优势关系决策信息系统的属性约简

为有效处理不一致决策的数据, 通过定义决策正域的概念, 提出了基于优势关系的一般决策信息系统的属性约简方法, 并对约简性质进行了分析。最后通过实例说明了属性约简方法的有效性。     

基于属性约简的模糊综合评判

粗糙集理论是一种新的处理模糊和不确定知识的数学工具。属性约简是粗糙集理论研究中的重要内容之一。本文提出基于属性约简的模糊综合评判。通过属性约简，模糊评判过程中因素集(属性集)的指标数大大减少，从而达到简化运算、节约时空资源的目的。     

模糊决策信息系统属性重要度的约简算法

针对模糊决策信息系统,在模糊特征属性上采用截集划分论域,构造了模糊决策信息系统下的粗糙集模型,引入了模糊决策信息系统的一种属性重要度的约简算法,通过实例计算验证了算法的可行性.     

基于图的覆盖决策信息系统属性约简新算法

属性约简是粗糙集理论的重要研究内容之一,主要是用于去除高维数据的冗余信息.利用图论求约简是覆盖决策信息系统属性约简的一个新方法,其将覆盖决策系统的约简等价于超图的极小顶点覆盖.本研究提出一种新的覆盖决策信息系统的属性约简算法,该算法采用三步策略:首先确定覆盖决策信息系统的辨识集,然后得到超图的关联矩阵,最后用贪心法求出...     

覆盖决策信息系统的约简

利用集合之间的包含度概念,讨论了覆盖决策信息系统的覆盖决策约简、覆盖分布约简、最大覆盖分布约简之间的关系,讨论了不协调覆盖决策信息系统中覆盖上、下近似约简的刻画及它们与覆盖分布约简、最大覆盖分布约简之间的关系。这些结果推广和深化了决策信息系统约简理论。     

基于粗集的不完备信息系统属性约简

属性约简是粗集理论研究的核心内容之一。经典粗集理论是建立在完备信息基础之上的，然而在现实中，不完备信息系统的广泛存在极大地限制了粗集理论向实用化迈进。该文基于相容关系，将分布约简、最大分布约筒、分配约简引入不完备信息系统，提出了一种新的约简——分配序约简，并讨论了几种约简之间的关系。给出了分配约简的一种启发式算法：条件信息量约简算法，分析了该算法的时间复杂度。经实验检验，该算法是有效的。     

协调覆盖决策系统下基于条件信息熵的属性约简

从条件信息熵的角度出发,讨论了协调覆盖决策系统的相关性质以及属性约简方法,并用一实例验证此方法的有效性.     

模糊广义决策信息系统的证据特征与信任约简

探究模糊广义决策信息系统的证据特征和信任约简.首先,给出模糊广义决策信息系统中的模糊上、下近似算子及其相关性质.然后,基于证据理论探讨模糊广义决策信息系统的数值特征,并在模糊广义决策信息系统中,利用证据理论中的模糊信任和模糊似然函数对模糊近似集进行刻画.最后,根据模糊信任函数定义的属性重要度,提出模糊广义决策信息系统信任约简的算法,并给出实例验证其有效性.     

一种序决策信息系统中的快速属性约简算法

为了提高无核或少核序决策信息系统中现有属性约简算法的执行效率,本文以知识粒度表征的属性重要度为启发信息并结合前向属性约简方法提出了一种新的属性约简算法。首先,介绍优势粗糙集方法的相关基础知识,并将经典粗糙集中基于知识粒度的属性约简算法引入优势粗糙集方法中,得到可处理序决策信息系统的属性约简算法;然后,通过分析序决策信息系统中知识粒在属性数目变化条件下的粗化与细化过程,得出相对冗余属性的判断定理,由此结合前向属性约简方法设计了快速属性约简算法;最后分析比较了2种算法的时间复杂度并选取了6个不同的UCI数据集进行算法性能的测试,测试结果表明,本文提出的算法比现有的属性约简算法高效。     

权重信息不完全的梯形模糊数多属性决策

针对权重信息不完全且属性值为梯形模糊数的模糊多属性决策问题,给出了基于梯形模糊数质心的多属性决策方法,并通过投影法建立了非线性规划模型,通过数学软件得到各属性权重,并通过质心横坐标与纵坐标在虚拟理想方案上的投影率的乘积作为排序指标,进行排序择优.最后通过实例说明了该方法的有效性.     

不相容决策信息系统属性核的研究

决策表属性核的计算往往是基于Rough集理论的决策信息系统约简过程的出发点和关键．不相容决策信息系统是信息系统约简处理研究的重点．本文对不相容决策信息系统属性核的计算问题进行研究，证明了Rough集理论代数观和信息观中属性核概念的包含关系，以及几种属性核计算方法所得到的结果之间的包含关系．     

区间直觉模糊粗糙集的启发式属性约简方法

属性约简是数据挖掘之中最核心的问题,是任何一个部门决策知识获取的关键技术。基于深入研究模糊粗糙理论、直觉模糊粗糙集理论在属性约简知识方面的研究成果,通过定义区间模糊粗糙集的正域、依赖度与非依赖度等相关概念,提出一种启发式区间直觉模糊粗糙集属性约简方法。结果表明：该方法在知识约简中是可行的,并且相比差别矩阵方法,能有效降低空间和时间复杂度。     

一种新的模糊决策树算法 ——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法（Weighted Pythagorean Fuzzy Decision Tree,WPFDT）。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集（Haberman、Breast Cancer、Parkinson）进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法（模糊ID3算法、C4.5算法、CART算法）比较,实验结果表明：WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。     

基于模糊偏好信息和WGA算子的多属性决策分析

针对有决策者偏好信息的多属性决策问题,提出了一种基于模糊集和加权几何平均算子（WGA）的决策分析方法。应用模糊集理论,根据决策者的偏好对决策属性给出隶属函数,然后由隶属函数对决策属性进行赋权,再利用加权几何平均算子计算综合属性值进行方案集的排序与择优,最后通过实例验证了所给出方法的可行性和有效性。     

一种基于占优度的随机多属性决策方法

针对具有随机变量的随机多属性决策(SMADM)问题,提出了一种基于占优度的随机多属性决策方法.首先,给出了两个方案之间比较的占优度定义;然后通过计算针对每个属性的两两方案比较的占优度,构建占优度矩阵,并在此基础上,运用PROMETHEE Ⅱ方法得到方案的排序结果.结果表明,该方法具有概念清晰、计算过程简单等特点,较好地解决了运用基于随机占优准则的方法可能产生的信息损失问题.并通过一个算例说明了所提出方法的可行性和有效性.