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.     

基于概率的有序信息系统

若信息系统中所有的条件属性都是偏好有序的,则称此信息系统为有序信息系统。首先,分析了区间值有序信息系统没有蕴含属性值区间上的概率分布信息的缺点,建立了一种基于概率的有序信息系统。然后,在这种信息系统上,研究了关于单调偏好有序属性和非单调偏好有序属性的二元偏好关系,建立了一种基于概率的优势关系,定义了基于这种优势关系的粗糙集模型。最后研究了基于概率的有序决策表及其决策规则。     

属性集变化条件下集值决策信息系统的增量属性约简方法

为了解决集值决策信息系统中的属性数量不断发生动态变化时,静态属性约简方法无法高效更新属性约简的问题,提出一种以知识粒度为启发信息的增量式属性约简方法.首先,介绍集值决策信息系统的相关概念,接着介绍知识粒度的定义并将其矩阵表示方法推广到此系统中;然后,分析增量式约简的更新机制,并基于知识粒度设计了增量式属性约简方法;最后...     

优势关系下模糊目标信息系统的决策规则优化

利用基于优势关系的模糊粗糙集模型,讨论了模糊决策信息系统中优化序决策规则的获取问题。利用优势关系定义了模糊目标信息系统中对象的三种属性约简。给出了它们的判定定理,构造相应的区分函数,利用布尔推理技术计算对象的属性约简,得到三类新的优化序决策规则。     

区间值模糊决策序信息系统的分布约简

因信息系统的复杂性和不确定性,对象的属性值难以用精确的数值来表达,而是采用区间形式表示。针对这一问题,对区间值进一步模糊化,并引进优势关系,建立了不协调区间值模糊序决策信息系统。通过分布约简和最大分布约简来简化知识的表达,找出二者之间的关系,得到了分布约简和最大分布约简的判定定理以及可辨识属性集和可辨识矩阵;提供了不协调的区间值模糊序信息系统的分布约简和最大分布约简的具体方法;结合投资风险这一具体案例的求解分析,进一步阐述了对分布约简研究的意义,丰富了区间值模糊序决策信息系统中的粗糙集方法。     

区间值模糊决策序信息系统的部分一致约简

实际问题中,事物的一些属性值介于某个范围之间,常被用来刻画信息系统中的不确定信息。为了表达这种情况,属性值通常用模糊区间来表示,这种信息系统就是区间值模糊信息系统。本文通过在带有决策的区间值模糊信息系统中引入优势关系,建立区间值模糊决策序信息系统。在此基础上构造部分一致函数来简化知识的表达,并获得部分一致约简的判定定理,通过可辨识属性集和可辨识矩阵提供不协调的区间值模糊序信息系统的部分一致约简的具体方法,并结合投资风险这一具体案例的求解分析,进一步阐述了对部分一致约简研究的意义,丰富了区间值模糊序决策信息系统中的粗糙集方法。     

面向决策分析的多粒度计算模型与方法综述

作为粒计算研究方向的核心概念和关键技术,多粒度计算强调对现实世界问题多视角、多层次的理解和描述,可获得合理、满意的求解结果.为了深化多粒度计算与决策分析的有效融合,更好地满足人们的实际决策需求,文中首先介绍多粒度粗糙集、多尺度数据分析、序贯三支决策、分层分类学习四类多粒度计算模型,并阐述各自的主要特点及发展过程.进而从属性约简、规则提取、粒度选择、信息融合、群决策、多属性群决策、分类决策、动态决策等方面总结基于多粒度计算模型的决策分析方法研究现状.最后,对大数据时代智能决策领域中若干具有挑战性的研究方向进行展望,以期推动多粒度智能决策的不断发展与创新.     

限制优势关系下的加权多粒度粗糙分析方法

作为多粒度粗糙集的推广,提出了限制优势关系下的加权多粒度粗糙分析方法。分析了优势关系粗糙集和多粒度粗糙集的局限性,引入限制优势关系对加权多粒度粗糙集进行改进,充分考虑到属性的偏好关系和粒度的重要性差别,使其适用于不完备的高维或分布式有序信息系统;由此得出粗糙近似,讨论了其与限制优势关系下的乐观、悲观多粒度粗糙集的关系,并对相关性质和定理进行证明;通过实例验证了该方法的有效性和实用性。     

基于粗糙集理论的分层递阶约简算法􀀂

粗糙集理论的分层递阶约简算法是根据属性的获取方式、采集成本和实时性要求等对属性进行分类,使信息系统或者决策系统中的所有属性在单层次和单粒度上的知识表示变为部分属性所构成的知识在多种层次和多种粒度上的表示,从而可以逐层对信息系统进行约简.分层递阶约简算法在某水泥窑炉控制决策获取中的应用证实其有效性.     

基于Local约简的序贯三支分类器

序贯三支决策是三支决策理论近年发展起来的一种新型决策方法。传统的序贯三支决策方法鲜有针对序贯信息粒的构建和其在分类学习中的应用的研究。针对这两个问题,研究了Local约简与Global约简之间的内在序贯性,并以此构建了具有约简特性的序贯信息粒。在此基础上设计了一种序贯三支分类器。实验结果表明,该序贯三支分类器不仅能很好地在合适信息粒上进行分类,而且较传统的分类算法提高了数据集的分类精度。     

不协调广义决策多尺度序信息系统的最优尺度选择与规则提取

粒计算模拟人类思考问题的模式,在大数据挖掘和知识发现方面有独特优势。针对不协调的广义决策多尺度序信息系统的知识获取问题,利用证据理论来研究不协调的广义决策多尺度序信息系统的最优尺度选择与规则提取。首先,将优势关系引入决策多尺度信息系统中,并介绍广义决策多尺度序信息系统的相关概念;其次,通过引入不协调广义决策多尺度序信息系统的尺度组合概念,给出不同尺度组合下信息粒和集合的下近似与上近似的表示及其相互关系,并进一步定义了几种针对不同决策的不协调广义决策多尺度序信息系统的最优尺度组合概念,讨论了它们之间的关系;最后,给出了基于广义优势决策函数的辨识矩阵属性约简与规则提取方法。     

广义优势多粒度直觉模糊粗糙集的属性约简

证据理论和多粒度粗糙集模型的结合已成为知识挖掘中的热点研究之一,其建立的模型已被应用于不完备、覆盖、模糊等信息系统,但在直觉模糊决策信息系统中还未见相关讨论。首先,在直觉模糊决策信息系统中利用三角模和三角余模定义了3种优势关系,得到了3种优势类,并构造了广义优势关系多粒度直觉模糊粗糙集模型;其次,基于证据理论,讨论了广义多粒度直觉模糊粗糙集的信任结构;然后,通过定义粒度重要性和属性重要性给出了属性约简方法;最后,通过实例说明了该模型在处理直觉模糊决策信息系统时是有效的。     

集对优势关系下多粒度决策粗糙集的可变三支决策模型

多粒度决策粗糙集是从多角度来处理不确定数据和风险决策问题的重要模型。针对不完备信息系统下的决策分析问题,在多粒度决策粗糙集中引入集对优势关系,对优势度进行了改进,使结果更加合理。然后对多粒度近似空间进行了拓展,提出了集对优势关系下的乐观、悲观、均值、乐观-悲观和悲观-乐观5种多粒度决策粗糙集模型,并讨论了其相关性质以及模型之间的相互关系。结合三支决策理论,在不完备信息系统中用区间值表示损失函数,获得不同的阈值,建立了5个相应的可变三支决策模型,推导出决策规则。最后,通过公司员工评估的案例证明,所提模型在实际应用中灵活性更高,不会过于宽松或过于严格,使最终决策更为合理,从而为不完备信息系统下不确定性问题的决策分析提供了新方法。     

优势一模糊目标VPRSM及其应用

在群决策理论中,如何获取合理的决策规则是一个重要的研究内容。针对条件属性具有优势关系及决策值为模糊数的多决策信息系统,构建了基于优势关系的模糊目标信息系统变精度粗糙集模型,给出了该模型的几种知识约简定义;通过构造适当的启发式函数,得到了该模型的优势下分布约简算法。最后将该模型应用于计算机审计风险评估,得到了较为合理的评估规则。     

灰色信息系统基于集中有序关系下的知识约简

属性约简是粗糙集理论进行知识获取的核心问题之一。针对现实信息系统中属性值取值不确定的情况,结合灰色系统理论对集中有序关系进行扩展,建立了灰色信息系统中趋于某个标准值的一种偏好关系,并以集中有序关系下的优势度为启发式信息,给出了属性的重要性度量,在此基础上提出了适合于属性值为连续灰数的信息系统的属性约简算法,给出了约简的实际操作方法,并通过实例验证了算法的可行性。     

双精度容差关系决策粗糙集及其属性约简

决策粗糙集理论是经典粗糙集理论结合贝叶斯理论拓展而来。为在不完备区间值信息系统下研究决策粗糙集理论,本文首先提出属性相似度的概念,并基于属性相似度定义了双精度容差关系。然后,基于双精度容差关系,结合贝叶斯最小风险决策原则建立不完备区间值信息系统下决策粗糙集模型。针对该模型,对不确定性度量进行修正并基于修正的不确定性度量对该模型的属性约简进行研究。最后提出属性约简算法并应用于目标识别实例。     

基于不协调置信优势原理关系的知识约简

置信优势关系粗糙集用于处理不完备有序决策系统,知识约简是核心问题之一。在不完备有序决策系统下区分两个对象需考虑决策值之间的偏好关系,因此给出置信优势原理关系的定义,将满足此关系的对象视为是不可区分的。提出不协调优势原理关系下的约简定义,进一步给出约简的判定定理和辨识矩阵,从而提供了在不完备有序决策系统下新的知识约简方法。通过实例验证了新的知识约简方法的有效性。     

三枝粗糙集和变粒度原理的手写体汉字识别

将三枝决策粗糙集模型用于手写体汉字识别,建立三枝决策粗糙集模型,其区域分类以正、负和边界为基础,更好地体现手写体汉字识别分类近似性。定义了脱机手写体汉字识别决策信息系统特征属性约简相对粒度熵和属性重要度,将手写体汉字识别从属性重要度的角度出发,设计一种基于粒与粒之间逻辑运算的自下而上的粒度网结构,使手写体汉字识别属性集的适用粒度逐渐变大,可以获取更多的有效信息。仿真实验表明,该方法是可行有效的。     

多粒度覆盖信息系统的属性约简方法比较

为拓展覆盖粗糙集模型,用多粒度方法研究了张燕兰等提出的广义覆盖决策信息系统模型,定义了多粒度意义下的覆盖上下近似,提出了多粒度属性约简算法。用实例对多粒度覆盖粗糙集属性约简方法和胡清华等提出的单粒度方法进行了比较。     

基于邻域决策的序贯三支分类方法

如何设计合理的属性子空间区间是序贯三支分类研究的重要内容之一.考虑到实际应用中广泛存在的数值数据,将邻域粗糙集及邻域决策错误率引入序贯三支分类方法中,构建合理的属性子空间区间.借助邻域决策错误率约简,分别定义局部和全局属性子空间,并基于此设计基于邻域决策错误率的序贯三支分类算法.在6组UCI数据集上的实验结果表明,该分类方法不仅压缩了数据的属性空间,而且提高了数据的分类精度,为序贯三支分类方法的研究提供了新的思路.