模型不确定性下的最优利率规则

在一个封闭后瞻宏观经济模型的基础上,构建包含64个模型的模型空间来刻画模型不确定性,利用贝叶斯模型平均方法求解模型不确定性下的最优利率规则并与单个模型下的最优利率规则进行比较。研究表明,模型不确定性下的最优利率规则比基于单个模型的最优利率规则更加稳健;模型不确定性是央行普遍实行保守的货币政策的原因之一。     

基于粗糙集的保险风险规则挖掘模型

加入WTO后，中国的保险行业将全面与国际保险体系接轨，这意味保险行竞争更加激烈，机动车辆保险业务已成为我国财产保险业务的龙头险种。由于机动车经常处于运动状态，具有较高的风险性。如何对车险保单数据进行挖掘和分析出风险规则是本文的研究重点，本文介绍粗糙集理论的基本概念，运用VPRS模型对车险保单数据进行分析，借助于粗糙集理论的数据挖掘工具ROSETTA挖掘出隐含在其中的风险规则。     

基于置信规则库推理的不确定性建模研究

置信规则库推理作为一种新颖的表达和处理复杂不确定性的方法,在系统建模和分析方面具有很大的应用前景.本文讨论了基本置信规则库推理的性质,证明其不但可以以足够高精度拟合确定性和随机性系统,而且可以处理确定性和随机性数学模型不能表达的复杂不确定问题.另外本文通过对其规则库进行扩展和改进激活算法,解决了基本置信规则库推理在处理局部未知度方面的局限性问题,最后通过一个报童库存问题对提出的方法进行了说明和验证.     

一种高效的关联规则更新算法

在大型数据库中 ,数据不是静止的 ,新的记录需要不断地增加到旧的数据库中 ,而从旧的数据库中挖掘出来的关联规则必须加以维护 ,为此提出了一种关联规则更新算法。该算法既能有效地利用已经发现的知识 ,又能减少数据库的扫描次数 ,同时只需产生少量候选集。实验表明 ,该算法的执行效率比现有的典型更新算法高 ,是一种有实际应用价值的、高铲的关联规则更新算法。     

粗糙Vague集的不确定性度量

将粗糙集理论和Vague集理论相结合,引入了粗糙Vague集的概念,讨论了粗糙Vague集的基本性质.并且基于描述模糊信息量的模糊熵及描述粗糙集的粗糙熵,给出了粗糙Vague集的模糊熵、粗糙度及贴近度的定义,讨论了粗糙Vague集的模糊熵、粗糙度及贴近度,并给出了相应的定理。     

从样本数据中获取模糊规则的一种算法

提出一种直接从样本数据中获取模糊规则的算法．模糊规则的隶属函数通过计算样本数据的方差与期望而得出,规则的抽取通过一个５层模糊神经网络实现,该算法包括两部分,第１部分确定出最佳规则;第２部分通过学习提高推理精度,通过仿真验证了该算法的有效性．     

一种知识推理规则归纳系统的实现

从经验数据归纳出决策规则的主要障碍之一是对象中信息的不一致。本文综合粗糙集理论、遗传算法及布尔逻辑各自的特点，提出集成的归纳学习方法，开发出一个能够从不一致信息中归纳出完备性规则和可能性规则归纳引擎，应用事例数据对系统进行验证并给出验证结果。     

从数据中挖掘模糊规则及其系统实现

针对一类多输入单输出模糊逻辑系统，提出一种简单而有效的方法从数据库中挖掘模糊规则．该方法产生的模糊规则库具有良好的完备性和鲁棒性，从仿真实验可以看出利用数据挖掘方法建立的模糊系统具有更好的逼近能力．为了使该方法在应用上具有良好的通用性，设计和实现了基于组件技术的数据挖掘系统．     

基于多维数据的关联规则算法

通过分析多维数据对象属性的关系，结合联机分析处理技术，在建立数据立方体(Cube)的基础上，提出一个基于多维数据的关联规则算法，可以有效提高规则发现和数据挖掘的效率。最后，通过实践证明该算法有效。     

基于粗集的模糊信息系统有序规则获取

模糊信息处理是信息科学领域的一个热点和难点。针对一类带有三角模型的模糊信息系统,提出一种基于粗糙集的有序规则获取方法。证明了三角模糊数之间基于可能度的序关系是一种弱序关系,进而将模糊信息系统转化为二元信息系统,利用粗糙集理论推理出模糊信息系统的最优有序规则。仿真实例表明了该方法的有效性。     

Information Measures of Roughness of Knowledge and Rough Sets for Incomplete Information Systems

1 IntroductionRough set thcory, introduced by Pawlak [lj, is a relatively new soft computing tool todeal with vagueness and uncertainty. It has been applied to many areas successfullylncluding machine learning, data analysis, pattern recognition, decision support, datamining, process control and predictive modeling [1--6j.Rough set theory gives a formal definition of knowlcdge and provides a series of toolsto deal with know1cdge by set a1gebra. In rough set theory, know1edge can be regarded a…     

基于不确定性问题研究方法评价系统参数的重要性

探讨了利用对信息不确定性问题的研究来评价系统参数的重要性的方法 .首先讨论了根据信息熵的概念研究信息的不确定性 ,通过对信息的不确定性研究 ,提出模式识别系统中选取有效特征的概率统计方法 ;其次基于粗集理论思想 ,利用对于不确定性问题的近似分类概念研究了评价系统参数重要性的方法 .最后对两种方法作了一简单比较 ,并探讨粗集方法与概率统计方法在模式识别系统中选取重要特征准则下的统一性.     

基于粗糙集与证据理论的决策规则合成方法

如何根据规则进行决策是决策规则应用必须解决的核心问题之一。针对该问题,提出了一种决策规则的合成方法,为根据多条规则进行决策提供了崭新的思路。首先,获取规则,计算支持度、信度等信息;然后,将规则信度转换为可信度分配,综合属性重要性和规则支持度两方面因素,计算可信度分配的权重;最后,运用证据理论对可信度分配进行合成。实验表明,规则合成方法能够对决策规则,尤其是冲突规则进行有效合成,得出可靠的决策。     

基于条件粗糙熵的粗集不确定性度量

基于知识的条件粗糙熵理论,提出了集合的条件粗糙熵(简称条件熵)概念,用来刻画和度量集合的不确定性(粗糙性)。给出集合条件熵的性质和相关定理:在近似空间中,等价划分越细,集合的条件熵就越小,粗糙性也就越小;不同的决策集合并后粗糙性会降低.讨论了集合的条件熵在目标信息系统中的理论意义,集合的条件熵刻画了目标信息系统的局部(某个决策集)的不确定性。     

数据库中布尔型及广义模糊型加权关联规则的挖掘

数据挖掘主要是用来找出隐藏在数据库当中那些有用的而未被发现的知识本文我们引入布尔型加权关联规则和广义模糊型加权关联规则的概念,并分别给出挖掘这些规则的计算方法.     

基于广义粗糙集的不确定条件下的Flow Shop调度

在实际生产调度过程中，加工时间的不确定性是普遍存在的，因此引用广义粗糙变量来表示不确定的工件处理时间，定义粗糙加法运算，precision以及ratio，建立了处理时间不确定性的FlowShop调度问题的精糙规划模型，提出了粗糙遗传调度算法将其应用于调度模型的求解，仿真实验证明了算法的有效性。     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

信息论在作战效能评估中的应用研究

基于信息论的基本理论,改进了信息熵函数,提出一种用于评估作战效能的不确定性度量评估方法.该方法能十分简便地分析出各种信息对整个作战效能的影响程度.     

基于边界域的知识粗糙熵与粗集粗糙熵

传统的知识粗糙熵表征了知识整体的统计特征,是总体的平均不确定性的量度,知识和粗集的不确定性值被放大。从Pawlak拓扑的角度,给出了一种基于边界域的知识粗糙熵新定义,并修正了粗集粗糙熵的定义,集合的不确定性可以通过边界域来描述,能更精确的度量知识不确定性;证明了知识粗糙熵和修正后的粗集粗糙熵都随着信息粒度的变小而单调减少等重要结论。最后,通过弹簧振子系统定性仿真例子,结合定性推理技术,构造属性约简的启发式算法,消去定性描述中的冗余,获得了其系统的定性微分方程,说明了粗集理论在定性推理与定性仿真技术中的重要应用价值。     

基于元学习技术的分布式采掘关联规则研究

关联规则是数据采掘中的重要研究内容。本文利用元学习技术提出了在分布式交易数据库环境下,分布式采掘关联规则的一种方法和相应算法DMAR。该算法具有较高的采掘效率和较低的数据通信量。定义了衡量采掘算法效率的分布式因子g,并指出算法的采掘效率和数据通信量与g值的大小有关。最后通过实验验证了该算法的正确性和有效性。