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.     

基于多粒度概率粗糙集与MULTIMOORA的q-RO模糊多属性群决策

为了探索q-RO(q-rung orthopair)模糊信息系统中具备稳定决策结果的多属性群决策方法,依据多粒度概率粗糙集与MULTIMOORA(multi-objective optimization by ratio analysis plus the full MULTIplicative form)建立了一种新的q-RO模糊多粒度计算模型,并用于求解多属性群决策问题.结合q-RO模糊概率粗糙集与多粒度粗糙集,提出了多粒度q-RO模糊概率粗糙集模型.利用离差最大化法计算属性权重与决策者权重,进一步建立了基于多粒度概率粗糙集与MULTIMOORA的q-RO模糊多属性群决策方法,该方法考虑了决策风险与容错能力,可提供稳定的决策结果.通过2个实际算例验证了所建立方法的可行性与有效性.     

变精度粗糙集下基于信息熵的属性约简算法

本文针对在Z．Pawlak粗糙集下进行属性约简中存在的问题,在对变精度粗糙集理论下卢下近似约简概念分析的基础上,引入了信息熵,建立了变精度粗糙集意义下的决策表中属性重要性的度量方式,区分了β阈值界定下的“弱不一致信息”与“强不一致信息”的不确定程度,从而刻画了标准粗糙集下正域之外的不一致信息的不确定程度,以该度量作为启发式信息,提出了基于信息熵的β下近似约简的启发式算法．这为不一致信息系统的属性约简提供了理论依据与算法．     

基于粗糙集的多属性决策分析

针对多属性决策问题中多个决策者对同一类对象决策结果不一致的问题,通过对多属性群决策问题的描述,提出将不同决策者的不一致决策对象进行合并分析,得到更加直观明确的规则。并对规则集进行构成分析,从而解释决策者之间的冲突所在。     

变精度粗糙集模型

针对基本RS模型的不足，介绍了变精度粗糙集模型，并讨论了它与基本RS模型的关系。最后，定义了变精度粗糙集模型上的属性近似依赖、近似约简。     

基于相似关系的变精度多粒度粗糙集

在不完备信息系统中基于相似关系,引入了可变精度和多粒度粗糙集,进而提出一种基于相似关系的变精度多粒度粗糙集模型。研究了基于相似关系的变精度多粒度粗糙集的相关性质和关系。随后讨论了基于相似关系变精度多粒度粗糙集的约简问题,提出了一种基于属性重要度的启发式分布约简算法,实例分析的结果验证了该方法的可行性。     

变精度粗糙集β下近似属性约简

从属性集角度研究变精度粗糙集模型的属性约简问题,在对象集上定义了一种β下近似二元关系,并利用这种关系建立了属性集及其幂集上的等价关系,由此产生依赖空间。同时利用定义的二元关系和依赖空间给出了变精度粗糙集的β下近似协调集的判定定理,得到一种保持每个决策类的β下近似不变的属性约简方法。最后通过实例验证方法的有效性。     

基于限制容差关系变精度的β多粒度粗糙集

由于容差关系要求相对比较宽松,所以建立基于限制容差关系变精度的β多粒度粗糙集模型,并讨论它们的性质.最后,通过例子说明此模型在一定程度上提高了近似精度.     

基于属性质量度的变精度邻域粗糙集属性约简

变精度邻域粗糙集相比于邻域粗糙集具有抗噪容错的能力,但由于重新定义了下近似,正域的划分不再严格,使得属性重要度的可信度降低,在精度改变的情况下无法优先选取最优的属性.针对这一问题,分析变精度邻域粗糙集的下近似,引入邻域内的正确分类率,定义属性质量度,提出一种基于正域的增量和平均正确分类率的增率相结合的属性度量方法.通过和现有的基于属性重要度的属性约简算法做比较,实验结果表明,改进后的属性度量方法对变精度有更好的适应性,在不同变精度阈值下能得到更优的约简结果.     

序信息系统下基于变精度与程度近似算子的组合粗糙集模型简

基于不可分辨关系的变精度粗糙集和程度粗糙集都是对经典粗糙集的拓展,分别反映了信息的相对量化和绝对量化.为了融合2种模型的优点同时为使其更具实际意义,本文在序信息系统中通过对2对上下近似算子的重新组合,构造了2个新的粗糙集模型,并仿照研究经典粗糙集理论的方法深入地研究了其数学性质.最后通过学生成绩这一案例求解分析对本文作进一步说明,本文为序信息系统的知识发现提供了进一步的理论基础.     

一种多属性群决策方法在质量评估中的运用

研究了属性权重和属性值均为模糊语言形式给出的多属性群决策问题,介绍了一种模糊语言评估标度,并定义了基于语言加权取大(LWM)算子和混合语言加权平均(HLWA)算子,对评估对象的综合属性值进行集结.提出了LWM算子和HLWA算子的多属性群决策方法.最后用实例说明该算法的使用步骤.     

变精度粗糙集模型与应用

介绍了Ziarko变精度粗糙集模型、β约简和广义变精度粗糙集模型;讨论了广义变精度粗糙集模型β上、下近似算子的基本性质,分析了该模型与Ziarko变精度粗糙集模型之间的关系,最后用实例分析了β约简过程.     

优势变精度粗糙集在UCAV威胁估计中的应用

针对对象属性包含偏好信息及对象属性数据可能存在噪声或者一定程度的不完整的问题,在对经典粗糙集理论分析的基础上,引入优势变精度粗糙集方法,给出了优势变精度粗糙集算法的具体步骤,并结合UCAV作战特点,将其运用到UCAV威胁估计过程中.建立了基于优势变精度粗糙集方法的UCAV威胁估计决策信息系统,给出了决策系统所包含的条件属性和决策属性,并通过实例进行了分析.由结果可知,该决策方法实现简单,能正确对目标的威胁等级进行估计,且得出的规则以一定置信度给出,保证了规则的一致性,对于包含偏好属性的决策信息系统,该方法可以辨识出规则之间的不相容性.     

变精度多粒度粗糙集的信任结构

多粒度粗糙集是近年来粗糙集理论中的主要研究课题之一.本文介绍了变精度多粒度粗糙集模型的上、下近似算子;其次,借助划分函数把变精度多粒度粗糙集转化成单粒度粗糙集,构建了变精度多粒度粗糙集模型的信任结构,并生成相应的信任函数与似然函数,这些结果有利于完善变精度多粒度粗糙集的数值属性约简理论.     

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。     

基于变精度粗糙集的脱机手写体汉字识别

文章为研究脱机手写体汉字识别问题,将汉字样本及其特征向量看作是一个信息系统,采用基于β近似依赖度的属性重要度定义作为启发式信息,设计出在变精度粗糙集模型下的特征属性近似约简算法,对手写体汉字信息系统中冗余特征属性进行约简,构建出脱机手写体汉字识别决策信息系统。识别过程中采用基于加权规则置信度的规则融合方法,进一步提高了脱机手写体汉字的可识别性和正确识别率。实验结果表明,该方法是有效可行的。     

基于粗糙集理论的冶金企业备件供应商选择多属性决策

备品备件货物品种多和可供选择供应商多的特点,使得冶金企业对备品备件供应商的管理比大宗原燃料供应商的管理更加复杂. 基于粗糙集理论,运用多属性决策方法研究了供应商选择问题. 首先,在选择决策指标体系的基础上,采用粗糙集理论分析历史指标数据与供应商选择结果之间的关系,从而确定每个指标的客观权重,再结合主观赋权,得到每个指标的综合权重. 其次,基于主、客观综合权重及数据的规范化处理结果,对候选供应商进行综合评价. 最后,用案例验证了本方法的可行性和有效性.     

基于模糊语言评估的多属性决策方法

研究了属性权重确知，属性值以模糊语言形式给出的多属性决策问题，定义了一种模糊语言评估标度并给出其相应的区间数表达方式，利用区间数运算法则对各方案的属性值进行集结。基于区间数之间两两比较的可能度公式，构造可能变矩阵，并利用已有的排序公式求出其相应的排序向量。进而对决策方案进行排序和择优，最后进行了实例分析，数值结果表明：该方法可行且有效。     

基于结构元理论的模糊多属性群决策

 将结构元理论引入到模糊多属性决策中,利用同序标准单调函数类与有界实模糊数同胚的性质,将模糊数的复杂运算转化为同序单调函数的运算,通过单调函数间的序关系描述模糊数之间的序关系,简化传统决策的复杂运算。将模糊结构元理论同经典的ELECTRE方法结合,用来解决模糊多属性群决策问题,克服了以往应用ELECTRE方法遇到模糊数难以排序或直接转化为确定系统的缺点,这种方法以结构元理伦为基础,运算简便,易于理解,对于进一步研究模糊多属性群决策问题有很好的参考作用。给出的实例验证了该方法的有效性和可行性。