基于描述逻辑的带属性依赖时序ER模型

分析了描述逻辑在数据库中的研究现状和存在的问题,特别是描述逻辑与时序ER模型的关系,在Artale的基础上提出了一种形式化带属性依赖时序ER模型εRVTAD.针对带属性依赖时序ER模型εRVTAD的需求和特点,提出了一种新的描述逻辑,即时序描述逻辑ALCQI（D）US.给出了ALCQI（D）US的语法和语义,提出了基于ALCQI（D）US的带属性依赖时序ER模型,即给出了如何将带属性依赖时序ER模型εRVTAD转化为ALCQI（D）US知识库,以及利用ALCQI（D）US的推理机制给出了带属性依赖时序ER模型εRVTAD的可满足性、冗余性、包含关系和蕴含关系等自动推理问题,证明了这些推理问题的正确性.     

变精度粗集下约简和一致决策表约简的关系

相应于变精度粗糙集模型下的β上(下)分布约简利用重新标识的办法把不一致决策表变换成了一致决策表.证明了变换前的不一致决策表的β上(下)分布约简同变换后的一致决策表的属性约简是相同的.定义了不一致决策表的β上(下)分布核属性、β上(下)分布属性集重要度,证明了它们分别同对应的一致决策表的核属性、属性集重要度是相同的.     

不一致决策表的值约简方法

对目前求不一致决策表最简规则方法存在的问题进行了分析,提出了一种构造区分矩阵的方法,能更好地适用于多决策属性存在的决策表中.借助区分矩阵进行值约简,提出了一种新的规则提取算法.利用属性的重要度来描述条件属性所提供的知识对决策表的影响程度,引入规则准确度来衡量算法是否造成决策表的新的不一致规则.该算法不会破坏决策系统中一致规则和不一致规则所蕴含的信息量,保持约简前后规则的准确度不变.     

基于一致性度量的属性约简的研究

粗糙集理论作为一种处理不精确和不一致数据的数学工具被广泛应用于特征子集选择和属性约简中.在大多数现存的算法中,属性依赖度被用来度量特征子集的重要性,而依赖度在处理不一致信息系统时会出现找不到任何特征子集的问题.文中讨论了使用属性依赖性作为度量的缺点和不足,引入一种一致性度量,分析了其和依赖性之间的关系,重新定义了信息系统的多余属性和约简的概念,并构造了基于一致性度量的前向贪婪搜索算法.通过UCI数据集合验证了算法能够有效地处理不一致信息系统.     

信息观下基于不一致邻域矩阵的属性约简

信息观下研究邻域决策系统的属性约简是一种新颖的思路. 通过分析论域下某样本邻域中其他样本与该样本决策属性值的异同, 定义不一致邻域矩阵. 在计算属性重要度时, 利用不一致邻域减少在原条件属性基础上增加一个属性后条件熵的计算时间. 分析得到邻域系统下条件熵与正域的关系, 提出一种信息观下基于不一致邻域矩阵的属性约简算法, 并分析该算法与其他算法的内在联系. 实验结果验证了所提出算法的有效性.

     

决策表属性约简及其条件信息量表示

讨论了决策表属性约简和条件信息量之间的关系,证明了对于一致决策表,其属性约简在代数表示下和信息论中条件信息量表示下是等价的。并举例说明,对于不一致决策表,其属性约简的代数表示不能用条件信息量来等价表示。论文还给出了一种基于条件信息量的属性约简启发式算法。     

基于决策规则的形式背景属性约简*

在经典形式背景中,利用对象和属性间的二元关系定义一对粗糙模糊上、下近似算子,讨论算子的基本性质,指出算子与已有粗糙近似算子的关系.利用定义的粗糙模糊上、下近似算子,得到两类决策规则,即确定性决策规则和可能性决策规则.针对两类决策规则,提出下近似约简和上近似约简的概念,关于上近似约简,得到可约属性和属性协调集的判别条件,给出属性约简方法,并举例说明方法的可行性.     

两类概念格的依赖空间理论

对象定向概念格和属性定向概念格是经典概念格的两种推广模型。首先,利用对象幂集上的一对对偶近似算子分别定义了对象定向概念格和属性定向概念格上的同余关系。其次,分别基于两类同余关系构造了一个内部算子和一个闭包算子,并研究了内部算子与对象定向概念格的关系以及闭包算子与属性定向概念格的关系。最后将对象(属性)定向概念格之间的关系转化为相应的同余关系之间的关系。     

基于邻域粗糙集的符号与数值属性快速约简算法

粗糙集理论被广泛应用于属性约简,算法复杂性是制约约简应用于大样本知识发现的主要问题,尤其是邻域模型下的约简问题.本文分析邻域粗糙集模型的数学性质,利用正域与属性集的单调关系,构造基于属性依赖度和前向搜索策略的快速算法.该算法降低样本比较次数,提高计算效率.实验分析表明该算法的有效性.     

基于GBM算子扩展的时序广义模糊软集决策模型

在不确定环境下,决策环境的复杂性使决策信息并非完全精确,同时也可能使决策信息存在着时序上的动态变化性。在广义模糊软集的基础上提出了时序广义模糊软集,并定义其并运算、交运算和数乘运算。针对不同时间点决策信息的相互关联性和不同属性间的内在联系,根据几何Bonferroni平均算子（GBM算子）与S范数,提出了时序广义模糊软集几何加权Bonferroni平均算子（TGFSSGBM算子）,并证明了其相关性质,在此基础上提出了考虑不同决策时间点权重的TGFSSGWBM算子。最后,构建了基于TGFSSGWBM算子的时序广义模糊软集决策模型,算例分析以及不同算子间的比较分析验证了该决策模型的可行性和有效性。     

基于改进关系积的最小属性约简算法

属性约简是粗糙集理论的核心内容之一。针对现有关系积理论不能求解不一致决策表中最小属性约简的缺陷,提出一种基于知识联合划分的改进关系积和关系积约简概念,分析了关系积约简、正区域和负区域之间的性质,提出一种基于改进关系积的最小属性约筒算法。理论分析和实例计算结果表明,该算法具有可行性,能求取一致或不一致决策表中所有最小属性约简。     

Rough集理论代数观与信息观的差异量化分析

决策表是Rough集理论的处理对象，其核属性的计算往往是信息约简过程的出发点和关键．代数观和信息观是Rough集理论研究中的两种主要理论观点和方法．本文将针对决策表核属性的计算问题，探讨Rough集理论代数观和信息观这两种形式的关系，通过仿真实验，得到它们在决策表核属性问题上的统计量化差异，并发现在包括大量不相容信息的决策表系统中这两种观点之间的差异将达到极端情况．     

不一致决策表信息熵约简与代数约简的核计算与转化

对不一致决策表,信息熵约简与代数约简有时会得到不同的属性约简和核属性,当前的方法多为先将不一致决策表转化为一致决策表,再对后者寻求高效算法.本文基于等价差别矩阵具有相同的核属性和属性约简的思想,提出一种以条件属性等价类构造简化的代数约简差别矩阵,从差别矩阵内部进行比较与分析,发现只须将信息熵约简差别矩阵中由同时为矛盾对象所产生的可辩识属性集剔除,即可转化为简化的代数约简差别矩阵,从而得到将信息熵约简核属性转化为代数约简核属性的新方法,理论分析与数值算例都验证了其正确性.     

基于幂图的属性约简

针对粗糙集理论中基于差别矩阵的属性约简方法存在的不足,提出一种基于幂图的属性约简算法.首先通过修改样本决策属性值将不相容决策表转化为简化的相容决策表;然后将样本对概念与幂图概念相结合,将基于修正差别矩阵的不相容决策表的属性约简转化为幂图的搜索问题;最后通过实例和实验验证了所提出算法的有效性.     

一种基于博弈策略的群智能属性约简算法

建立了粒子群算法与博弈论之间的联系,在此基础上,引入一种基于博弈策略的群智能搜索机制,并应用于粗糙集最小属性约简问题的求解。由此构建的属性约简算法,可以设置不同的参与团体及其博弈策略,构建相应的支付效用矩阵,并能通过博弈过程构建策略的最优组合。多个UCI数据集的实验计算表明提出的基于博弈策略的新算法求解质量优于粒子群优化算法、禁忌搜索、遗传变异和变异粒子群优化算法,并具有较小的计算开销。     

一种基于属性序的决策规则挖掘算法

针对面向领域用户的决策规则挖掘问题,用属性序描述领域用户的需求和兴趣,模拟人脑分辨事物的过程,提出了一种属性序下的分层递阶决策规则挖掘算法.该算法在给定属性序下输出的决策规则集不仅具有唯一性,且对任意待识别样本不会作出矛盾的决策.实例和仿真实验结果表明了算法的有效性和可行性.     

程序代码相似度度量的研究与实现

针对程序代码相似度的度量问题,提出一种属性计数和结构度量相结合的方法,通过统计程序源代码的操作符和操作数个数,产生Halstead长度、Halstead词汇和Halstead容量3个程序的特征向量,利用向量夹角的余弦计算属性相似度,采用最长公共子序列算法获取结构相似度,从而衡量程序对间的相似程度。实验结果表明,该方法能够有效检测出学生作业中的相似程序代码。     

Multiple attribute decision-making methods for the dynamic operator allocation problem

This study explores two multiple attribute decision-making (MADM) methods to solve a dynamic operator allocation problem. Both methods use an analytic hierarchy process (AHP) to determine attribute weights a priori. The first method uses a technique for order preference by similarity to ideal solution (TOPSIS). The second method incorporates a fuzzy-based logic that uses linguistic variable representation, fuzzy operation, and fuzzy defuzzification. The TOPSIS uses deterministic performance ratings and attribute weights, whilst the fuzzy-based is a linguistic method. An applied case study drawn from existing literature is used to demonstrate and test findings. The proposed methods systematically evaluate alternative scenarios, with the result indicating promise for solving an operator allocation decision problem.     

一种改进的属性约简算法

粗糙集理论是一种有效的信息处理工具,属性约简是粗糙集理论研究的一个核心内容。为了能够较为有效地获得不相容决策表较优的属性约简,在对文献[7]中属性约简算法分析的基础上,根据不相容决策表约简不改变决策表正域的原则,仅考虑相对差异比较表中与正域相关的实例对,同时结合属性重要性作为特征选取的启发式信息,提出了一种改进的启发式属性约简算法。该算法在不增加算法时间复杂度的前提下能够处理不相容决策表。最后,通过实例完整演示了该方法,表明该算法是有效的。