Generalized dominance-based rough set approach to security evaluation with imprecise information

The model of grey multi-attribute group decision-making(MAGDM)is studied,in which the attribute values are grey numbers.Based on the generalized dominance-based rough set approach(G-DRSA),a synthetic security evaluation method is presented.With the grey MAGDM security evaluation model as its foundation,the extension of technique for order performance by similarity to ideal solution(TOPSIS)integrates the evaluation of each decision-maker(DM)into a group's consensus and obtains the expected evaluation results of information system.Via the quality of sorting(QoS)of G-DRSA,the inherent information hidden in data is uncovered,and the security attribute weight and DMs'weight are rationally obtained.Taking the computer networks in a certain university as objects,the example illustrates that this method can effectively remove the bottleneck of the grey MAGDM model and has practical significance in the synthetic security evaluation.     

基于VC-DRSA的信息系统多属性群决策安全评估

以某高校校园网络系统作为评估样本,在建立了信息系统安全属性模型的基础上,提出了基于变一致性优势关系粗糙集(VC-DRSA)的多属性群决策的安全评估方法.该方法将VC-DRSA与层次分析法(AHP)相结合,利用VC-DRSA分类质量的概念挖掘出隐含在数据背后的内在规律,在确定安全属性权重的基础上,对信息系统进行了综合安全评估.实例计算证明,该方法可以有效地解决多属性群决策的"瓶颈"问题,在信息系统安全评估中具有实际意义.     

基于VC-DRSA的危化品公路运输风险不确定因素分析

在深入探讨危化品在公路运输过程中不确定影响因素的基础上,对危化品公路运输事故历史数据进行了整理,提出采用变一致性优势关系粗糙集理论(VC-DRSA)定量分析危化品运输环境风险不确定因素重要度,进而揭示风险因素与风险之间的因果关系及其不可约简规则,为缓解和预防危化品公路运输风险提供了一定的理论依据.     

Dominance-based rough set approach as a paradigm of knowledge discovery and granular computing

Dominance-based rough set approach (DRSA) permits representation and analysis of all phenomena involving monotonicity relationship between some measures or perceptions. DRSA has also some merits within granular computing, as it extends the paradigm of granular computing to ordered data, specifies a syntax and modality of information granules which are appropriate for dealing with ordered data, and enables computing with words and reasoning about ordered data. Granular computing with ordered data is a very general paradigm, because other modalities of information constraints, such as veristic, possibilistic and probabilistic modalities, have also to deal with ordered value sets (with qualifiers relative to grades of truth, possibility and probability), which gives DRSA a large area of applications.     

Dominance-based rough set approach as a paradigm of knowledge discovery and granular computing

Dominance-based rough set approach(DRSA) permits representation and analysis of all phenomena involving monotonicity relationship between some measures or perceptions.DRSA has also some merits within granular computing,as it extends the paradigm of granular computing to ordered data,specifies a syntax and modality of information granules which are appropriate for dealing with ordered data,and enables computing with words and reasoning about ordered data.Granular computing with ordered data is a very general...     

基于遗传算法和变精度粗糙集的离散化算法

目前常用的离散算法多为单属性离散化算法.利用该类算法对多维连续属性进行离散化时,逐次对单个属性进行离散化,割裂了多维属性之间的关系.基于此提出了一种基于遗传算法和变精度粗糙集的多属性离散化算法.该算法基于变精度粗糙集所具有的较好数据分类容错和抗噪能力,通过变精度粗糙集近似分类精度建立遗传算法适宜度评价函数,并利用遗传算法在多维连续属性候选断点集上寻找最优断点子集.基于UCI数据集比较了所提算法与多种常用的离散化算法的差异,实验结果表明,该算法可以获得相对较好的离散化效果.     

基于熵和变精度粗糙集的规则不确定性量度

由已知数据中产生的粗糙决策规则往往具有不确定性 ,需要适当的不确定性量度。借鉴变精度粗糙集理论的思想 ,采用基于信息熵的方法构造了两个新的粗糙决策规则不确定性量度函数。它们不仅可以兼顾由划分的粒度引起的规则不确定性的两个方面 ,即不一致性和随机性 ,还考虑了数据中的噪声对规则一致性的影响。因此 ,它们对一类“几乎一致性规则”具有一定的保护作用。通过举例分析 ,说明它们更适于评价从有噪声数据中提取的粗糙决策规则。     

基于可变精度粗集模型的增量式规则获取算法

为了获取最小决策规则集,当增加新样本时,传统的方法通常需要对决策表中所有数据重新计算,效率欠 佳.从可变精度粗集模型理论出发,讨论了新增记录与已有条件属性等价类的关系及对规则集的影响,在此基础 上提出了基于可变精度粗集模型的增量式规则获取算法.通过仿真实验表明,这种增量式算法是可行的.     

基于可变精度粗集模型的增量式规则获取算法

为了获取最小决策规则集，当增加新样本时，传统的方法通常需要对决策表中所有数据重新计算，效率欠佳。从可变精度粗集模型理论出发，讨论了新增记录与已有条件属性等价类的关系及对规则集的影响，在此基础上提出了基于可变精度粗集模型的增量式规则获取算法。通过仿真实验表明，这种增量式算法是可行的。     

基于VPRS的ID3算法改进

在变精度粗糙集模型的基础上,通过定义近似分类质量来对条件属性进行选择,在ID3算法的基础上生成决策树,实现了对ID3算法的改进,使分类速度加快,并且有效地解决了含噪数据的分类问题。     

基于Rough Set和灰色关联度的煤炭企业评价方法

针对企业评价中已有评价方法权数分配不合理、指标权数测定困难、难以对企业进行有效的综合评价的现状,采用粗糙集理论和加权灰色关联度的方法测定指标权数,对煤炭企业进行综合评价.以2006年煤炭行业上市公司的财务报表数据为实例进行实证分析,结果表明:基于粗糙集和灰色关联度的企业综合评价方法能够克服传统评价指标权数确定的主观偏好,是一种可行的评价方法.     

基于灰色变权聚类与优势关系粗糙集的矿山资源利用评价体系

针对矿山在矿石采选过程中矿石损失贫化率较大,资源损失严重的情况,考虑到矿山资源综合利用情况由各矿产资源的资源利用率决定,而各资源的资源利用率又由该资源的矿石贫化率、矿石回采率以及选矿回收率所构成,利用灰色聚类理论对矿山历年资源综合利用情况进行变权聚类分析,并考虑到资源利用情况带有偏好信息,利用基于优势关系的粗糙集理论建立矿山资源利用评价体系.结合工程实例,分析结果表明:金资源利用率＞银资源利用率＞铜资源利用率.则金资源利用率对资源综合利用情况的影响最大,银资源利用率的影响次之,铜资源利用率对资源综合利用情况的影响最低.     

一般关系下的变精度粗糙集模型

通过分析一般关系下基本粗糙集模型的不足,定义了一般关系下的多数包含关系,借助引入的误差参数α(0≤α＜1/2),给出了一般关系下的变精度粗糙集模型.在该模型中,当α=0时,退化为一般关系下的基本粗糙集模型(Z.Pawlak模型);当|Rs(x)|·α=k时(|Rs(x)|表示元素x后继邻域Rs(x)之基数,k为非负整数),退化为常见的程度粗糙集模型.通过它与一般关系下基本粗糙集模型(Z.Pawlak模型)的比较,可以看出,在引入误差参数α后,能够使尽可能多的有用信息被提取、挖掘.从而克服了基本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失的现象,并讨论了所给模型的一些性质.最后,在所给模型基础上讨论了一种广义近似空间中集合的相对可辨性、近似依赖和属性约简.     

Intrusion detection based on rough set and artificial immune

In order to increase intrusion detection rate and decrease false positive detection rate , a novel intrusion detection algorithm based on rough set and artificial immune ( RSAI-IDA) is proposed. Using artificial immune in intrusion detection , anomaly actions are detected adaptively , and with rough set , effective antibodies can be obtained .A scheme , in which antibodies are partly generated randomly and others are from the artificial immune algorithm , is applied to ensure the antibodies di-versity.Finally, simulations of RSAI-IDA and comparisons with other algorithms are given .The ex-perimental results illustrate that the novel algorithm achieves more effective performances on anomaly intrusion detection , where the algorithm ’ s time complexity decreases , the true positive detection rate increases , and the false positive detection rate is decreased .     

决策粗糙集模型研究综述

主要对决策粗糙集（decision-theoretic rough sets,DTRS）理论的内容与发展概况作综述性回顾。介绍了决策粗糙集的基本理论,包括决策粗糙集产生的背景、决策粗糙集的Bayes决策理论基础、概率粗糙集模型、决策粗糙集模型与经典Pawlak代数粗糙集模型以及一般概率粗糙集模型之间的关系等;讨论了决策粗糙集意义下的三值决策语义以及约简定义,并回顾了决策粗糙集在实际问题中的应用。     

基于变精度粗糙集的神经模糊网络优化及应用

针对现有神经模糊网络应用中的不足,提出了一种新的基于变精度粗糙集的神经模糊网络优化方法,并讨论了其在复杂系统建模中的应用.将变精度粗糙集理论中的β分类精度作为信息函数,选择条件属性.通过选择适当的精度,对建模数据进行离散化,组成决策表.通过对决策表进行变精度的知识约简,提取重要的属性和属性值,映射到模糊规则中,简化生成的规则,从而有效地优化了神经模糊网络结构,极大地减少了网络的训练时间,且提高了训练精度.将该方法应用于有大量样本数据的非线性时延系统建模,仿真实例验证了此种方法的可行性和有效性.     

一种基于粗集的电力系统调度新方法

为满足电力系统实时调度和提高系统抵御风险的能力,基于广义粗糙集理论,提出一种适应动态环境的电力系统调度策略.该方法充分考虑了机组工作、停运、检修及紧急调度等事件发生,研究了实时调度窗口内机组的再选择与再调度策略,建立了一种基于S-粗集和偏序粗集理论的电力系统调度粗模型.仿真计算显示了该方法不仅能适应动态环境,而且能缩小问题求解规模,特别是对动态规划中机组状态数“组合爆炸“问题特别有效,是一种实时调度新方法.     

一种基于粗糙集的区域交通绿时控制方法

本文根据一种基于粗糙集理论的数据挖掘方法,以路口检测数据为研究对象,通过记录数据形成原始的决策表,后通过改进的Semi Naive Scaler算法对原始决策表进行数据预处理,最后对数据预处理后的决策表采用基于可辨识矩阵的属性频度的启发式约简算法进行属性约简,得出的约简结果为关键的属性,即关键的相位,根据程序实现结果为道路决策部门提供依据。     

基于粗糙集的现役管道失效可能性评价

现役管道的安全与广大居民的人身安全和财产息息相关。文中通过对油气管道系统的研究,提出了影响管道失效的管道覆土厚度、公众教育、外力损伤、运行管理等9个主要因素;根据失效损失的大小,确定了4个失效后果等级;在此基础上,结合管道失效的主要案例,运用粗糙集理论和层次分析法确定各层的权重,从而得出强化管理、优化设计、提高施工质量、加强公众教育等是影响现役管道失效的6大因素。