非一致决策表的一种新的水平分解方法

在提出三异等价类和三异组这2个新概念的基础上,给出了基于粗糙集的一种新的非一致决策表水平分解方法。该方法也可以像现有分解方法那样将非一致决策表分解为1个一致决策表和1个完全不一致决策表,但分解得到的一致决策表可能比用现有方法分解得到的一致决策表更大一些,造成的信息损失更小一些。同时,新方法还可以用来分解一部分完全不一致的决策表,而现有方法无法分解这些完全不一致的决策表。     

粗糙集理论在风险管理中的应用

基于容差关系的数据不完全的信息系统中数据处理理论和不完全决策表中属性约简和决策规则的发现方法,讨论了该方法在风险规避中的应用。     

基于Rough集实现判定树归纳分类算法的简化

Rough集理论提供了一种新的处理不精确、不完全与不相容知识的数学方法，在决策表中快速、有效地挖掘出缺省规则。本文将Rough集属性约简应用到判定树归纳分类方法中，明显优化判定树，简化数据挖掘的过程。     

不完全信息系统的粗集Web挖掘方法

针对电子商务环境下的客户关系管理的特点,提出了基于粗集理论对不完全信息系统的Web挖掘方法.从 已知数据的原始决策表出发,利用基于粗集的Web挖掘方法,选用某种评价算法,以得到决策表及每个数据对象的 决策规则.并结合算例,说明这种Web挖掘方法的使用.     

一种基于连续不确定决策表的概念近似方法

复杂决策表通常具有连续定量的属性,存在部分未知值或存在描述一个对象的属性有多个可能值的情况,或者3种情况并存,称为连续不确定决策表。通过分析发现,连续不确定决策表可视为一种多值表元决策表。利用Fuzzy集理论可将多值表元决策表转化为带有隶属度的单一表元决策表;基于此,给出了扩展信息表和决策表的定义,提出了对多值表元决策表中决策概念下近似及边界的计算方法。     

多标记决策表的最优粒度选择

针对多标记决策分类中的粒度选择问题,提出了基于决策表的全局最优粒度选择方法和基于对象的局部最优粒度选择方法.首先基于多个粒度层次分析了多标记决策表的粒度划分,引入了多粒度多标记决策表的粒化粗糙度度量方法;然后针对协调决策表和不协调决策表讨论了通用的决策表最优粒度选择方法;最后,针对全局最优粒度选择不能使每个对象都达到最...     

基于相似关系的不完备决策表属性约简

粗集理论是一种处理不精确，不完全与不相客知识的新的数学工具．属性约简是粗集理论研究的核心问题之一．通过属性约简，简化信息表的属性雏数．在许多情况下面临的信息系统是不完备的，本文研究不完备信息系统下决策表的属性约简问题．     

基于包含度的不一致决策表规则获取

基于包含度这一描述不确定性关系的有效度量方法,依据决策表中包含的确定信息与不一致规则本身信息,对不一致决策表进行修正,进而获取较理想的决策规则,并通过实例进行验证．     

基于重要度的约简算法在电网故障诊断中的应用

为了解决不一致决策表的问题,在原有经典依赖度算法基础上,提出了一种基于重要度的约简算法。约简后的决策表保留了与原始决策表一样的决策属性,但其条件属性较原始决策表缩减了很多。通过具体实例,对大规模电网中的原始不一致决策表进行重要度的计算,根据重要度进行约简,得到去除冗余属性后的决策表,较好地解决了不一致决策表因信息缺失造成决策属性失真的问题。最后指出了粗糙集理论研究中现存的不足,并对如何克服不足提出了具体的思路。     

不一致决策表的分配序约简

在不一致决策表中定义了分配序约简，给出分配序一致集的判定定理。通过定义分配序区分矩阵给出求分配序约简的区分矩阵法。为克服区分矩阵法时间复杂度随系统大小的增加而指数增长的缺陷，通过定义属性的相对重要性，提出一种求分配序约简的启发式算法。通过实例分析说明启发式算法的有效性，为从不一致决策表中获取知识提供了一种有效方法。     

基于相对概率分布的属性约简算法

鉴于现有属性约简算法大多是针对一致决策表不适合对不一致决策表的求解,且运行效率底.文章提出了一种新的决策表属性约简算法.首先判断决策表是否为一致决策表 如果是不一致决策表,则通过最大相对概率分布将其转换为一致决策表; 然后基于一致决策表的相对概率分布满足单点分布的性质来快速确定属性是否为冗余属性,从而求出约简; 并通过MATLAB和UCI学习数据库验证了该算法的有效性和高效性.     

一种不完备决策表的改进约简算法

由于在现实中,大部分信息系统是不完备的,有可能是不一致的。所以,针对现有属性约简算法的不足,在覆盖粗糙集理论和最大一致块技术的基础上提出了一种新的运用表存储可辨识属性集的不完备决策表的改进约简算法,该算法同时适用于一致决策表和不一致决策表,通过算法可求得决策表属性集的上约简、下约简,实现决策表的属性约简,有效地降低了算法的空间复杂度,提高了算法效率,具有一定的现实指导意义。     

一种基于相对粒度的不完备决策表约简算法

为有效地从不完备决策表中获取最小相对约简,提出了一种基于相对粒度的不完备决策表约简算法.该算法通过分析研究知识的相对粒度在属性约简过程中的变化趋势,并基于属性约简定理,尝试通过不断向核属性集中增加属性的方法,从不完备决策表中获取最小相对约简.最后通过实例验证了该算法的有效性.     

Rough集规则知识获取研究中的不一致性问题

讨论数据挖掘问题 ,即从原始数据中构造决策规则。重点考虑不一致情况下的规则知识获取问题 ,即从包含不一致信息的数据中获取得到缺省规则 ,并研究在不一致条件下的决策规则选择策略 ,使之能够在不完全、不一致的条件下进行推理。同时将在 Skowron缺省规则获取算法的基础上 ,根据对不一致性的分析 ,提出从包含不一致信息的决策表中获取缺省规则 ,并能够对任意待识样本进行处理的方法。     

粗糙集理论中决策表属性约简的信息量表示

主要讨论了决策表属性约简和信息量之间的关系,证明了对于一致决策表,其属性约简在代数表示和信息论中信息量表示下是等价的．并举例说明,对于不一致决策表,其属性的约简不能用信息量来等价表示．     

基于粗糙集的模糊模型辨识方法

提出了一种基于粗糙数据分析的模糊模型辨识方法·二值化数据过滤和决策表的简约算法是该方法的两个关键点·通过将传统的决策表转化成二进制决策表,并采用二值化数据过滤技术,可以同时简化决策表的属性和属性值·通过决策表的简约算法,从决策表中提取出重要的属性和关键的属性值,从而得到了输入空间的模糊最优化分,进一步得到模糊模型的前提结构和参数·利用这种方法以一组经典数据为背景建立了岩石边坡工程中边坡稳定性分析的模糊模型,仿真结果说明了该方法的有效性     

基于D-S证据理论直接求代数约简和代数核

 针对不一致决策表,现有基于D-S证据理论的处理方法是将它先转化为一致决策表,再对所得的一致决策表计算其广义决策约简.具体算例研究表明,广义决策约简与代数约简有时并不一致.理论证明了广义决策约简仅与分配约简等价,针对不一致决策表,通过修改判断指标,提出一种基于D-S证据理论直接计算其代数约简和代数核的新方法,其正确性得到理论证明和数值算例的验证.     

基于粗糙集理论偏序决策表知识获取方法研究

介绍了基于偏序关系的偏序决策表,研究了偏序决策表各条件分类和决策分类集合之间的关系,提出了从各分类中计算偏序决策表核及属性约简方法,通过实例,验证了这些方法的有效性。     

一种基于连续属性离散化的知识分类方法

提出一种基于连续属性离散化的知识分类方法.将条件属性按照重要度由高到低排序,并依照此排序将决策表中各条件属性依次离散化.在对决策表中条件属性的离散化过程中充分考虑已离散化的条件属性及决策属性,离散后的决策表不需要进一步约简.使用了模拟数据和UCI机器学习数据集中的数据进行算法测试,而且与其他离散化算法进行了对比,结果充分证明了新方法的有效性.     

利用模糊关系数据库方法管理模糊决策表知识

在关系数据库环境下表示决策表为利用已成熟的数据库技术和功能去操作决策表提供了一种机制。决策表的查询可以通过传统的数据库查询来实现。本文讨论了如何利用相关的方法去表示、存储和管理模糊决策表知识，进而可以利用扩展的SQL功能进行模糊决策。