区间值属性不完全信息下的数据挖掘

不完全信息下的数据挖掘是一个困难的问题,但它在实际决策中是不可避免的。除空值和层次型概念外,区间值属性的处理是典型的不完全信息问题。本文基于粗集理论和扩张矩阵等理论,首先分析区间值属性的优选是NP问题,然后提出了一种分割极小点区间值属性的启发式决策树生成算法,并构造了概率决策树和模糊决策树,以改进传统决策树数据挖掘方法的不足。     

粗集在数据开采中的应用

从数据库或数据仓库开采有用的知识，是辅助决策的有效手段，粗集作为一种新的软计算方法，是处理不确定、不完全数据的有效方法，它可以克服其他软计算方法的不足，并且和它们具有较强的亲和力，所以粗集理论得到了广泛的应用，尤其是数据开采领域巳成为研究的热点，论文就粗集在数据开采中的几个重要问题进行论述，包括决策表的约简、不完全决策表的处理，连续值的离散化、基于粗集数据开采的递增算法以及粗集与其他软计算方法的集成等几个前沿问题，同时指出了问题之所在，提出粗集进一步可能的发展方向。     

不完全信息下的封闭投标机制极小极大后悔策略分析

运用极小极大后悔原则的思想研究了不完全信息的封闭投标机制，给出一唯一的极小极大后悔投标策略，在此基础上，研究了其效率问题，分别给出了存在事务有效，相对事后有效和事后无效的极小极大后悔投资策略进行了充要条件；探讨了它与Ｂａｙｅｓｉａｎ－Ｎａｓｈ平衡点集间的关系，从效率的角度将它们作了比较，发现在多数情形下Ｂａｙｅｓｉａｎ－Ｎａｓｈ平衡点优越于极小极大后悔投标策略。     

不完全信息下交通网络的关键路径问题

在交通运输中．车辆总是选择最短路径行驶。然而因各种突发事件（交通事故、自然灾害等）造成道路中断的现象普遍存在．车辆在行驶的过程中并不具有道路中断的完全信息．只有行进到中断处时才获得道路中断的信息．此时原来的最短路径就很可能失去其最优性．从而增加交通运输的成本。为了解决这一问题．本文提出了不完全信息下交通网络的关键路径问题．给出了相应的求解算法．并分析了其时间复杂性。然后结合实际交通网络给出算例．最后指出这对提高交通运输的效率更具有实际意义。     

不完全信息下的专利投资

外部随机发生的事件中蕴含着专利未来前景的不完全信息,这些信息会影响企业的专利投资决策.考虑不完全信息和竞争,建立实物期权投资决策模型,分别得到了单个企业和双寡头企业投资专利所需的临界信念,并进一步分析了两对称企业竞买同一个专利可能出现的均衡类型及产生条件.结果表明,竞争的力量和专利固有的"赢者通吃"特性不仅使得投资所需临界信念降低,由领导者投资后所产生的信息披露效应从而带给追随者的后发优势也将不复存在;同时,出现错误投资决策的概率也随之增大;企业间的竞争均衡可能会出现占先均衡和同时投资均衡.     

不完全信息下的封闭投标机制研究

本文在相互依存的两点分布假设下研究了一种常用的协商机制－封闭投标机制，把它构造成一个不完全信息的非合作对策模型。在此基础上，给出了Ｂａｙｅｓｉａｎ－Ｎａｓｈ平衡点的完全刻划，按其实现的效率把平衡点集分类，深入地研究了它们的存在性、效率及相互关系。最后，研究了先验信念分布的变化对平衡点集的影响，证明Ｂａｙｅｓｉａｎ－Ｎａｓｈ平衡点集对整个先验分布类具有上半连续性，仅对于一个较小的先验分布类具有下半连     

基于累积前景理论的不完全信息下应急风险决策模型

针对不完全信息下的突发事件应急风险决策问题,考虑应急决策者有限理性、损失敏感、易受突发事件相关因素影响的特征,提出了一种基于累积前景理论的区间多属性应急风险诀策模型。在对应急决策方案在不同指标及风险状态下的属性值进行规范化处理的基础上,建立正、负理想点作为参考点计算价值函数;基于累积前景理论确定风险概率权重;通过计算各方案的综合前景价值,对应急方案进行排序择优。最后,通过案例分析验证了该方法的可行性与有效性。     

不完全信息下的群体决策仿真

为研究互联网个体交互,描述网络舆论演化与群体意见形成,建立了人员个性不完全信息博弈的策略选择模型,并对其进行了仿真和分析．根据网络交互的信息不对称性,提出了基于个体自信程度的不完全信息的支付矩阵,并使用海萨尼转换分析了博弈的贝叶斯纳什均衡;进一步地引入了个体记忆,通过交互进程更新了个体对邻居个性的认识．仿真结果表明,在不完全信息环境下,系统收敛时间更短,信息传播更快．研究内容有助于理解网络事件更易产生一致意见的演化规律,为网络舆论的引导策略提供参考和借鉴．     

不完全信息条件下可生存网络存储系统方案优选研究

提出了一种不完全信息条件下的可生存网络存储系统方案优选模型.该模型基于可生存性指标构建了证据源,给出了存在空缺值的决策评估矩阵,针对传统方法无法处理不完全信息情况,提出了基于DS证据理论的方案评估方法;同时,为了处理决策评估矩阵中以不同形式描述的取值情况,给出了点值、区间值、模糊值等取值形式的隶属度函数,采用了基于信任区间的多属性决策规则,以获得方案优劣排序结果.最后,通过网络存储系统方案优选实例证明了该模型具备处理不完全信息能力,方法有效合理.     

一种合理猜测下不完全信息协商模型

分析了一种不完全信息协商模型．在这个模型中，一方的交易费用是共同知识，另一方的交易费用是私有信息．一个合理的猜测被提出，在这个猜测假设下，本文刻划了协商模型的序贯平衡．最后与其它猜测假设下的协商模型的序贯平衡结果进行了比较     

基于遗传算法的不完备信息系统属性约简方法

提出了一种基于遗传算法的属性相对约简算法。通过在不完备信息系统中引入决策属性支持度的概念,来描述由条件属性所提供的知识对整体决策的支持程度,以此作为启发式信息求出相对核,并将相对核加入遗传算法的初始种群中以加快算法的收敛。同时,在适应值函数中引入惩罚函数,可以保证所求约简既含较少的属性又有较强的支持度,能够获得最佳的搜索效果。该算法通过实例分析,证明是求解属性约简问题的快速有效方法。     

编队对地攻击不完备信息粗决策及可靠性分析

针对编队协同对地攻击特点,建立了编队协同对地攻击指挥决策信息系统。基于粗糙集理论,对不完备信息条件下的决策信息系统,分别讨论了由于数据对象缺失和由于条件属性值缺失造成的不完备信息决策系统的决策规则提取方法,并对提取的决策规则进行可靠性分析,给出不完备信息条件下提取的各决策规则的可靠度,为作战指挥决策提供依据。     

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。     

New method for discretization of continuous attributes in rough set theory

A new method for discretization of continuous attributes is put forward to overcome the limitation of the traditional rough sets,which cannot deal with continuous attributes.The method is based on an improved algorithm to produce candidate cut points and an algorithm of reduction based on variable precision rough information entropy.With the guarantee of consistency of decision system,the method can reduce the number of cut points and improve efficiency of reduction.Adopting variable precision rough information entropy as measure criterion,it has a good tolerance to noise.Experiments show that the algorithm yields satisfying reduction results.     

Information rough communication based on both-branch fuzzy set

The concept of rough communication based on both-branch fuzzy set is proposed, in which the loss of information may exist, for each agent there has a different language and can not provide precise communication to each other. The method of information measure in a rough communication based on both-branch fuzzy set is proposed. By using some concepts, such as |α|-both-branch rough communication cut, the relation theorem between rough communication based on both-branch fuzzy concept and rough communication based on classical concept is obtained. Finally, an example of rough communication based on both-branch fuzzy set is given.     

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.     

决策粗糙集的一种新分类区域及相关比较分析

分类区域是粗糙集理论进行属性约简的重要基础, 量化扩张分类区域则是一个科研重点. 本文主要针对决策粗糙集, 在二分类层面提出一种新的分类区域, 并进行与两类常用分类区域的比较分析. 首先, 采用集合区域自然地提出了二分类决策粗糙集的新分类区域; 其次, 对两类常用决策粗糙集分类区域进行了退化研究; 进而, 对三种分类区域进行了比较分析, 得到了新分类区域的优势; 最后, 用具体实例进行了详细说明. 特别地, 对比于变精度粗糙集与贝叶斯粗糙集, 本文还分析了三种决策粗糙集分类区域扩大分类正域的机理. 本文构建的分类区域, 具有对于经典Pawlak分类区域的扩张性, 更加紧密地联系了集合区域的基础结构, 呈现出对于已有分类区域的改进性.     

基于Rough Set理论的判断矩阵构造方法

群决策支持系统（GDSS）是利用信息技术，将多个决策者个人对策该领域的理解及个人判断能力结合在一起，利用结构化决策分析技术，对半结构化和非线结构化问题进行求解，层次分析法是对定性问题作定量分析的一种简便而有效的方法，提出了一GDSS环境下判断矩阵构造的新方法；运用业集理论；利用管理信息系统运行所积累的大量决策数据来分析各决策因素，决策者对决策目标的影响，并建立自学习系统，从而构造具有完全一致性的综合判断矩阵，该方法适用于重复群决策问题。     

基于粗糙集和D-S证据理论的设备技术状态评估

针对设备技术状态评估中存在着不确定性,建立了基于粗糙集理论和D-S证据理论的设备技术状态评估模型,以提高评估的准确度,降低不确定性。首先利用粗糙集理论的知识约简功能来优化设备技术状态评估指标,其次采用D-S证据理论来组合优化过的指标,最后采用基于基本可信度分配的决策来获得设备的技术状态类别。以汽轮鼓风机为研究对象,详细描述了基于粗糙集理论和D-S证据理论的设备技术状态评估方法,并进行实例计算。实例表明采用粗糙集理论,优化了评估指标,减少了数据收集;采用D-S证据理论,进一步综合各指标,并能计算出评估结果可能存在的不确定性量。