基于OE-近似概念格的不完备决策背景的规则提取

首先,通过对象诱导的三支条件近似概念格和三支决策近似概念格的细于关系,定义了不完备决策背景的OE-协调性;然后,在OE-协调的不完备决策背景上提出了对象诱导三支规则的提取方法, 分别从正面和负面的角度对规则进行获取和解释, 给出了冗余规则的判定定理及非冗余规则集的提取算法;最后,利用包含度理论,提出了带有置信度的三支规则提取方法, 提供了更为丰富的细节, 使得获取的规则更加完善。     

基于决策属性粒度树提取决策规则

粒计算通过粒的形成、粒的转移、粒的合成与分解等手段有效地解决问题.利用属性粒度树,将粒计算与决策形式背景的规则提取理论相结合.首先将决策属性进行粒化,给出多粒度决策形式背景的定义;其次研究了粒化前后决策形式背景协调性的关系;最后在假设粒化前后决策形式背景协调的前提下,研究了粒化前后决策规则之间的关系.     

基于属性导出三支概念格的决策背景规则提取

给出了决策形式背景在属性导出三支概念格下的规则提取方法。首先定义了属性导出的三支概念格间的细于关系,以此为基础给出了决策形式背景三支协调的定义以及在三支协调下提取规则的方法,并研究了所获规则与经典决策背景下所获规则的关系。最后结合实例阐明了三支规则的有效性与优越性。     

基于属性粒度研究决策形式背景的规则提取理论

粒计算作为研究热点之一, 使得用多角度、多层次的方法研究问题变为可能。将粒计算引入决策形式背景, 将会获得更为精确的决策规则。从属性粒度树的角度出发, 首先定义了多粒度决策形式背景,其次研究了粒化前后协调性之间的关系,最后给出了粒化前后多粒度决策形式背景上的规则之间的关系。     

多粒度形式概念分析的类属性块优化

针对现有的多粒度形式概念分析的介粒度标记方法无法实现类属性块内部信息的跨粒度层组合,基于实际应用需要将类属性块内部信息进一步划分为子类,通过跨粒度层重新组合各子类以提出多粒度类属性块,在此基础上分析多粒度类属性块的内部结构,揭示决策蕴涵随多粒度类属性块粒度粗细变化进行更新的规律,完善了基于多粒度形式概念分析的多层次知识发现理论与方法。     

决策概念格及决策规则的提取

针对含有决策信息的决策形式背景,提出了决策概念格模型,并定义决策概念格中的决策规则及规则的置信度和支持度,用户可根据实际的需求,从规则中提取满足最低置信度及支持度的规则.     

基于贝叶斯理论的粗糙集规则提取

提出采用贝叶斯理论提取信息不相容和不完备的试验数据规则.首先以试验数据汇总表的确定性(可信度)为先验概率、试验数据的样本数(支持度)为后验概率,然后计算组合规则的条件概率,提取条件概率大于某一阈值的规则,最后通过逻辑合取与析取归并提炼规则.实例计算和应用分析表明,采用贝叶斯理论提取规则的算法概念明确,计算过程简单,便于编制计算机程序,最大限度避免了规则提取中的知识失真和规则丢失.     

基于多粒度理论的不完备决策规则获取

将多粒度理论引入不完备决策系统中,针对其不完备性,结合非对称相似关系提出基于相似关系的不完备多粒度粗糙集模型,并讨论该模型的性质。随后重点讨论基于相似关系的不完备多粒度粗糙集模型中属性约简和决策规则获取的问题,将多粒度理论和近似分布约简相结合,提出了不完备多粒度近似分布约简,获得所有的最简确定决策规则和最简可能决策规则。最后通过实例分析,发现使用多粒度近似分布约简与规则获取方法比原有的单粒度近似分布约简与决策获取方法更合理有效。     

基于多变量决策树的不完备信息系统规则提取研究

不完备信息系统也有很多有用信息，可以得出支持决策的确定规则。基于决策树的完备信息系统规则提取方法很多，如比较有影响的ID3算法等，但是在不完备信息系统中应用决策树进行规则提取的方法还不是很多。本文提出用多变量决策树方法对不完备信息系统进行规则提取的方法，可以得出部分确定信息，方法简单易行。     

基于类背景的双向规则的获取

规则获取是形式概念分析中的重要问题。文中首先给出原背景概念格与类背景概念格的概念外延之间的关系,并在决策形式背景弱协调的情况下,比较了基于协调性和基于类背景获取的规则集;进一步证明,基于类背景获取的规则优于基于协调性获取的规则。最后,从条件类背景出发定义了反向规则及双向规则,并给出其获取方法及相应的解释。     

基本概念格的关联规则挖掘算法

在已有的基于概念格的关联规则挖掘算法中,搜索频繁结点的范围太大,从而导致花费大量的时间来产生关联规则。针对这一不足,利用“索引链表”数据结构来辅助快速地找到所有的频繁结点,缩小了结点的搜索范围,降低了概念格中挖掘关联规则算法的复杂度。     

形式背景的下近似协调与粒协调的关系

在形式背景中引入上、下近似算子和上、下近似协调集引入证据理论的信任函数与似然函数,讨论它们与上、下近似协调集的关系,进而得到决策形式背景的下近似协调与粒协调是等价的.     

基于属性概念的决策形式背景协调性研究

决策形式背景是在形式背景的基础上通过增加决策属性而得到的,相应的可生成条件格和决策格。基于这两个格中属性概念外延之间的关系提出属性粒协调决策形式背景这一概念,并从属性概念的角度给出决策形式背景现有的强协调性、弱协调性和协调性的新的描述方式,进一步解释属性粒协调决策形式背景与这三种决策形式背景之间的关系;最后,提出属性粒规则的概念,并给出以此为基础的规则获取方法。     

不完备决策信息系统规则提取的一种新方法

针对不完备决策信息系统问题,文章引入容差关系下包含集的概念,并由此提出一种基于包含集的不完备决策信息系统规则提取的新方法.相对于常规方法,该方法计算量较少.最后,文章通过实例验证了该方法的可行性和有效性.     

形式背景下粗糙集近似算子的公理化方法

给出了在形式概念分析中粗糙集近似算子的一种新的定义方式,并给出了它们的公理化刻画。同时也给出了作者Shao提出的另外一对形式概念分析中粗糙集近似算子的公理化刻画。公理化方法有助于理解近似算子的数学结构特征。     

基于关联规则和语义规则的本体概念提取研究

为解决基于非结构化文本的中文领域本体概念提取效率和准确率不理想的问题, 提出了一种基于关联规则和语义规则的领域本体概念提取方法。利用领域一致性和相关性检查以及关联规则分别获取候选概念和关系集合, 计算候选概念在领域术语关系中的深度和广度, 利用深度和广度信息反馈概念隶属度的思想, 定量分析术语与领域的隶属程度, 进行本体概念的领域隶属度检查, 完成领域本体概念的提取。实验结果表明, 该方法提高了领域本体概念的提取效率和准确率, 具有可行性和合理性, 领域本体概念的提取准确率提高了12%左右。     

基本概念格的关联规则挖掘算法

在已有的基于概念格的关联规则挖掘算法中,搜索频繁结点的范围太大,从而导致花费大量的时间来产生关联规则.针对这一不足,利用"索引链表"数据结构来辅助快速地找到所有的频繁结点,缩小了结点的搜索范围,降低了概念格中挖掘关联规则算法的复杂度.     

基于扩展粗糙集模型的近似概念格规则挖掘研究

粗糙集和概念格是两种不同的知识发现和数据挖掘有效工具,已被广泛应用于许多领域.在对粗糙集和概念格基本理论研究基础上,提出了利用扩展粗糙集模型对概念格近似使其得以改进,即在概念格中引入β-多数蕴涵关系实现概念格中结点近似合并以及近似概念格(ACL)的构建,由此提出概念格粗糙近似和规则挖掘算法(LCBA).最后通过UCI机器学习数据库相关测试表明该算法的可行性和有效性.     

不完备信息条件下基于Roustida改进算法的诊断规则提取

诊断决策过程本质上为信息的处理过程。由于信息结构的复杂性和采集的局限性使得获取的信息存在缺失、模糊、冗余等不完备现象,从而影响诊断的准确性。为此,对条件属性冗余、部分数据值缺失情形下,如何提高被诊断信息的完备性开展讨论,试图通过问题聚类探寻诊断决策所需的隐含规则,提出信息补齐与属性约简的知识挖掘方法：首先,针对Roustida算法在缺失值处理时存在的局限性进行改进,扩充其在工程实践中的适用范围,使缺损信息趋于完整;然后,利用遗传算法和广义诊断规则推理实现条件属性约简和规则凝练;最后,以质量问题诊断为对象进行了案例研究,测试样本诊断结果覆盖度 ,验证了不完备信息条件下该方法可以实现以相对较简方式表达问题与情境信息之间的关联关系,挖掘问题发生的隐含规律。     

基于粗糙集的三元概念分析

将粗糙集近似算子引入到三元概念分析中,定义了对象定向三元概念和属性定向三元概念。首先,基于三元背景中的三元关系提出了可能性算子和必然性算子,并研究了这两类诱导算子的性质。其次,基于这两类诱导算子定义了对象定向三元概念和属性定向三元概念。最后,构造了三元图更直观地描述对象定向三元概念和属性定向三元概念。