数据挖掘在医疗数据中的应用

决策树是医疗数据挖掘中一种重要分类方法,针对原始医疗数据存在大量重复样本和冗余属性,影响医疗诊断的精度和速度这一问题,提出了一种基于粗糙集和ID3算法相结合的决策树方法.将所提方法应用于冠心病诊断决策,并对属性约简前后的决策性能进行了比较分析.实验表明了该方法的有效性和实用性.     

基于粗糙集理论的数据预处理

探讨数据挖掘过程中,数据预处理应用粗糙集理论进行属性和属性值约简的方法以及用计算机实现约简的算法.通过对医疗数据的预处理表明,利用粗糙集理论来进行数据预处理是一种十分有效的精简、求最小决策算法的有效方法.     

多属性决策中一种模糊度量排序方法

针对多属性决策的排序问题,在模糊集的基础上重新建立了一种优势关系,定义了新的优势类,利用优势度及综合优势度,基于优势度的多属性决策方法,得到一种多属性决策排序的新方法.给出了此优势关系性质及此方法的可行性.具体实例的应用和验证表明该方法在多种条件下,对多属性排序具有适应性和方便应用的特点,丰富了多属性决策中的排序方法.     

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.     

一种新的基于决策熵的决策表约简方法

分析了在知识约简过程中经典粗糙集理论决策表知识约简方法的不足.以知识粗糙熵为基础,将一致和不一致对象分开,提出决策熵的概念及其属性重要性,在此基础上给出约简的判定定理;然后以条件属性子集的决策熵来度量其对决策分类的重要性,提出一种新的知识约简启发式方法.理论分析和实验结果表明,基于决策熵的属性重要性是一种更有效的启发式信息,该方法时间复杂度较低,有助于搜索最小或次优约简.     

分层多尺度决策信息系统的序贯三支决策

传统信息系统中每个属性只有一个尺度,但随着海量数据的涌现,实际应用中经常是在多个尺度上处理和分析问题.三支决策是解决分类问题的一种经典方法,序贯三支决策是在三支决策的基础上进行多步决策的一种方法 .将多尺度决策信息系统与三支决策相结合,基于决策理论粗糙集提出分层多尺度决策信息系统的序贯三支决策模型,得到动态变化的正域、负域、边界域.对多尺度决策信息系统进行分层,依次在分层后得到的多个单尺度决策信息系统上进行讨论,构建尺度层面的序贯结构;在每个单尺度决策信息系统上,通过增加属性的方式得到属性子集序列,诱导出多级粒度结构,构建该尺度下粒度层面的序贯结构.为此,给出两种属性子集序列的选择方法;在序贯三支决策过程中,利用相对损失函数计算阈值,并讨论了阈值的性质;最后给出序贯三支决策过程中的分类规则,并用实例说明提出的模型能有效地处理分类问题.     

一种基于优势粗糙集的多属性决策排序方法

多属性决策问题的实质是利用已有的决策信息,通过一定方式对备选对象进行分析、排序、择优和评价,以找到一种简捷方便的排序方法.运用优势粗糙集理论对决策对象进行详细的分析,在此基础上,针对多属性决策排序结果中"并列"决策现象的存在,将基于信息量的属性重要性度量引入到优势度排序方法中,进一步细化排序结果.最后通过与其他排序方法在具体算例中的对比分析,验证了该方法的合理性、有效性.     

基于直觉模糊值Sugeno积分算子的多属性群决策

针对现实的多属性群决策问题中,决策属性及专家偏好之间均存在不同程度的相互关联问题,提出了一种基于直觉模糊值模糊积分的多属性群决策方法. 并基于直觉模糊值模糊测度,提出了一种直觉模糊值Sugeno积分算子,讨论了该算子的性质,给出了基于该算子的多属性群决策方法与途径. 通过实例分析说明了该方法的具体应用及计算过程.     

基于粗糙逻辑的决策算法之应用

针对条件属性中总是存在若干冗余的属性,粗糙逻辑采用了决策算法进行推理.它通过约简冗余属性及属性值,最终得出极小化决策算法.本文应用粗糙逻辑的知识对决策规则的约简进行了详细的分析,并成功的将之用于了医疗决策系统.     

属性约简在空间电力负荷预测中的应用

空间电力负荷预测是一个将总量负荷预测分配到供电小区的过程,涉及空间信息量多,影响其未来小区使用的因素也多,这就需要大量的存储空间和较长的运算时间.粗糙集是一种新型的数据分析方法,属性约简是其主要算法,它不需提供问题所需处理的数据集合之外的任何辅助信息.因此采用粗糙集(Rough Set)区分矩阵法对空间电力负荷预测中可能影响小区用地决策的相关属性进行约简,去除冗余属性,得出决定小区用地类型的决策规则,取得了较好的效果,提高了整个负荷预测效率.