基于限制扩展优势关系的粗糙决策分析模型

针对信息不完全的偏好多属性决策问题,给出一种基于拓展粗糙集的决策分析模型.首先提出限制扩展优势关系的概念;然后在限制扩展优势关系下得到知识的粗糙近似,给出分类决策规则.对比分析证明,限制扩展优势关系既保留了扩展优势关系的优点,又在一定程度上克服了扩展优势关系的局限性.最后,通过一个实例验证了所提出的模型对信息不完备决策系统的处理更符合实际情况.     

基于限制相似优势关系的粗糙决策分析模型

针对信息不完全的偏好多属性决策问题,给出了一种基于拓展粗糙集的决策分析模型.首先提出了限制相似优势关系的概念;然后在限制相似优势关系下得到知识的粗糙近似,给出了分类决策规则.对比分析证明:限制相似优势关系既保留了相似优势关系的优点,又在一定程度上克服了相似优势关系的局限性.最后通过一个实例验证了所提出的模型对信息不完备决策系统的处理更符合实际情况.     

基于限制优势关系的航天装备备件品种确定

航天装备备件品种确定是实现航天装备精确保障的重要基础。针对航天装备备件品种确定过程中决策信息不完备、犹豫性、模糊性等特点突出的问题, 提出基于限制优势关系的备件品种确定方法。引入犹豫模糊集和粗糙集理论, 建立备件品种确定的犹豫模糊决策信息系统, 基于限制优势关系实现决策属性的约简和决策规则的获取, 构建基于限制优势关系的备件品种确定模型, 最后以某航天测控装备为例进行了案例分析与应用, 证明了方法的可行性与有效性。     

基于(α, τ)限制相似关系的变精度粗糙集模型

针对经典粗糙集模型只能处理完备信息系统,将变精度粗糙集模型引入到不完备信息系统中。给出了(α,τ)限制相似关系的定义及其相关性质,并提出了基于(α,τ)限制相似关系的变精度粗糙集模型,提出了基于属性重要度和近似分类质量的知识约简算法。通过算例分析验证了该模型知识约简算法的有效性。     

基于限制容差关系和集对分析的数据依赖在IIS中的应用

利用限制容差关系和集对分析方法,分别给出了不完备信息系统(IIS)下对象依赖和属性依赖的定义,并将其应用于IIS约简,提出了利用基于限制容差关系的对象依赖进行对象约简和利用基于集对分析的知识依赖进行属性约简的方法以及相应的算法,以这些算法为依据进行约简得到了较好的结果.最后结合两个实例加以分析,验证这种限制容差关系模型和集对分析方法相结合的方法对处理IIS是合理有效的.     

基于有限扩展优势关系的粗糙决策分析方法

针对基于扩展优势关系的粗糙决策分析方法的局限性，本文给出了一种新的基于拓展粗糙集的多属性决策分析方法。首先提出了有限扩展优势关系的概念；其次在有限扩展优势关系下得到知识的粗糙近似，给出了分类决策规则；第三，通过对比分析，证明了新方法的性能优于现有方法；最后通过一个实例验证新方法的可行性和有效性。     

基于集对势的扩充粗糙集模型

针对已有扩充粗糙集模型处理不完备信息系统的局限性,在已有扩充模型的基础上,基于集对分析理论中集对势的概念定义了一种新的对象之间的分类关系,称为集对势容差关系,并由此给出一种新的粗糙集扩充模型.从局部角度,分析说明该模型的分类性能优于已有方法.同时选用UCI数据库中的数据集进行测试,通过实验表明该模型的整体分类性能也优于已有方法.因此更加适合大型不完备信息系统的处理.     

基于变精度容差关系的扩展粗糙集

针对不完备决策信息系统问题,在分析已有粗糙集及其扩展方法局限性的基础上,提出了一种基于变精度容差关系的扩展粗糙集方法。该方法通过判断对象之间不可分辨可能性的大小来划分容差类,进而得到相应的上、下近似集,并在理论与实例中与基于容差关系、相似关系、限制容差关系等的扩展粗糙集进行了比较分析,论证了该方法的合理性和有效性。     

直觉模糊信息系统的优势关系及其约简

进一步研究了直觉模糊信息系统的优势关系及其约简方法。首先针对直觉模糊信息系统定义了优势关系并研究其性质,给出相关的证明,然后定义了在该优势关系下直觉模糊信息系统目标集的上下近似集并证明其性质。接着分析了直觉模糊决策表的研究现状及其不足之处,提出了直觉模糊决策表的条件属性相对于决策属性的属性依赖度、属性重要度的概念,给出了相对属性约简与相对核属性的计算方法,最后通过实例表明所提方法的有效性和合理性。     

不完备信息系统中的可变精度分类粗糙集模型

在不完备信息系统中,容差关系过于宽松,而相似关系则过于严格.根据这样的解释,提出了一种新的基于可变精度分类的拓展粗糙集模型,其中的分类方式相比较于容差关系和相似关系显得更为灵活,是这两者的一种广义化表现形式,且可变精度分类也是限制容差关系的一种改进形式.在此基础上,将这种拓展粗集模型与基于容差关系和相似关系的拓展粗集模型进行了对比分析.最后在不完备信息系统中使用新的拓展粗集模型讨论了确定和可能性规则的直接生成方法,并进行了实例分析以说明其有效性.     

协调优势粗糙集方法及其在UCAV目标威胁估计中的应用

针对一般粗糙集方法不能由有限数据给出完整决策规则的问题, 定义了正协调、负协调和混合协调决策信息系统, 研究了正协调系统的优势关系决策规则获取方法, 在此基础上提出了负协调和混合协调系统的优势关系决策规则获取方法, 形成了协调决策信息系统的优势粗糙集方法, 即协调优势粗糙集方法. 将该方法应用到无人战斗机目标威胁估计中, 建立了无人战斗机目标威胁估计决策信息系统, 分析了目标属性的偏好性, 给出了决策算法, 对算法的复杂度进行了分析, 并与 Greco优势粗糙集方法进行了比较. 结果表明: 该方法简单可行, 得到的确定性决策规则可以涵盖目标条件属性的所有取值, 有效地解决了决策规则的不完备性.     

多准则分级决策的扩展粗糙集方法

解决分级决策问题的方法主要涉及统计学、人工智能和运筹学等．粗糙集理论被证明是进行多属性决策分析的有利工具．但是，基于不可分辨关系或相似关系的传统粗糙集方法不适于解决带有准则的决策分析问题．因此，Greco等提出了一种扩展的粗糙集方法分析分级决策数据，该方法利用支配关系代替不可分辨关系对决策类进行粗糙近似．在此基础上，为了从决策数据中构造偏好模型，通过构造支配矩阵和支配函数计算最小决策规则．为了消除规则集中的冗余性，提出了规则化简的方法．此外，对基于规则的分级决策策略进行了研究.     

基于优势关系和可变精度粗糙集的多准则决策方法

针对不确定性决策问题,提出了一种基于优势关系和可变精度粗糙集理论的多准则决策方法。该方法把基于优势关系的粗糙集模型和基于可变精度粗糙集模型结合起来,在可变精度粗糙集模型中把规则的置信度阈值当作可变精度参数值。首先,给出全部方案的成对比较表。然后,从一部分方案的成对比较表中,利用优势关系粗糙集和可变精度粗糙集的扩展粗糙集理论提取两类优势规则。最后,定义打分函数给全部方案打分,并进行排序,选出最优方案。通过一个简单算例论证了该方法的可行性。     

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。     

决策分析中属性约简的择优算法

粗糙集理论在决策分析中具有广泛的应用。基于优势关系的粗糙集理论只给出如何进行属性约简以得到决策规则的方法，本文则进一步研究了如何针对不同的属性约简如何进行选择。在优势关系的基础上引入格序的概念，利用序关系给出属性约简的贴近度，借此比较了不同约简下所得决策规则贴近于原知识库的程度，并通过一个具体例子加以说明。     

基于二元关系和布尔推理的分级决策模型

分级决策问题是将备选方案分类到预先定义的具有偏好顺序的决策类中.其中每个方案是由一个有限属性集合来描述的,该属性集合包括名义属性、连续型属性和有序属性.为了建立分级决策模型.提出了一种基于粗集理论和二元关系、布尔推理相结合的方法.首先在名义属性、连续型属性和有序属性上分别定义了不可分辨关系、相似关系和优势关系.然后提出了分辨-相似-支配矩阵的概念来建立相应的布尔函数.通过计算布尔函数的主蕴含,得到了"IF…THEN…"分级决策规则集作为偏好模型.最后利用一个算例说明了该方法的有用性.     

测试代价敏感的粗糙集方法

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.     

一种基于相近关系的粗集理论扩展方法及属性约简

针对经典粗集理论中的不可分辨关系对连续属性值中噪声数据缺乏容错性的情况，提出一种相近关系代替不可分辨关系，并用不同的δ值调节相近关系中可接受的相近程度，限制可冗余的范围。给出相近度的计算方法，通过给定闲值定义真实相近类，用以减少一般相近类集合中对象的个数。另外，定义在相近关系下的粗集的一些基本概念，并提出相应的知识属性约简的方法。最后通过歼击机故障信息决策分类验证本文约简方法的正确性和对噪声数据的冗余性。     

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.     

基于限制容差关系的加权信息熵

信息论观点是利用粗集理论研究信息系统性质的一种重要途径和方法。从信息论角度研究不完备信息系统的属性约简问题。在仔细分析完备信息系统的信息熵概念的本质之后,通过引入权数,研究了基于限制容差关系的不完备信息系统加权信息熵和条件熵问题。还提出了基于一般的集值函数的信息系统加权信息熵和条件熵概念。所得结果为在一般二元关系下的信息和决策表的知识获取提供了理论依据。