模糊目标信息系统的属性约简

利用粗糙模糊集的概念定义了模糊目标信息系统的α下(上)分配约简,并讨论了它们同下(上)近似约简、下(上)最大分布约简的关系.相应于下(上)近似约简、下(上)最大分布约简和α下(上)分配约简给出了把模糊目标信息系统变换成对应的一致目标信息系统的方法.证明了变换前的模糊目标信息系统的下(上)近似约简、下(上)最大分布约简和α下(上)分配约简同变换后的对应的一致目标信息系统的属性约简是相同的,从而求模糊目标信息系统的属性约简可转化为求一致目标信息系统的约简.     

基于冲突域渐减的属性约简算法

针对因决策表中存在不一致对象造成的约简求解错误,同时为了进一步提高约简算法求解效率, 首先,给出简化决策表的定义,并证明了简化决策表的核属性和属性约简与原始决策表的核属性和属性约简是等价的. 然后,提出冲突域的概念,分析冲突域的性质,以冲突域中冲突对象个数的变化为度量依据, 研究核属性和属性重要性的性质,同时设计相应的核属性和属性重要性求解算法;在此基础上, 设计基于冲突域渐减式属性约简算法,算法的时间和空间复杂度分别为O(|C|²|U/C|)和O(|U|). 最后的实例和实验结果表明该方法是正确的,高效的.     

改进分辨矩阵下的增量式条件属性约简算法

通过分析现有分辨矩阵的不足,给出了基于条件熵的分辨矩阵定义,以得到不一致决策信息系统下的合理条件属性约简结果.基于改进分辨矩阵的定义,提出了相应的条件属性约简算法,并证明了其约简为不同于代数观点下的约简,而与信息观点下的约简相同.进一步,对该改进分辨矩阵做进一步修正,提出了一个增量式条件属性约简算法.实验结果表明:所提出的改进分辨矩阵下的条件约简算法总体上优于同类求解算法,而其增量条件约简算法能够获得稳定可靠的约简结果,同时约简效率得到较大的提高.     

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。     

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.     

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.     

集值决策信息系统的属性约简及确定性决策规则优化

在集值决策信息系统中定义了一种相容关系,利用最大相容类定义了两类上下近似算子;分别利用两类下近似算子,定义了属性的A-相对约简和E-相对约简,以获取确定性决策规则的优化规则;分别定义了两种区分函数,相应地给出了A-相对约简和E-相对约简的区分函数求法,并证明了该方法的正确性。     

基于信息量的不完备信息系统属性约简

通过引入信息量和条件信息量,对不完备信息系统中属性的重要性进行了定义;针对不完备数据表和不完备决策表提出了一种基于信息量和条件信息量的属性约简启发式算法,该算法的时间复杂度是多项式的.通过实例说明,该算法能得到信息表的约简和决策表的相对约简.     

一种基于分明矩阵的启发式知识约简方法

提出了基于分明矩阵的启发式知识约简方法。在决策表的相对约简过程中采用分明矩阵来表达知识,并利用分明矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择。现已证明,寻找决策表中最小相对约简问题是典型的NP hard问题。所提供的算法在大多数情况下能够找到最小约简,即使在没找到最小约简的情况下,也能找到次优解。通过实例分析,证明该算法是求解属性相对约简的快速有效的方法     

基于区分矩阵与强等价集的启发式知识约简法

提出了基于区分矩阵与强等价集的启发式知识约简方法。在决策表的相对约简过程中采用区分矩阵来表达知识,并利用区分矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择。同时利用属性加权频率和强等价集概念化简区分矩阵,既减小了计算复杂度又提高了约简效率。现已证明,寻找决策表中最小相对约简问题是典型的问题,采用该算法在大多数情况下能够找到最小约简,即使在未找到最小约简的情况下,也能找到次优解。通过实例分析,证明该算法是求解属性相对约简的快速、有效的方法.     

基于可变精度粗糙集的多决策表分析方法

针对可能存在分类误差缺失信息的群体分类决策问题,提出了一种可以从多个决策表中获取群体分类偏好的可变精度粗糙集方法。该方法通过控制决策者的分类误差率,群体分类一致率及反对率,将多个决策表中符合条件的信息汇集,形成群体分类模式表,然后根据每种分类模式在不同分类误差率和群体一致率下得到支持和反对的频数,得到群体分类模式集合的下近似,即群体分类偏好。给出了应用该方法的具体步骤,算例验证了该方法的有效性。     

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.     

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。     

决策表的属性重要性与离散化

运用 Rough集理论处理决策表时 ,要求决策表中的值用离散数据表达。文中形式化描述了离散化问题 ,研究了决策表的属性重要性 ,提出计算条件属性重要性的新方法 ,然后给出基于属性重要性的决策表离散化算法。该算法按照属性重要性从小到大的顺序对每个属性进行离散化 :从可辨别矩阵中得到冲突样本 ,将冲突样本的属性值作为断点的上下界 ,用所有这样的断点化简后得到的断点集对该属性进行离散化处理。     

基于粗糙集与证据理论的决策规则合成方法

如何根据规则进行决策是决策规则应用必须解决的核心问题之一。针对该问题,提出了一种决策规则的合成方法,为根据多条规则进行决策提供了崭新的思路。首先,获取规则,计算支持度、信度等信息;然后,将规则信度转换为可信度分配,综合属性重要性和规则支持度两方面因素,计算可信度分配的权重;最后,运用证据理论对可信度分配进行合成。实验表明,规则合成方法能够对决策规则,尤其是冲突规则进行有效合成,得出可靠的决策。     

基于特征矩阵的决策表约简研究

决策表属性约简是粗集分析的重要内容 .最优属性约简是 NP困难问题 ,目前出现的启发式算法多是以决策表的核为起点 .但对于大型决策表 ,核一般计算量大 ,影响了整个算法的效率 .为此提出了一种分析决策表的属性约简算法 ,它不仅不依赖于核 ,反而为核提供了一种有效的计算方法 .其次 ,对人们容易忽略的含噪声决策表的属性约简也进行了分析 .     

基于粗糙逻辑的增量式属性约简算法

知识约简、决策规则的获取是粗糙集理论研究的核心内容。以粗糙逻辑为基础，首先给出了在新实例加入论域后判断约简变化与否以及判断原极小决策算法中决策规则变化与否的判定依据。在此基础上，提出了一种增量式属性约简算法。该算法能有效地减少计算属性约简与极小决策算法的计算量，提高了计算效率。     

基于序关系的多准则粗集决策方法及应用

从序关系的角度研究多准则决策问题,提出了基于序关系和粗糙集理论的多准则决策方法的系统流程.针对传统定性转换方法信息丢失和导致信息表不一致的缺陷,提出了一种新的定量转换方法,将有序表转换成两两比较表.给出了基于粗糙集的改进RG序规则挖掘算法,并将其应用于两两比较表上以获取供决策使用的排序规则.最后,将该决策方法应用于航材偏好选址问题,决策结果说明了该方法的可行性和有效性.     

基于粗糙集理论的多源信息融合故障诊断方法

在故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题.首先,针对完备信息系统和不完备信息系统分剐提出了相应的融合算法,为解决数据超载以及不完整信息融合问题提供了有效的方法.其次,提出了基于粗糙集理论的多源信息融合故障诊断模型.该模型从包含冗余和不一致信息的原始数据出发,利用基于改进属性重要度的方法实现故障征兆属性约简;然后通过给出的值约简算法进一步产生最大广义决策规则集,建立了用于故障诊断的规则库.最后,在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据置信度、覆盖度和支持度进行综合评价,并得出诊断结论.给出的诊断实例验证了该方法的可行性和有效性.