基于粗糙逻辑的增量式属性约简算法

知识约简、决策规则的获取是粗糙集理论研究的核心内容。以粗糙逻辑为基础，首先给出了在新实例加入论域后判断约简变化与否以及判断原极小决策算法中决策规则变化与否的判定依据。在此基础上，提出了一种增量式属性约简算法。该算法能有效地减少计算属性约简与极小决策算法的计算量，提高了计算效率。     

基于信息量的序信息系统的属性约简

属性约简是粗糙集理论研究的核心内容之一.在序信息系统中引入信息量和属性重要性,给出它们与属性约简之间的关系.针对序信息系统提出了一种基于信息量和属性重要性的属性约简算法,讨论了算法的时间复杂度.实例证明了该算法的有效性.     

协调优势粗糙集方法及其在UCAV目标威胁估计中的应用

针对一般粗糙集方法不能由有限数据给出完整决策规则的问题, 定义了正协调、负协调和混合协调决策信息系统, 研究了正协调系统的优势关系决策规则获取方法, 在此基础上提出了负协调和混合协调系统的优势关系决策规则获取方法, 形成了协调决策信息系统的优势粗糙集方法, 即协调优势粗糙集方法. 将该方法应用到无人战斗机目标威胁估计中, 建立了无人战斗机目标威胁估计决策信息系统, 分析了目标属性的偏好性, 给出了决策算法, 对算法的复杂度进行了分析, 并与 Greco优势粗糙集方法进行了比较. 结果表明: 该方法简单可行, 得到的确定性决策规则可以涵盖目标条件属性的所有取值, 有效地解决了决策规则的不完备性.     

序值决策系统中基于描述子的可信规则获取

在序值决策系统中, 根据下近似并不能导出所有可信规则.为此提出了优势和弱势描述子概念,讨论了优势和弱势描述子的支持集与决策类之间的包含关系,用以导出序值决策系统中的所有可信规则.研究了两种新的描述子的约简以及这两种描述子关于决策类的相对约简问题,给出了相应的判定定理与区分函数,为从序值决策系统中获取最优可信决策规则提供了新的理论基础与操作手段.     

基于变精度粗糙集理论的知识约简方法

基于变精度粗糙集理论与包含度理论,引入了不协调目标信息系统的上、下分布约简的概念,并讨论了它们之间的关系.上(下)分布约简是保持每个决策类的上(下)近似不变的最小属性集,由约简系统产生的命题规则与由原系统产生的命题规则是相容的,即约简不会改变由对象所产生的规则的决策结果.通过对这两种知识约简的等价刻画,得到了上、下分布知识约简的判定定理和可辨识属性矩阵,从而提供了不协调目标信息系统知识约简的新方法.     

基于内部关系的信息系统约简与应用

利用拓扑学中内部这个重要的概念来刻画协调决策信息系统的属性约简与不协调决策信息系统关于下近似的约简,使拓扑与粗糙集两个理论交叉、渗透,在此基础上从拓扑的角度出发,更进一步地给出一个二元关系相对于一族二元关系的内部约简的概念,并且定义一个辨识矩阵来给出内部协调集的判定定理与内部约简的算法。最后,在覆盖广义粗糙集理论中认识这类约简,并给出一个应用模型。     

粗糙集理论中基于依赖空间的分布约简

约简是粗糙集理论中的一个核心问题,常用的约简方法有分辨矩阵和启发式算法两种。为了求得决策系统中的下、上近似和边界域分布约简,以构建在条件属性集合幂集上的等价关系为同余关系,利用同余关系依赖空间,提出了求得下、上近似和边界域分布约简的新方法,并给出了与这些约简对应的判定定理。通过实例分析验证了采用依赖空间方法可以求得保持所有决策类下、上和边界域都不发生变化的最小属性子集,为从决策系统中删除冗余属性提供了新的理论基础与技术手段。     

基于限制优势关系的航天装备备件品种确定

航天装备备件品种确定是实现航天装备精确保障的重要基础。针对航天装备备件品种确定过程中决策信息不完备、犹豫性、模糊性等特点突出的问题, 提出基于限制优势关系的备件品种确定方法。引入犹豫模糊集和粗糙集理论, 建立备件品种确定的犹豫模糊决策信息系统, 基于限制优势关系实现决策属性的约简和决策规则的获取, 构建基于限制优势关系的备件品种确定模型, 最后以某航天测控装备为例进行了案例分析与应用, 证明了方法的可行性与有效性。     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。     

(α,β)集对限制优势粗糙集及决策模型

针对不完备信息系统中的偏好多属性决策问题,提出了一种基于(α,β)集对限制优势粗糙集的决策分析模型。引入集对优度和关键属性构建一种集对限制优势关系,构造了基于(α,β)集对限制优势关系的粗糙集模型;在此基础上,研究了粗糙近似算子的性质、知识的属性约简和决策规则的提取方法,并采用计算机仿真的方法分析其分类误判率。(α,β)集对限制优势关系比原有的集对优势关系更加符合实际,分类的整体性能更优。比较研究的结果表明:(α,β)集对限制优势关系在保持较高的分类精度和质量的基础上,其分类误判率显著优于集对优势关系和限制相似优势关系。     

多准则分级决策的扩展粗糙集方法

解决分级决策问题的方法主要涉及统计学、人工智能和运筹学等．粗糙集理论被证明是进行多属性决策分析的有利工具．但是，基于不可分辨关系或相似关系的传统粗糙集方法不适于解决带有准则的决策分析问题．因此，Greco等提出了一种扩展的粗糙集方法分析分级决策数据，该方法利用支配关系代替不可分辨关系对决策类进行粗糙近似．在此基础上，为了从决策数据中构造偏好模型，通过构造支配矩阵和支配函数计算最小决策规则．为了消除规则集中的冗余性，提出了规则化简的方法．此外，对基于规则的分级决策策略进行了研究.     

不完全信息的多属性粗糙决策分析方法

针对有偏好信息但信息不完全的多属性决策问题，给出了一种基于拓展粗糙集的决策分析方法，首先提出了扩展优势关系的概念；其次用扩展优势关系代替经典粗糙集中的不可分辨关系得到知识的粗糙近似，证明了粗糙近似的两种等效表示方法及基本性质，给出了分类决策规则；最后通过一个实例说明方法的可行性与有效性。     

基于优势关系和可变精度粗糙集的多准则决策方法

针对不确定性决策问题,提出了一种基于优势关系和可变精度粗糙集理论的多准则决策方法。该方法把基于优势关系的粗糙集模型和基于可变精度粗糙集模型结合起来,在可变精度粗糙集模型中把规则的置信度阈值当作可变精度参数值。首先,给出全部方案的成对比较表。然后,从一部分方案的成对比较表中,利用优势关系粗糙集和可变精度粗糙集的扩展粗糙集理论提取两类优势规则。最后,定义打分函数给全部方案打分,并进行排序,选出最优方案。通过一个简单算例论证了该方法的可行性。     

基于限制优势关系的粗糙模糊集及知识约简

以不完备模糊目标信息系统为研究对象,在其中提出了限制优势关系的概念。相比较于传统的优势关系,使用基于限制优势关系的粗糙模糊集,可以提高模糊目标的近似精度与近似质量。在限制优势关系粗糙模糊集的基础上,提出了相对下、上近似约简的概念。最后给出了求得相对下、上近似约简的具体操作方法并进行实例分析以说明其有效性。     

Half-global discretization algorithm based on rough set theory

It is being widely studied how to extract knowledge from a decision table based on rough set theory. The novel problem is how to discretize a decision table having continuous attribute. In order to obtain more reasonable discretization results, a discretization algorithm is proposed, which arranges half-global discretization based on the correlational coefficient of each continuous attribute while considering the uniqueness of rough set theory. When choosing heuristic information, stability is combined with rough entropy. In terms of stability, the possibility of classifying objects belonging to certain sub-interval of a given attribute into neighbor sub-intervals is minimized. By doing this, rational discrete intervals can be determined. Rough entropy is employed to decide the optimal cut-points while guaranteeing the consistency of the decision table after discretization. Thought of this algorithm is elaborated through Iris data and then some experiments by comparing outcomes of four discritized datasets are also given, which are calculated by the proposed algorithm and four other typical algorithms for discritization respectively. After that, classification rules are deduced and summarized through rough set based classifiers. Results show that the proposed discretization algorithm is able to generate optimal classification accuracy while minimizing the number of discrete intervals. It displays superiority especially when dealing with a decision table having a large attribute number.     

基于有限扩展优势关系的粗糙决策分析方法

针对基于扩展优势关系的粗糙决策分析方法的局限性，本文给出了一种新的基于拓展粗糙集的多属性决策分析方法。首先提出了有限扩展优势关系的概念；其次在有限扩展优势关系下得到知识的粗糙近似，给出了分类决策规则；第三，通过对比分析，证明了新方法的性能优于现有方法；最后通过一个实例验证新方法的可行性和有效性。     

基于粗糙集的空军航材供应点的偏好选址

在分析空军航材供应点选址影响因素的基础上，提出了用粗糙集理论求解偏好选址问题的方法。考虑到选址是一个具有偏好信息的多属性决策问题，因此在粗糙集方法的使中，用一个两两较表代替原来的决策表，并通过优势属性集来推理决策规则，从而确定各方案排序。这为空军航材供应点的选址提供了一种更为科学、有效的方法。     

群决策中基于语言信息处理的一种粗糙集方法

针对一类具有语言判断矩阵形式偏好信息的群决策问题,提出了一种基于粗糙集的群决策方法.首先利用一小部分整体偏好信息构造一个成对比较表,然后根据优势粗糙集理论提取决策规则,最后定义一个评分函数对整个方案集进行排序和优选.该方法是一个先训练后决策的过程,特别适于大规模的方案优选问题.仿真实例表明了该方法的有效性和实用性.