决策表属性集分解的等价性研究*

论述了决策表属性集分解的概念和必要性,对分解中的决策等价性问题进行分析,提出了决策表论域上的弱等价条件和部分等价条件,并针对弱等价性判断标准的局限性,进一步提出了决策表样本集取值空间上的强等价条件,使得决策等价性的判断标准更为完备.     

一种结合关联规则技术在数据库中挖掘分类规则的方法

在数据库中发现分类规则是数据挖掘的一个重要内容,由于数据集往往由不精确数据组成,所以数据集不能截然划分为正例集和反倒集,因而无法直接采用示例学习的方法发现分类规则。本文结合关联规则技术,将原始数据集转换为决策表,使决策表具有无噪声和代表性高的特点,通过对决策表进行示例学习便可以挖掘出分类规则。     

基于对称交叉熵的属性约简算法

针对交叉熵用来度量两个随机变量的差异程度时不满足对称性的问题，提出对称交叉熵的概念．研究在决策表的属性约简过程中决策属性集相对条件属性集对称交叉熵的变化规律，提出基于对称交叉熵的属性约简算法，同时还对其复杂度进行简单分析．实验分析表明，在多数情况下该算法能够得到决策表的最小相对约简．     

Vague决策表中的含糊规则获取策略

能否有铲地处理好决策表中的含糊性在很大程度上影响到决策效果。Cau和Buehrer所提出的Vague集是对于模糊集概念的推广,最近该理论已被作为一种新型的描述含糊数据的有效工具,并在多个领域中获得了成功的应用。该文将Vague集应用于决策表中数据的描述之中,通过一个真肃属函数和一个假肃属函数来分别构造[0,1]由的子区间。文中详细地讨论了造成Vague决策表中含糊性的各种因素,指出不确定性是有别于未知性的。在引入Vague区别矩阵的概念后,给出了另一种含糊规则的获取策略。通过与作者在以往文献中提出的Vague包含与相交因子的对比,从理论上分析了它们各自的适用条件。     

一种基于重构相容决策表的属性约简算法

基于正区域的属性约简是目前最常用的一类约简算法。现实中的决策表有可能存在不一致的对象。另外,在约简过程中随着属性个数的减少,也有可能产生新的不一致对象。对于基于正区域的约简算法来说,不一致的对象并没有提供任何有用的信息,删除不一致的对象不会改变正区域的计算结果以及最终的约简结果,而且可以显著提高算法的效率。然而现有的基于正区域的约简算法并没有考虑到这个问题,它们采用论域中的所有对象来计算正区域并得出约简结果。针对这一问题,定义了重构相容决策表和重构相容决策子表的概念。引入这两个概念的目的是在约简过程中删除初始决策表中的不一致对象,从而获得一个相容决策表。借助于这两个概念,提出了一种新的基于正区域的属性约简算法。在真实数据集上的实验表明,与传统的算法相比,该算法能够获得较小的约简结果和较高的分类精度,并且具有相对较低的时间复杂度。     

对决策表和简化决策表的研究

简化决策表具有高效处理数据的能力,一经提出即得到广泛的重视.文中通过反例证明简化决策表在处理数据时会产生错误,改变了原决策表表达信息.通过分析得出简化决策表不具备处理不一致数据的能力,针对简化决策表存在的缺陷对其进行修正,提出新简化决策表的概念和建立算法.新简化决策表具有高效处理数据的能力,同时具备处理不一致数据的能力,并且不需要修改原有以决策表或简化决策表为基础的求核和求约简算法.     

对决策表和简化决策表的研究

简化决策表具有高效处理数据的能力,一经提出即得到广泛的重视。文中通过反例证明简化决策表在处理数据时会产生错误,改变了原决策表表达信息。通过分析得出简化决策表不具备处理不一致数据的能力,针对简化决策表存在的缺陷对其进行修正,提出新简化决策表的概念和建立算法。新简化决策表具有高效处理数据的能力,同时具备处理不一致数据的能力,并且不需要修改原有以决策表或简化决策表为基础的求核和求约简算法。     

灰决策表的属性约简算法

本文提出了一个灰决策表的概念,即属性值含灰数的不完全决策表称为灰决策表,并利用灰色系统理论和粗糙集理论的有关知识对灰决策表的属性约简算法进行了研究。     

一种基于粗集理论的增量式学习改进算法

增量式学习中,当向决策表中增加一个新例子时,为了获得极小决策规则集,一般方法是对决策表中的所有数据重新计算。但这种方法显然效率很低,而且也是不必要的。论文从粗集理论出发,提出了一种最小重新计算的标准,并在此基础上,给出了一个增量式学习的改进算法。该算法在一定程度上优于传统的增量式学习算法。     

形式概念分析在不完备信息系统中的知识获取

在实际应用中,信息系统通常不满足完备性,直接采用经典粗糙集无法进行有效求解。针对该问题,在粗糙集中引入形式概念分析,通过探讨二者之间的关系,在不完备信息系统中提出了两大理论融合下的知识获取模型。在该模型中,首先将不完备信息系统转换为单值形式背景,提出了相容概念和相容概念格,然后基于相容概念对不完备信息系统中的一些常见问题(如上下近似算子、核、约简等)的求解进行了研究,最后探讨了相容概念在不完备决策表中的应用。该模型不仅对两种理论之间的融合研究进行了有益探索,而且为不完备信息系统中的一些基本问题求解提供了一种新的思路。     

基于核属性的知识获取算法

Rough集理论是近年来发展起来的一种有效地处理不精确、不确定、含糊信息的数学理论方法,在机器学习、数据挖掘、智能数据分析、控制算法获取等领域取得了很大的成功.决策表是Rough Set理论的处理对象,用RoughSet对决策表进行规则提取通常有代数观和信息观两种主要理论和方法.使用哪一种方法提取的规则集更好是很多研究者的目标.本文针对Rough Set理论的核心内容之一的知识获取进行了研究,提出了一种基于属性重要性排序的知识获取算法,并且证明了在不相容系统中使用信息观方法比使用代数观的方法更好,能够提取更合理的规则集.     

Vague决策表的知识获取

本文提出一种Vague决策表的知识获取方法。首先根据样本对于决策者需求的适合程度构造Vague值之间的一个序关系，将Vague决策表转化为二元决策表，然后利用粗糙集理论进行分析并推理出最优规则，最后再将二元决策表的决策规则转化为Vague决策表的有序规则。实验分析表明了该方法的有效性。     

多准则模糊决策的区间值Vague集方法

区间值（i-v）模糊集合和Vague集是不精确知识表达的两种新理论。他们已被广泛地应用于决策系统中对不确定决策数据的描述。因此在Vague集基础上给出i-v Vague集的相关概念及性质,并将实数型Vague集群决策上的记分函数方法扩展到i-v Vague集上,提出新的记分函数,并用实例比较改进的记分函数与各种记分函数方法的优劣性。     

语言标记Vague集及其应用

为了解决不确定环境有时不能提供给Vague集的真、假隶属度以精确数字值的问题, 文中提出了语言标记Vague(Linguistic Label Vague,LLV)集.其论域对象的真、假隶属度均是 意义为模糊集的语言标记.文中还定义了LLV集的补、并、交和包含运算.作为应用,构造了LLV 决策表;获取了LLV决策规则;通过LLV集包含程度和相交程度度量了规则的强度,用LLV值 记分函数对强度排序.仿真结果表明:LLV集有时比Vague集更为现实地表示不精确信息.     

Topological properties of generalized approximation spaces

Rough set theory is a powerful mathematical tool for dealing with inexact, uncertain or vague information. The core concepts of rough set theory are information systems and approximation operators of approximation spaces. Approximation operators draw close links between rough set theory and topology. This paper concerns generalized approximation spaces via topological methods and studies topological properties of rough sets. Classical separation axioms, compactness and connectedness for topological spaces are extended to generalized approximation spaces. Relationships among separation axioms for generalized approximation spaces and relationships between topological spaces and their induced generalized approximation spaces are investigated. An example is given to illustrate a new approach to recover missing values for incomplete information systems by regularity of generalized approximation spaces.     

A fuzzy, knowledge-based decision support tool for production operations management

Abstract: Production operations managers frequently have to make decisions based on vague, imprecise knowledge. Any software tool developed to aid their decision making needs to take into account the approximate nature of the information available to them and the inexact knowledge to which individual facts are applied. Much of this knowledge is expressed as vague, linguistic articulations. A convenient framework for dealing with such approximate knowledge is fuzzy logic and fuzzy set theory. As a specific example, a system was developed for providing decision support in the Just-in-Time area of production operations management.     

一种新的模糊决策表属性约简方法

粗糙集理论研究的核心内容之一是属性重要性的度量和属性约简。经典的粗糙集模型基于等价关系,适合于处理离散属性值。模糊粗糙集理论将模糊集和粗糙集理论结合起来,将等价关系扩展为模糊关系,可处理模糊属性值。分析了已有广泛运用的模糊决策表的属性约简算法FRAR存在的三个问题,提出了一种新的约简算法,较好地克服了原算法的问题,能处理规模较大的模糊决策表。     

基于粗糙集和决策树的增量式规则约简算法

粗糙集方法是一种处理不确定或模糊知识的重要工具。传统的粗糙集模型对最简规则集的研究都是针对静态数据的,对于动态数据却显得无能为力。但在实际应用中,数据库中的数据往往是动态变化的,因此,对规则约简的增量式算法的研究是知识发现领域所急需解决的问题之一。文章给出了一种基于粗糙集和决策树的增量式规则约简算法,并与传统算法和RRIA算法进行了对比分析,实验结果表明该算法的方法和效果更好。