条件信息熵、条件粗糙熵和自信息熵,基于自信息熵给出了相应的约简定义以及属性约简算法。在多个数据集上的实验表明,所提出的属性约简算法与其他算法相比,约简结果更具有优越性以及鲁棒性。     

一种面向缺失数据的信息熵和知识粒度

针对含有缺失数据的数据集的不确定性度量问题,分别给出了信息熵和知识粒度的公理化定义,并提出了该环境下的粗糙集的两种不确定性度量,证明了精度是一种信息熵,粗糙度是一种知识粒度,并得出了几个较好的性质,进一步克服了已有缺失数据集不确定性度量的部分局限性,实例验证了不确定性度量的有效性,且适合度量含缺失数据的粗糙集的模糊性和精确性。     

基于集对联系熵的三支决策模型及应用

信息熵是信息系统中不确定性研究的有效理论工具之一.首先,构建集对联系熵建立三支决策规则,利用集对同熵、集对反熵、集对异同和异反熵对三支决策不确定性进行度量,进一步对延迟决策的风险进行分析预测.其次,考虑延迟决策的决策风险,受错判风险敏感程度、知识粒度和决策时机的影响,分析影响因素间的关系,给出延迟决策风险函数表达形式.再次,针对知识粒度的不同对进一步决策的作用不同,将集对联系熵进行改进,当集对标准集合拓展为普通集合时,出现"拒识域",集对联系熵可进一步拓展.最后,用实例进行模型有效性验证.     

双论域区间值直觉模糊vague粗糙集及其应用

区间值直觉模糊集可诱导出vague集和粗糙集，而后两者的结合具有不确定性深入分析的优势.立足双论域区间值直觉模糊粗糙集，引入vague集进行融合扩张，研究双论域区间值直觉模糊vague粗糙集.首先，定义区间值直觉模糊vague相容类，构建双论域区间值直觉模糊vague粗糙集模型，提出关于双逼近近似和三支决策区域的计算算法，并确立该模型的精确度、粗糙度、依赖度.然后，研究该模型的近似算子与不确定性度量的性质.最后，采用医疗例子进行模型计算、度量测量、性质验证，并得到关于患者临床诊断的患病分析与治疗决策.     

区间值序决策表的条件熵属性约简

由于数据自身的不确定性和观测条件有限，现实问题中许多数据以区间值形式呈现。其中，优势关系下的区间值信息表研究对于多属性决策问题有重要意义。目前针对该系统的属性约简方法主要是辨识矩阵法或基于互信息的增量式约简，但前者计算效率较低，而后者没有利用到决策信息。文章探讨了条件熵作为不确定性度量在该系统下的性质，通过比较不同属性缺失时信息系统的条件熵变化，引入了属性重要度概念，基于此提出启发式属性约简算法。最后，通过对比实验验证了本算法具有低冗余的特点，在约简率上比基于粗糙熵和正域不变等序信息系统的启发式约简。     

模糊粗糙集粗糙熵的修正

在粗糙集理论中,由于用模糊粗糙熵去度量RF集的不确定性更具有直观性,所以如何利用香农信息熵理论定义模糊粗糙集的熵的度量,是一个值得研究的问题.结合知识粗糙性和信息熵给出了模糊粗糙集的熵的度量新定义,并对其一些性质进行了讨论.     

基于区间二型犹豫熵与风险偏好的多属性决策方法

针对以区间二型模糊集(IT2FSs)为信息环境的多属性决策问题,构建了考虑决策者风险偏好的决策模型,解决了区间二型模糊集内在犹豫性难以量化的问题.首先介绍了区间二型模糊集的相关知识,综合考虑两种期望平均提出了区间二型模糊集排序值公式以比较模糊数的优势关系,同时提出使用几何度量刻画模糊性与犹豫性的区间二型犹豫熵来度量区间二型模糊集的不确定性.考虑到决策者的风险态度对决策结果可能的影响,引入决策者风险偏好因子,构造了风险偏好因子与传统的熵权法相结合的新的权重求解模型并给出了决策算法.最后用一个风险投资的实例验证决策者的风险偏好对属性权重以及决策方案的排序所产生的影响.     

具有连续属性的不完备信息系统Rough集扩展

在模糊相似关系的基础上,针对具有连续属性的不完备信息系统提出了Rough集的扩展模型;利用模糊区间数来表示不完备信息表中缺失的连续属性值,并根据属性值的概率分布情况计算模糊区间数的可能度,在模糊关系的基础上给出了不完备信息表的上近似和下近似的定义;利用基于欧氏距离的贴近度法计算模糊相似度,构造相似矩阵,实现了对论域的划分;给出决策规则的约简和表示方法,应用实例说明了所提出的Rough集模型及规则的实用性。     

近似边界精度信息熵的属性约简

针对信息观只考虑知识粒度的大小,不能客观、全面度量属性重要性的不足,首先从代数观出发,提出近似边界精度的定义;其次,根据相对模糊熵的定义,提出相对信息熵及增强信息熵概念,与相对模糊熵相比具有明显的放大作用;再次,将近似边界精度融合相对信息熵和增强信息熵,提出两种新的属性约简方法,在求U/(B∪b)时充分利用U/B的结果,可大大减少系统的时间开销;最后,通过实验分析和比较,本文算法在约简质量、分类精度上的可行性和有效性得到了验证.     

可变精度邻域区间值决策表的属性约简

区间值决策表可以通过区间刻画对象相对于条件属性的取值,其在现实生活中运用非常广泛,该文在此基础上提出一种启发式约简算法。首先,为了提高信息系统的可辨识性,在区间值决策系统上引入可变精度阈值α与邻域阈值δ;随后,重新定义了决策表的上近似、下近似与正域;最后,定义属性质量度,以判定是否将条件纳入约简集合。为了更好地理解该算法的执行过程,该文进行了案例分析,并在4个数据集上完成了实验。实验结果表明,该算法具有良好的可行性,且其在准确率上优于另2种算法。     

不同度量下集成属性选择器的对比研究

研究分析了集成属性选择器在不同度量下的分类表现。借助邻域粗糙集,应用3种不同的度量-局部近似质量、局部条件熵、局部邻域决策错误率,构建不同的集成属性选择器。在6组UCI数据集上的实验结果表明,相比于局部近似质量与局部条件熵,在使用局部邻域决策错误率时,对应的集成属性选择器最多能提升将近36%的分类准确率。     

基于方差的新定义连续信息熵性质的研究

信息熵作为信息的度量,是信息理论的基本量之一。信息熵分为离散信息熵和连续信息熵。连续信息熵,又称为微分熵H_S,由于其不满足量纲一致性原则,也不具有非负性和坐标变换不变等性质,因此实际上并不能构成一种良好的信息度量。本文分析讨论了White提出的基于连续随机变量均方差的改进的连续信息熵H_W。比较分析了H_W的数学和物理性质及其取值不确定性参数的物理意义。     

双论域粗糙集的不确定性度量

为了进一步扩展粗糙集的应用范围和灵活性,利用构造性方法研究了双论域粗糙集的不确定性度量,分析了双论域粗糙集不确定性度量与由双论域粗糙集诱导的Pawlak粗糙集的粒度之间的关系.通过比较Pawlak近似空间中粒度的大小,定义了不同信息系统中关系的粗细程度,给出了反映信息系统分类能力的双论域粗糙集信息熵和信息粒度的定义,研究了双论域粗糙集信息熵和信息粒度与信息系统中关系的粗细程度之间的关系.结果表明：双论域粗糙集的信息熵越大,信息系统的不确定性越强,信息系统中关系的区分能力越弱;信息系统的关系越精细,双论域粗糙集的信息熵越小,双论域粗糙集的信息粒度越小.     

一种基于决策表约简的集覆盖问题的近似解法

集覆盖问题和决策信息表的约简问题分别是优化领域和信息处理领域重要的研究课题,但目前的研究大都针对这两个问题分别独立展开.通过分析集覆盖问题的解结构和决策信息表的布尔约简结构,将两者联系起来探讨.首先,给出一个集覆盖问题的布尔矩阵表示,并通过添加决策属性,对集覆盖中的集合进行分类,进一步诱导出一个以该布尔矩阵为条件属性值的决策信息表.其次,分析了决策表和集覆盖的辨识集之间的关系,证明了集覆盖问题的一个局部最优解恰好是该决策表的一个属性约简,即,求解集覆盖问题可等价地转化为求解决策表的属性约简问题.然后,利用决策表中的条件熵来度量集覆盖中一个集合在集族中的相对重要度,并构造了基于条件熵的集覆盖问题的近似算法.最后,运用实例验证了该算法的有效性和可行性,并将新算法与几个传统集覆盖算法进行了对比.实验结果表明,新算法在求得满意解上具有一定的优势.     

双论域粗糙集的近似分类精度度量

由等价关系R所决定的近似空间(U,R)上,可用近似分类精度来表示可能的决策中正确决策的百分比。将近似分类精度概念推广到一般关系双论域粗糙集的近似空间上。通过引入独立集概念,给出了度量公式,最后通过实例验证了其合理性。     

最大熵不确定型决策模型与应用

现有不确定型决策方法中,各种状态的不确定性没有在决策方法中得到体现,且没有充分挖掘利用益损值信息,不同的决策准则往往得到不同的决策结果,不利于决策者做出正确决策.鉴于此,提出了基于信息不确定性的最大熵决策模型,通过构建状态分布的信息熵和决策结果离差信息的多准则目标函数,以状态概率分布为优化变量,采用加速遗传算法优化求解.防洪调度决策分析结果显示,最大熵决策模型可充分挖掘益损值信息,基于信息熵的不确定性准则使状态概率分布更加合理,决策结果可区分性优于其他决策方法.     

基于正交试验设计的区间数立体决策方法

为了减少决策信息损失,针对区间数决策问题,提出了一种立体决策方法。将m维区间数决策向量看作具有2m个顶点的超矩形。利用Ls(2m)正交表在超矩形上均匀、分散地选取s个顶点代表该超矩形,再根据不同超矩形对应顶点之间的相对熵度量超矩形之间的差异,最后利用各决策方案同理想解的贴近度进行决策方案排序。实例验证表明该文方法有效、可行。由于选取了多个多维实数点代表区间数决策向量,在丰富了决策信息的同时也增加了计算量。     

区间值模糊软集的相似度及距离和熵

基于直角坐标系,提出区间值模糊软集新的相似性度量,进而给出区间值模糊软集的距离度量。在此基础上,提出区间值模糊软集熵的公理化定义,给出区间值模糊软集熵的计算方法,讨论这些度量的基本性质。     

区间毕达哥拉斯模糊集的信息度量及其应用

熵、距离和相似度是模糊集及其推广理论中重要的信息度量工具。基于区间毕达哥拉斯模糊集的信息度量研究大多涉及区间毕达哥拉斯模糊数的距离公式,很少涉及模糊性和相似性的度量方法。针对这种情况,首先提出区间毕达哥拉斯模糊集的熵、距离和相似度的公理化定义。然后研究熵、距离和相似度之间的关系。最后将提出区间毕达哥拉斯模糊集的熵和相似度应用到模式识别领域,对比分析表明所提出的度量方法具有灵活性和有效性的特点。