基于粗集的IT项目风险决策中知识推理方法

针对IT项目的风险管理与决策过程中存在大量不确定、不完全信息等特征,论文在传统决策方法的基础上,将智能决策支持系统(IDSS)引入到IT项目的风险管理中,提出了IT项目风险智能决策支持系统(ITIDSS)的基本构架。并借助粗糙集的原理与方法,通过实例分析,探讨了ITIDSS中关于知识表达、属性约简、规则挖掘等信息获取与知识推理的算法,尤其是引入了有效规则权重的概念与计算方法,从而对整个决策规则挖掘的算法进行了简化和改进。     

粗糙集AHP融合模型在IT项目风险分析中的应用

IT项目是高投入、高风险产业,为了在IT项目开发中获得高收益,有必要对IT项目风险进行分析。但是传统分析方法比较主观,难以对IT项目风险进行客观的分析。文章先引入粗糙集理论,利用可分辨矩阵约简算法对IT项目风险表进行属性约简,剔除其中不必要的属性,然后综合利用粗糙集理论和AHP方法来确定IT项目风险的权重,并通过实例验证该方法的可行性和合理性。     

基于优势关系的多属性群决策方法

借鉴多属性群决策和粗糙集理论,提出了基于优势关系的多属性群决策方法。该方法采用优势关系进行粗粒度划分,其适用于解决一些注重时效的实际问题。在多属性群决策问题中,利用优势粒结构的相似度确定各评价指标（属性）的权重;通过专家评价相似度定义各专家在群体中的共识程度,确定各评判专家在群体决策中的权重分量;集结群决策计算结果得到被评价者的综合能力排序,并通过实例验证了上述算法的有效性。     

基于粗糙集和粒子群优化神经网络的智能决策方法

针对多属性决策中的高维、非线性问题,提出一种基于粗糙集和粒子群优化神经网络的智能多属性决策方法.该方法利用粗糙集对多属性决策问题的条件属性进行约简,利用粒子群算法训练神经网络的权重和阈值形成粒子群优化神经网络模型,约简后的属性数据进入粒子群优化神经网络的智能决策系统.实证结果表明,该方法具有较好的泛化能力,与标准支持向量机、遗传神经网络等方法相比,该方法具有一定的优势.     

多属性群决策中一种基于主观偏好确定属性权重的方法

提出一种多属性群决策中同时考虑专家群体对属性主观赋权的偏好和决策者对决策重要性认识的偏好来确定属性权重的方法,能够兼容专家实数型、区间型和语言型等类型的属性权重赋值.首先建立标准属性重要差异矩阵以实现专家对属性赋权的优劣比较和差异规范,定义统一的决策者偏好映射对其进行调整;然后求解各矩阵的排序向量以量化属性的相对重要程度,并与专家权重聚合得到属性权重向量;最后给出了方法的具体步骤,并通过算例说明了该方法的具体应用.     

属性重要度与证据理论结合的加权排序方法

属性重要度与排序方法是多粒度粗糙集研究的一个重要内容。在现有属性重要度的基础上,本文对属性重要度进行改进,提出了多粒度下信息粒的权重与条件属性的权重的概念,并给出了一种数据预处理的方法。与传统方法相比,它能有效克服数据差别不大的数值被划分到不同类中去的问题。同时,基于证据理论提出利用类概率函数的加权排序方法,此方法也可用于多元对象的排序问题。并用一些实例说明了此方法的实用性和有效性。     

一类考虑阶段赋权的多阶段三端点区间数型群决策方法

基于区间数相离度理论和熵值理论, 探讨了一类多阶段多属性三端点区间数型群决策中的动态属性权重、动态专家权重和阶段权重问题, 提出了多阶段属性权重确定方法和阶段内专家权重的计算方法. 计算出属性权重、阶段内专家权重和阶段权重, 并利用区间数贴近度方法生成最终的群决策方案排序. 应用实例分析结果表明, 所提出的决策方法具有较好的可行性和合理性.

     

基于三支决策理论的条件属性权重构造方法

针对传统决策过程中权重规则确定的主观性和参数数值计算的不确定性问题,在粗糙集和三支决策理论的基础上,对条件属性权重构造方法进行了研究。重新定义了属性确定度和属性约简度,提出了一种属性权重构造方法,通过实例将该方法与其它条件属性权重构造方法进行了分析比较,证明了其有效性。该方法基于数据本身,不需要先验信息,从客观的角度对属性进行判断,决策者通过该方法可以得到更加合理的权重分配,做出符合实际的决策。该论文对研究属性权重分配问题,具有一定的理论价值。     

优先级评估下的软件源文件可疑度度量方法

为深入提高软件可靠性,面向软件源文件缺陷定位效率低、精度不高等问题,提出优先级评估下的软件源文件可疑度度量方法.融合多属性决策算法与相似度理念,自适应调节个体决策结果,按照专家权重获得全新的群体决策,从高到低排序软件源文件缺陷可疑度度量顺序;使用粗糙集理论与模糊聚类算法分析软件缺陷数据,划分缺陷属性权值,计算缺陷数据与...     

基于直觉模糊粗糙集相似度的多属性决策方法

将直觉模糊粗糙集应用于多属性决策问题,提出了基于改进的直觉模糊粗糙集相似度的多属性决策方法。针对现有的直觉模糊粗糙集相似度忽略犹豫度而造成度量不精确的问题,提出了一种改进的直觉模糊粗糙集相似性度量方法,并揭示其若干重要性质。在此基础上,将属性值用直觉模糊粗糙集表示,并通过各个方案与直觉模糊粗糙集正、负理想方案的相似度比较,实现决策方案排序。数值实例表明了该方法的可行性和有效性,其在态势评估、目标识别等信息融合领域有良好的应用前景。     

基于概念格的关联规则挖掘方法

对概念格在关联规则挖掘中的应用进行了研究.通过将概念格的外延和内涵分别与事务数据库中的事务和特征相对应,可以从概念格上产生频繁项集,进而挖掘关联规则.提出了一种基于概念格的关联规则挖掘方法,在背景中对象约简的基础上,构造出对象约简后的概念格,从新的概念格中先产生基本规则集,再根据用户给出的支持度阈值从基本规则集中挖掘出对用户有意义的规则,并给出了算法描述.该方法求出的关联规则和利用Apriori算法求出的结果是一致的.     

关联规则挖掘的基本算法

介绍了加权模糊关联规则挖掘算法的基本思想及实现步骤，并给出挖掘算法的多种策略。在此基础上，分析了加权模糊关联规则与模糊关联规则、布尔型属性加权关联规则、布尔型属性关联规则之间的内在联系，并指出加权模糊关联规则挖掘算法是一种最基本的关联规则挖掘算法，蕴涵了其它3种关联规则挖掘算法。     

基于Rough Set带结论域的关联规则挖掘

论文构建了一种基于RoughSet(RS)带结论域的强关联规则挖掘模型,采用约简决策表和改进的Apriori算法来挖掘关联规则,提高了关联规则的挖掘效率和挖掘质量,提出并实现了带结论域的关联规则挖掘的解决方案。     

关联规则数据挖掘方法的研究

首先简要地介绍数据挖掘和关联规则的概念、关联规则的基本原理及种类。然后详细地介绍了关联规则挖掘研究现状，讨论了Apriori算法的基本原理，同时也指出了Apfiofi算法的一些不足。针对这些不足提出了解决方法，描述了几种改进算法。最后对关联规则挖掘下一步的研究方向进行了展望。     

一种基于有序属性决策系统分类规则提取策略

分类规则的精度取决于分类算法的构造,论文在综合分析基本粗糙集合概念及其约简算法的基础上,阐述了一种基于准则的有序属性决策系统的数据挖掘算法．为此首先介绍了基于有序属性决策系统的集合表达,然后利用有序属性决策系统中准则集与属性集的基本特征构造上下近似扩展模型,得到准则集决策系统的四个相关参数．并进一步提出相应的数据约简与分类规则提取算法。最后给出了用此算法约简有序属性决策系统的算例,实验结果表明此方法挖掘出的规则简练,更具合理性和可靠性。     

关联规则挖掘方法研究

关联规则是数据挖掘研究的一个重要分支。阐述了关联规则的基本概念、关联规则挖掘的基本模型;详细分析了关联规则挖掘的经典算法-Apriori算法,Apriori算法核心思想、性能分析及其改进技术。     

一种基于决策表的分类规则挖掘新算法

The mining of classification rules is an important field in Data Mining. Decision table of rough sets theory is an efficient tool for mining classification rules. The elementary concepts corresponding to decision table of Rough Sets Theory are introduced in this paper. A new algorithm for mining classification rules based on Decision Table is presented, along with a discernable function in reduction of attribute values, and a new principle for accuracy of rules. An example of its application to the car‘s classification problem is included, and the accuracy of rules discovered is analyzed. The potential fields for its application in data mining are also discussed.     

关联规则挖掘研究

介绍了关联规则挖掘的基本概念。提出了关联规则的分类方法．对一些典型算法进行了分析和评价。     

差分隐私保护研究综述

差分隐私保护通过添加噪声使数据失真,从而起到保护隐私的目的,对于一个严格定义下的攻击模型,其具有添加噪声少、隐私泄露风险低的优点。介绍了差分隐私保护的理论基础和最新研究进展,详细阐述了分类、聚类等差分隐私学习方法的最新研究情况,介绍了一个差分隐私保护的应用框架PINQ(privacy integratedqueries),并对未来的研究发展方向进行了展望。