不完备信息系统的可信决策规则提取与E2相对约简

在不完备信息系统中,提出可信决策规则以及最优可信决策规则的概念,用以刻划信息系统中必定存在或可能存在的确定性决策规则.给出关于容差关系的最大相容类的∨-描述的概念,并由此得到初等可信决策规则.针对协调最大相容类,定义一种基于区分矩阵的区分函数;通过计算协调最大相容类的区分函数的析取范式,可由初等可信决策规则求得所有最优可信决策规则.最后给出条件属性的E-相对约简的概念及其区分函数求法.E-相对约简是保持不完备信息系统的确定性信息的极小条件属性子集.     

序值决策系统中基于描述子的可信规则获取

在序值决策系统中, 根据下近似并不能导出所有可信规则.为此提出了优势和弱势描述子概念,讨论了优势和弱势描述子的支持集与决策类之间的包含关系,用以导出序值决策系统中的所有可信规则.研究了两种新的描述子的约简以及这两种描述子关于决策类的相对约简问题,给出了相应的判定定理与区分函数,为从序值决策系统中获取最优可信决策规则提供了新的理论基础与操作手段.     

一种混合决策系统属性约简算法研究

针对基于模糊等价关系建立的粗糙集模型，指出了现有相对约简算法的不合理，重新定义了相对约简，并提出利用改进的二进制粒子群优化（PSO）算法来求混合决策系统的相对约简。改进的二进制PSO算法引入遗传算法的交叉算子，同时对于种群中适应度最低的粒子，用新产生的粒子代替。根据“相对约简中属性的数量越少，相对熵之差绝对值越小，适应度函数的值越大”的原则设计适应度函数。实验证明算法对混合决策系统能进行有效的约简。     

基于变精度粗糙集理论的知识约简方法

基于变精度粗糙集理论与包含度理论,引入了不协调目标信息系统的上、下分布约简的概念,并讨论了它们之间的关系.上(下)分布约简是保持每个决策类的上(下)近似不变的最小属性集,由约简系统产生的命题规则与由原系统产生的命题规则是相容的,即约简不会改变由对象所产生的规则的决策结果.通过对这两种知识约简的等价刻画,得到了上、下分布知识约简的判定定理和可辨识属性矩阵,从而提供了不协调目标信息系统知识约简的新方法.     

不完备决策系统中规则提取的快速矩阵算法

提出了广义决策的不可分辨关系及其不可分辨类、联合决策相容矩阵等概念以及不完备决策系统中基于联合决策相容矩阵的约简和规则提取的快速矩阵算法.将条件属性相容矩阵和决策属性分配决策矩阵合并到一个矩阵中,大大减少了矩阵生成过程的比较次数,有效的提高了算法的效率.通过一个实例,说明了算法的执行过程;算法复杂度分析以及相应的对比实验,进一步说明了该方法的有效性.     

基于模糊相容关系下的相容模糊粗糙集

本文针对模糊信息系统,提出了一种基于模糊相容关系的相容模糊粗糙集。文中给出了模糊相容类的定义,相容模糊粗糙集的表达形式,相容模糊粗糙隶属函数的定义及性质,相容模糊粗糙集的属性约简及模糊性测量方法.最后通过一个例子来说明了这种相容模糊粗糙集.     

属性约简中的近似问题研究

现有相对约简实际上只是在保持所关心范畴的下近似不变的前提下对属性进行约简,这对于不协调信息系统来说,可能会使所关心范畴的上近似变大,从而使其近似精度减小,导致有用信息的丢失.为此,针对属性约简中的近似问题进行了研究,引入近似相对约简概念,利用近似相对约简替代现有相对约简来处理不协调信息系统,以克服现有相对约简在不协调信息系统中所带来的缺陷.同时,证明了在协调信息系统下,条件属性集相对决策属性集的近似相对约简和相对约简是等价的,并提出了一种基于近似相对约简的简便属性约简算法.     

基于距离的直觉模糊粗糙模型及应用

将直觉模糊和区间直觉模糊集(数)的距离测度引入直觉模糊信息系统和区间直觉模糊信息系统,建立基于距离的粗糙集模型,并给出该模型两种约简-上下近似约简的定义.通过构造分辨函数,设计距离直觉模糊粗糙模型的知识约简及规则提取算法.最后将距离直觉模糊粗糙模型应用于信息系统安全审计风险判断,这不仅可为从直觉模糊和区间直觉模糊信息系统中获取知识提供一种粗糙集方法,而且还为信息系统安全审计风险的有效判断提供决策支持.     

肯定和否定决策规则的获取及约简

为了从不完备有噪声的信息系统中获取肯定和否定决策规则,首先提出了变精度粗糙集描述子的概念,并讨论了其性质|然后给出了该模型下肯定和否定决策规则获取的方法|最后,为了获得简化的决策规则,提出了基于分辨矩阵的描述子约简方法和保持下近似分布不变的启发式约简算法,在学生成绩的评测实例中验证了该方法的有效性。     

模糊目标信息系统的VPRS模型及知识约简

将变精度粗糙集模型引入模糊目标信息系统,建立了模糊目标信息系统的变精度粗糙集模型。定义了四种该模型上的知识约简——β上下近似约简和β上下分布约简;讨论了β上下分布约简的一些性质,提出了β上下分布协调集的判定定理,通过定义相应的区分矩阵给出了求β上下分布约简的区分矩阵算法。     

基于决策依赖度的粗糙集约简模型研究

为寻求高效的粗糙集约简模型,基于可分辨关系提出决策分辨约简、依赖性和依赖度等概念.与以往粗糙集约简模型相比,为提高约简精确性,提出性能为O(|P‖U|)的等价类划分方法和性能为O(|P‖U/C|)的属性重要性度量方法.同时给出了相关定理和等价命题,论证了传统决策约简模型和决策分辨约简模型的一致性.并基于属性重要性给出性能为O(|C|~2|U/C|)的求核方法和性能为Max{O(|C‖U|),O(|C|~2|U/C|)}的约简模型.新模型充分考虑了核属性和其他属性间的关联,从而有效降低冗余率,解决了对比模型存在的问题.理论和仿真实例分析表明新模型高效且结果准确率高.     

区间直觉纯语言信息的集结方法及其在群决策中的应用

对区间直觉纯语言信息的集结方法进行了研究.定义了区间直觉纯语言集及其运算法则和区间直觉纯语言变量的得分函数和精确函数,给出了一种简单的区间直觉纯语言变量的排序方法.进一步,提出了一些基于区间直觉纯语言信息及其运算法则的信息集结算子.在此基础上,给出了一种专家权重、属性权重及属性值均以语言标度形式给出的区间直觉纯语言信息集结方法,并将此方法应用到多属性群决策中.最后通过实例分析表明了该方法的有效性和可行性.     

基于三元联系数的不确定多属性决策方法

利用集对分析理论对不确定多属性决策方法进行了研究。给出了三元联系数的广义同一度以及候选方案与理想解之间的联系数距离的定义,提出了两种属性权重确知、且属性值为三元联系数的不确定多属性决策方法:广义同一度法和距离法。这两种方法均简洁直观,计算量小,易于在计算机上实现。最后,通过与已有方法的比较和实例分析,阐明了提出方法的有效性和优越性。     

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

具有部分指标权重信息的语言多指标决策方法

针对指标权重信息部分已知、部分未知且指标值为语言评价信息的多指标决策问题,提出了一种决策分析方法。对具有部分指标权重信息的语言多指标决策问题进行了描述。给出了求解具有部分指标权重信息的语言多指标决策问题的计算步骤,其核心是将语言评价信息转化为三角模糊数,通过计算每个方案与理想点之间的距离,构建最优化模型,求得未知的指标权重值,进而可计算出每个方案的模糊评价值,相应地通过计算两两模糊评价值比较的可能度,得到所有方案的排序结果。通过给出一个算例说明了所提方法的可行性和实用性。     

基于直觉模糊集的多属性模糊决策方法

针对模糊条件下的多属性决策问题,提出了一种新的基于直觉模糊集的多属性模糊决策方法。首先,给出了直觉模糊集的几何解释,定义了两个直觉模糊集之间的距离,确定了各候选方案指标值在直觉模糊集中的表示形式。其次,针对在信息不完全确定的模糊环境下,建立了基于直觉模糊集的多属性模糊决策模型,给出了适合这种模型的相应定义,提出了理想方案和负理想方案的概念,并结合信息不完全确定性处理来保证方案的唯一性。最后,通过比较各方案的直觉模糊集与理想和负理想方案的距离来确定方案集的排序。通过实例验证了方法的正确性和有效性。     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。