基于粗糙集理论在公安工作中的研究

文章将基于粗糙集理论的数据挖掘算法引入公安情报工作,论述了基于粗糙集的关联规则挖掘在刑事案件中的应用实例,证明该算法在公安情报分析工作中的可行性,为公安情报工作提供新的解决方法,对于提高情报分析预测的效率、准确性,以及警力分配具有重要辅助作用。     

公安情报分析人员综合素质评估指标体系构建

公安情报分析是公安情报工作的核心环节,情报分析人员作为分析工作的主体,其能力和水平会对情报产品的质量产生直接影响,进而影响决策的合理性.公安情报分析人员综合素质评估指标体系的建立,对选拔、培养和考核情报分析人员,以及情报部门的发展都有着重要的意义.文章采用定性分析与定量分析相结合的方法,在对具有丰富经验的情报分析人员进行调查以及对当前公安情报分析工作的特点和需求进行深入分析的基础上,从知识储备、能力构成、职业素养、思维意识四个方面构建了公安情报分析人员综合素质评估层次结构模型,之后运用层次分析法求出层次结构模型中各项指标的权重.     

大数据背景下的公安情报分析

大数据时代的到来,给传统社会带来颠覆性变革,也给公安情报分析带来机遇和挑战.通过对大数据的挖掘,创新了情报"耳目、尖兵、参谋"作用,使"情报主导警务"成为公安工作的重要变革方向.本文在阐述大数据背景下公安工作面临新环境、情报分析面临新需求的基础上,对公安情报分析的实现路径进行论述,并对需要把握的问题进行说明.结果表明通...     

粗糙集在学生综合评价中的应用

粗糙集理论应用的广泛,简要介绍聚类分析及粗糙集理论.在高校学生综合素质评价中,先利用聚类算法对学生进行分类,再利用粗糙集及其属性重要度理论算出各个决策属性的重要度,并对学生的综合素质进行重新排名,进一步减少人为主观因素对评价结果的影响.     

互信息的序决策信息系统属性约简研究

优势关系粗糙集理论是粗糙集理论有意义的推广,决策信息系统知识约简是粗糙集理论的核心内容之一.通过在协调序决策信息系统中引入条件熵、互信息概念,给出了基于条件熵、互信息的协调序决策信息系统属性约简算法,并通过学生评价决策信息系统验证了该算法的有效性,使协调序决策信息系统的属性约简得到了扩展.在不协调序决策信息系统中引入限定条件熵、限定互信息概念,并给出基于限定互信息的不协调序决策信息系统属性约简算法,为不协调序决策信息系统的属性约简的应用提供了可行的解决方法.     

基于集成学习的决策粗糙集特定类属性约简算法

属性约简是粗糙集理论的重要研究内容.目前决策粗糙集的属性约简大多基于全局的决策类,并且都是采用单一的约简准则.针对这一问题,在决策粗糙集下提出一种特定类别属性约简算法.针对特定的决策类,给出一种属性约简的定义,在保证决策区域极大化的同时尽可能地降低决策区域划分时的代价;利用集成学习的方法设计出相应的启发式属性约简算法.通过在UCI数据集上与已有的算法进行实验比较,验证了该算法具有更高的属性约简性能.     

基于多粒度决策粗糙集的云计算产品分类方法

粗糙集理论中一个重要的研究课题是残缺区间决策系统.针对现有决策系统存在分类精度和质量较低的问题,结合可能性相似度容差关系的优良特性,并运用粗糙集理论,设计出一种新的多粒度决策模型.基于属性的视角,重新定义容差关系,并基于此方法,借鉴多粒度决策粗糙集具有一定容错能力和能够多层次处理数据的优势,结合粗糙集的优良特征,提出一...     

基于分形维数的非常规决策表的属性约简

属性约简是粗糙集的一个核心研究课题,但经典属性约简及其延伸算法是基于有决策属性的决策表的属性约简算法,它们对无决策属性的非常规决策表的属性约简无能为力。以粗糙集理论为基础,对无决策属性的非常规决策表从分形维数方面进行研究,提出了一种适用于无决策属性的决策表的启发式属性约简算法。该算法在一定程度上能够解决非常规决策表的属性约简问题,进一步扩展了粗糙集理论的应用范围。实例表明该算法是有效可行的。     

决策粗糙集属性约简算法与属性核研究

属性约简是粗糙集理论的重要研究内容之一。在Pawlak粗糙集模型中,正区域大小随着属性增多而变大,呈现单调性。然而,在决策粗糙集模型中,概率正区域与属性集之间不具有单调性,从而产生各种属性约简定义。为此,深入研究了决策粗糙集属性约简问题,阐述了几种约简定义之间的关系,证明了保持局部最大概率正区域的约简具有较大的代价,指出了保持所有对象的正决策不变的约简呈现稳定性和存在属性核。     

三支决策与决策粗糙集融合模型

Paw lak粗糙集模型没有对正域、边界域和负域赋予语义,不能进行再决策,而三支决策对边界域赋予了新的语义,可以对边界域做出进一步刻画,对于边界域的进一步划分,依据属性的重要性,使满足条件的样本划入再决策域,不满足条件的样本继续保留在边界域中,降低了边界域样本处理的失误率.本文在对概率粗糙集模型、三支决策粗糙集的理论、贝叶斯理论的决策过程和决策粗糙集模型进行研究的基础上,提出了一种三支决策与决策粗糙集融合模型,与Paw lak-三支决策模型相比,其划分损失更小,处理结果更优.该模型运用三支决策理论对决策粗糙集的边界域赋予延迟决策的语义,对于延迟决策再运用三支决策理论进行迭代操作,对边界域样本进一步处理.在迭代的过程中,依据属性的重要程度将属性排序,从而客观的得到迭代过程中每次优先依据哪个属性进行划分.实验结果表明,该模型比单一运用决策粗糙集模型进行决策代价小,三支决策通过迭代对边界域处理的正确率有所提高,这为准确决策提供了一种新的方法.     

保正域的决策粗糙集属性约简

针对决策粗糙集模型,分析了它的正域随条件属性删除时的变化特点,即当条件属性集变小时,决策粗糙集的正域不但会变大,而且可能保持不变或变小。讨论了现有几种与正域相关的决策粗糙集属性约简定义的优缺点,在此基础上提出一种新的保正域不变的决策粗糙集属性约简。计算实例发现,现有基于差别矩阵的决策粗糙集属性约简方法不能求到它的所有保正域约简。上述研究结果说明,决策粗糙集模型与经典粗糙集模型的属性约简问题完全不同,因此不能简单地将经典粗糙集的方法平行推广到决策粗糙集模型上。该文的结论为将来系统研究决策粗糙集模型中的属性约简问题提供了很好的小结和理论基础。     

基于粗糙集的光电装备延伸保修策略评估研究

光电装备延伸保修策略选择中最重要工作就是评估待选择的策略;为选出最合适策略,提高决策的科学性和合理性,克服不同指标之间的属性不一致性和以往指标确定主观性过大的问题,提出基于粗糙集和模糊集理论的综合评估模型;根据粗糙集理论和经验,采用属性指标重要度计算属性评估指标权重;与专家模糊指标评估矩阵相结合,得到最终综合评估值,选定最优策略;通过具体实例应用分析,验证方法的合理性和可行性。     

公安情报分析的演变趋势及启示研究

准确认识公安情报分析的演变趋势，有利于更好地开展公安工作。公安情报分析呈现出方法科学化、系统智能化、人员专业化的演变趋势，需要树立正确全面的大数据思维、加强系统建设和技术应用、大力培养公安情报专业人才。     

粗糙集结合遗传算法在数据挖掘中的应用

运用粗糙集,结合遗传算法理论,提出一种提取大型数据表决策规则的方法.首先依据条件属性的重要度,把条件属性加入到核属性集中,生成约简.然后选取一组规则编码作为原始种群,应用遗传算法寻求最优解.经过解码和分析做出推理和决策.     

一种基于Web用户不完备信息的规则获取方法研究

Web日志是一个很不完全且存在多样性特点的数据集,在获取决策规则的过程中经常会出现不一致、不完全规则的情况.提到了粗糙集理论,利用粗糙集理论在处理不完全知识上的特有优势来解决此种问题.首先把重要的用户行为特征值离散化作为属性值和值的约简,然后通过粗糙集缺省规则获取算法获得决策规则.其中条件属性的提取主要是一个对用户行为观察和分析的结果,而离散化处理方法就是应用粗糙集理论中的典型方法.这种处理方法有利于最后规则提取的进行,经过实例分析效果良好.     

基于回溯搜索算法的决策粗糙集属性约简

属性约简是粗糙集理论的核心问题,为了获得更多更稳定的最小属性约简,根据决策粗糙集模型将最小属性约简问题转化为决策风险最小化问题,并给出了新的适应度函数计算方法;在此基础上利用回溯搜索算法较强的全局搜索性能,提出了基于回溯搜索算法的决策粗糙集属性约简算法;对UCI数据集的实验结果以及与其他约简算法的比较表明,该算法能够得到更多的最小属性约简,而且能够在多次运行中保持约简结果个数的稳定性。     

采用粒计算的属性权重确定方法

针对属性值为连续值且无单一决策属性的多属性决策问题,通过宏观和微观的粒计算理论模型的对比分析,提出了一种融合模糊商空间理论和粗糙集理论的属性权重确定方法。首先通过应用模糊商空间理论构建具有分层递阶结构的商空间族,将一系列粒度商空间的样本聚类结果作为相应粒度空间下单一决策属性的分类,然后采用粗糙集理论计算得出所有商空间下各个属性的重要度,综合不同粗细粒度商空间下的属性重要度大小确定了各属性的客观权重。应用实例验证了该方法的合理性、有效性和实用性。     

Rough集综合评价法在评标决策系统中的应用

粗糙集是继概率论、模糊集、证据理论之后的又一个处理含糊和不确定性的数学工具.本文分析将粗糙集应用于评标过程的科学性及决策特点,提出了利用粗糙集进行系统评标的方法.首先对评价的定量指标和定性指标分别进行离散化处理,然后应用粗糙集理论中基于核值的属性约简及规则提取技术,形成评标决策规则,用于粗选候选企业.     

基于Pawlak的决策粗糙集的属性约简研究

粗糙集用于规则归纳时,其正域规则和边界规则这两种不同的分类规则会导致不同的决策序列。这两种分类规则都能够从语法和语义上进行区分,并被Pawlak模型所延伸的粗糙集理论所解释。属性约简是粗糙集理论的一个重要概念,本文针对决策粗糙集中的决策单调性这个分类属性,给出属性约简中基于正域约简模型及其分析。     

多粒度支持直觉模糊粗糙集的多属性决策方法

针对多属性决策中多个相互冲突的属性信息使决策者很难做出决策判断的问题,文中从支持直觉模糊集的角度研究该问题.首先,在支持直觉模糊集的基础上,结合多粒度粗糙集理论,构造乐观、悲观两种多粒度支持直觉模糊粗糙集模型,分析两种模型之间的相互关系,讨论相关性质.然后,利用t-模和t-余模定义拟合函数,提出多粒度支持直觉模糊粗糙集的多属性决策求解方法,同时定义得分函数和精确函数排序决策结果,提取相应的决策规则,设计算法.实例分析表明,文中方法使决策者在处理信息冲突的多属性决策问题时可根据实际需求选择最优决策方案