模糊信息系统属性值的重要性度量

在粗糙集理论中,属性约简是一个重要的研究方向,但是所有约简的计算都是NP-hard问题.在模糊粗糙信息系统中存在着同样难以解决的问题,因而在实际运用中,经常通过获取粗糙集的核心属性或属性的重要性度量,以便运用启发信息来降低计算的复杂度,进而获取最优或次优约简.本文引入模糊集的贴近度和排序矩阵来计算决策属性所依赖的条件属性值的重要性度量,去除冗余属性值,从而使获取约简的计算量得以减少.     

基于信息增益的属性约简算法

以信息增益作为属性重要性的度量方法,提出了一种基于信息增益的属性约简算法.该算法总是优先考虑对于决策更为重要的属性,用条件属性对决策属性的信息增益作为条件属性的属性重要性度量,并以此度量作为启发式信息,算法从空集开始逐步将重要的属性加入到选择属性集,直到决策表达到一致分类时结束.并通过实例分析验证了该算法能有效地对属性进行约简,同时可以得到简单规则集.     

一种基于互信息增益率的新属性约简算法

为了获得决策系统中更好的相对属性约简，提出了一种基于互信息增益率的属性约简算法.该算法考虑了所选择条件属性与决策属性的互信息，还考虑了所选择属性的值的分布情况，从信息论角度定义了基于互信息增益率的属性重要性度量方法，并以此度量为启发式信息，算法从空集开始逐步将最重要的条件属性加入到选择属性集，直到所选择的条件属性集与决策属性集的互信息等于整个条件属性集与决策属性集的互信息时，算法停止.结果表明，算法能更有效地对决策系统进行约简，同时约简后的对象数目较少.     

基于概率影响图的空降地域选择风险评估研究

针对传统方法对风险考虑不够的问题,提出了一种基于概率影响图的空降地域选择风险评估方法。通过详细分析影响空降地域选择的风险因素及其相互关系并结合历史数据和作战经验,建立了空降地域选择风险评估的概率影响图模型。通过风险量化和概率推理,最终得出了空降地域选择风险的概率评估,通过实例验证了模型的有效性。     

广义特征矩阵及其应用初步

属性约简,即在保持知识库的分类或决策能力不变的条件下,删除其中不相关或不重要的属性,是Rough set理论的核心研究内容之一.决策表属性重要性度量方法是决定属性约简算法性能的重要启发式信息.合理的属性重要性度量方法,将有助于提高启发式搜索算法的效率和优化效果.针对基于分辨矩阵的属性重要性度量的缺陷,提出了广义特征矩阵概念,并在分析其性质的基础上,建立了一种新的基于广义特征矩阵的属性重要性分层度量方法,该方法不需要计算属性重要性的权值而直接给出重要性的排序,具有分辨能力强,度量准确的特点,对决策表的属性约简和知识荻取有重要应用价值.     

空降场的定量分析与研究

用数学方法描述空降兵战场是我军作战指挥领域中一个重要的研究方向,也是一个新兴的研究方向,目前尚处起步阶段。文章本着从实际出发的原则,介绍了空降场的基本概念,“实际空降场”和“映射空降场”实现重合的方法。最后从工程角度,介绍了对跳伞着陆中非战斗减员的估算方法。     

一种基于信息熵建立决策树的算法

信息论给出了信息的数学本质,提出了用热力学中的熵来度量信息量的大小。分类是一个重要的数据挖掘问题,在训练数据集上建立分类树的关键是如何选择决策树每一个内部结点的测试属性。传统的决策树建立算法利用信息论中熵的概念选择属性,具有偏向于取值较多属性的缺点。本文分析了信息论中有关熵的一些基本概念和含义,讨论了它们在挖掘分类树中的应用,利用互信息设计了一个建立分类树的算法,克服了传统算法的缺点。     

遗传算法信息熵结合属性约简算法研究

为了获得决策系统中属性最小相对约简,将信息论角度定义的属性重要性度量作为启发式信息引入遗传算法,提出了一种启发式遗传算法,通过构造一个新的算子来引入启发式信息,使得选择的属性子集的分类能力不变.该算子体现了一种利用启发式信息的局部搜索技术,使得算法既保持整体优化特性,又具有较快的收敛速度,从理论上对算法作了分析,对新算子所能选择属性子集的分类能力不变作了证明,最后的实例表明,该算法能有效地对决策系统进行最大程度的约简.     

基于依赖决策熵的决策树分类算法

针对传统的基于信息熵的决策树算法所存在的问题,本研究从粗糙集理论的角度来考虑信息熵,定义了依赖决策熵的概念,并提出一种基于依赖决策熵的决策树算法DTDDE。在DTDDE算法中,采用依赖决策熵的概念来度量每个条件属性的重要性,并选择重要性最大的属性作为当前的分离属性。通过在多个UCI数据集上的实验表明:与现有的决策树算法相比,本研究所提出的算法能够获得更好的分类性能。     

基于信息增益的属性约简算法

以信息增益作为属性重要性的度量方法，提出了一种基于信息增益的属性约简算法．该算法总是优先考虑对于决策更为重要的属性，用条件属性对决策属性的信息增益作为条件属性的属性重要性度量，并以此度量作为启发式信息，算法从空集开始逐步将重要的属性加入到选择属性集，直到决策表达到一致分类时结束．并通过实例分析验证了该算法能有效地对属性进行约简，同时可以得到简单规则集．     

集成产品开发的MADM模型及实现

集成产品开发一次成功的目标要求减少开发过程的冲突和提高资源的优化配置水平来实现产品开发过程的设计,研究过程的规划和优化方法是解决上述问题的有效手段.阐述了集成产品开发目标决策的重要性、概念和高层设计目标,分析了目标决策的多属性特点,建立了目标决策的MADM模型.引入层次分析法解决定性和定量相结合的多属性决策问题,给出了具体的算法和计算步骤,将主观判断用数量形式进行表达和处理,结果证实能较好地适应产品开发中的方案选择和目标决策.     

SVM方法在武器装备综合论证中的应用

针对现有武器装备综合论证存在的不足，引入了基于支持向量机（support vecto rmachine，SVM）的多属性决策方法。分析了多属性决策支持向量机方法的机理；建立了多属性决策支持向量机方法的价值函数决策模型和方案序关系决策模型，用以训练支持向量机；提出了基于支持向量回归和分类的多属性决策支持向量机实现算法。最后给出了一个算例。     

Evaluation of rope shovel operators in surface coal mining using a Multi-Attribute Decision-Making model简

Rope shovels are used to dig and load materials in surface mines. One of the main factors that influence the production rate and energy consumption of rope shovels is the performance of the operator. This paper presents a method for evaluating rope shovel operators using the Multi-Attribute Decision-Making (MADM) model. Data used in this research were collected from an operating surface coal mine in the southern United States. The MADM model consists of attributes, their weights of importance, and alternatives. Shovel operators are considered the alternatives. The energy consumption model was developed with multiple regression analysis, and its variables were included in the MADM model as attributes. Preferences with respect to min/max of the defined attributes were obtained with multi-objective optimization. Multi-objective optimization was conducted with the overall goal of minimizing energy consumption and maximizing production rate. Weights of importance of the attributes were determined by the Analytical Hierarchy Process (AHP). The overall evaluation of operators was performed by one of the MADM models, i.e., PROMETHEE II. The research results presented here may be used by mining professionals to help evaluate the performance of rope shovel operators in surface mining.     

信息选择问题的辅助求解

讨论一般信息选择问题的属性、条件和可行解的关系。在所提出的辅助系统中,采用评价矩阵及几个相关函数、对选择过程进行建模分析。最后介绍了解决冲突的分类求解。     

一种遗传量子粒子群的属性约简算法

针对粒子群算法收敛速度不佳和易陷入局部最优的问题,提出了一种遗传量子粒子群优化(GQPSO)的属性约简算法,GQPSO算法利用量子系统较大的搜索范围,并借鉴遗传算法的选择、变异等操作,从而避免了算法过早收敛至局部最优,且能得到可观的收敛速度。实验结果表明,GQPSO算法具有更快的收敛速度和全局搜索能力,提高了属性约简的效率。     

基于投影及优势度的不确定语言群决策方法

针对属性权重信息不完全的多粒度不确定语言多属性群决策问题,提出一种基于投影及优势度的群决策方法.该方法采用连续区间二元语义的有序加权调和平均(ITC-OWH)算子将多粒度不确定语言评价矩阵转化为二元语义决策矩阵,基于投影法构建目标规划模型,从而确定单个决策者的属性权重向量.在每个决策者之下,计算任意2个方案之间比较的综合属性优势度,根据综合优势度矩阵及决策者权重向量获得群体综合优势度矩阵,由各方案的总优势度获取方案的排序结果.最后,将提出的群决策方法应用到潜艇研制方案遴选问题中,验证了该方法的可行性与有效性.     

信息系统安全方案的多属性决策方法

为解决信息系统安全建设中信息安全方案的选择问题,综合分析信息安全方案对安全等级保护要求的符合程度、信息安全方案的采购成本、运行维护费用和信息安全方案对抗风险的效能等多种因素和指标,并根据这些因素对信息安全方案选择的影响,提出一种多属性决策方法.通过信息安全方案对抗风险的效能指数计算、信息安全方案各影响因素的权重赋值和信息安全方案综合指数的计算,依据综合指数对信息安全方案进行择优排序,实现对信息安全方案的恰当选择.对于符合基本条件(满足安全等级保护要求、成本在限制范围内、对抗风险达到要求等)而难以取舍的几个备选方案,该选择方法是合适和简捷的.     

基于Vague集的工程项目发包模式选择决策研究

针对工程项目发包模式选择影响因素众多、过程复杂、不确定性等特点,将其视为一个模糊多属性群决策问题.在分析并确定项目发包模式决策属性集的基础上,提出基于Vague集的多属性群决策方法,采用Vague集中真假隶属度和未知度描述对发包模式的满足/不满足程度和犹豫程度,解决发包模式优选过程中的模糊性和不确定性问题,引入Vagu...     

基于属性相似度的属性约简算法

为解决粗糙集属性约简算法存在的诸多问题，从属性相似度出发推导出属性相似度与粒度相似度的一致性，进而提出了一种基于属性相似度的属性约简算法，主要包括采用分明矩阵法求条件属性集的约简，核的求取，可省属性的相似度计算和最简约简的求出等步骤，仿真与对比分析表明其计算简便、效果显著。     

基于平均差异度的改进k-prototypes聚类算法

针对k-prototypes聚类算法随机选取初始聚类中心导致聚类结果不稳定,以及现有的大多数混合属性数据聚类算法聚类质量不高等问题,提出了基于平均差异度的改进k-prototypes聚类算法.通过利用平均差异度选取初始聚类中心,避免了初始聚类中心点选取的随机性,同时利用信息熵确定数值数据的属性权重,并对分类属性度量公式进行改进,给出了一种混合属性数据度量公式.结果表明,改进后的算法具有较高的准确率,能够有效处理混合属性数据.