邻域等价关系诱导的改进ID3决策树算法

经典ID3决策树算法适用于离散型数据分类,但用于连续处理时需要数据离散化容易导致信息损失。提出邻域等价关系从而诱导邻域ID3(NID3)决策树算法,NID3算法改进了ID3决策树算法,能够直接实施连续预测并获取更好的分类效果。在邻域决策系统中,挖掘一种邻域等价关系;基于邻域等价粒化,构建邻域信息度量;基于邻域信息增益,设计NID3决策树算法。实例分析与数据实验均表明,NID3算法具有连续数据分类预测有效性,在分类机器学习中优于ID3算法。     

模糊邻域粗糙集的决策熵不确定性度量

针对不确定性度量的强健构建与泛化推广,采用代数表示与信息表示的融合,提出模糊邻域粗糙集的决策熵.关于模糊决策概念,代数粗糙度的信息函数深入诱导出模糊邻域相对决策熵;关于模糊决策分类,决策类集成自然诱导出模糊邻域相对决策熵,融合依赖度改进出模糊邻域依赖决策熵.模糊邻域决策熵实施了代数与信息的复合构建,呈现关于属性与半径的双重粒化单调性,具有鲁棒的不确定性刻画能力,决策表实例与数据集实验验证了相关有效性.     

邻域互补信息度量及其启发式属性约简

信息熵体系是进行不确定刻画与近似推理的重要理论,已经被引入粗糙集进行数据分析与智能处理。经典的互补熵、互补条件熵和互补互信息能够刻画粗糙性与模糊性,该信息体系的拓展具有应用意义。本文基于邻域粗糙集,扩张构建邻域互补信息度量并研究其启发式属性约简。通过解析式模拟与信息粒替换,定义邻域互补熵、邻域互补条件熵和邻域互补互信息,得到系统方程、双界刻画和粒化非单调性;基于邻域互补互信息,提出非单调属性约简并设计启发式约简算法;采用决策表实例与UCI数据实验有效验证性质与算法。基于邻域扩张,相关信息度量与属性约简具有应用前景。     

相似度三支决策模糊粗糙集模型的决策代价研究

在三支决策模糊粗糙集模型中,一些学者基于相似度三支决策模糊粗糙集模型建立了目标函数来得到最优阈值对 $\left( {\alpha ,\;\beta } \right)$ 的计算方法,但在该过程的研究中,学者并没有在相似度三支决策模糊粗糙集模型中讨论关于决策代价的描述问题。基于模糊信息系统用新的函数来描述决策代价成为计算阈值对 $\left( {\alpha ,\;\beta } \right)$ 的一种方法,首先,在模糊信息系统中,通过建立一个描述决策代价的函数,将模糊信息系统中的模糊数与三支决策的决策代价联系在一起;然后对隶属频率进行拟合,得到了三支决策中决策代价的数值描述;最后,通过两个实例说明了该方法的可行性和适用性。     

对称传递关系的诱导拓扑及其可数性

粗糙集通过二元关系密切联系拓扑,并具有基于自反、自反传递、自反对称等关系的拓扑研究。采用对称传递关系构建拓扑并研究其可数性。基于对称传递关系,定义粗糙集近似集,由此建立拓扑及内部、闭包;针对构建拓扑,确立基与邻域基,得到第二可数性、第一可数性、可分性、林德洛夫性等可数性特征;提供实例分析。研究结果基于新二元关系揭示粗糙集与拓扑深入联系。     

三支决策与三支关注的双量化集成*

三支决策依托的条件概率只具有相对性,绝对性度量的引入与集成有利于规则提取.文中挖掘绝对条件概率建立三支关注,研究三支决策与三支关注的双量化集成.提取相对条件概率与绝对条件概率,分析2种度量的系统关系,得到异质性与互补性.利用绝对条件概率建立三支关注,与三支决策进行双量化集成,得到集成区域类型与基本语义(粒)体系.利用一个统计决策表案例进行说明.三支关注依托绝对条件概率成为新型三支模式,与三支决策的双量化集成呈现系统性与应用性.     

基于依赖度的区间集决策信息表属性约简

区间集决策信息表拓展了经典决策信息表,但其属性约简研究较少.针对区间集决策信息表存在的问题,采用模型正域及相关依赖度提出属性约简及其启发式约简算法.在区间集粗糙集模型中,定义关于决策分类的正域与依赖度,证明粒化单调性等性质.提出基于依赖度的属性约简,设计启发式约简算法.实例分析与数据实验表明,设计的基于依赖度的启发式约简算法是有效的,所得结果有利于依赖学习与特征优化.     

邻域近似条件熵的特定类属性约简及启发算法

针对属性约简的推广,采用邻域近似条件熵,建立邻域粗糙集的特定类属性约简及其启发算法。粒化分解决策分类的高层邻域近似条件熵,提取定义特定类的中层邻域近似条件熵并得到上下界与粒化非单调性;提出基于邻域近似条件熵的特定类属性约简,设计启发式约简算法;采用决策表实例与数据集实验进行有效验证。所得结果有利于特定类模式识别的不确定性度量与优化应用。     

基于最优相似度三支决策的模糊粗糙集模型

模糊信息系统中,对象的相似度往往会受噪声影响,且它在模型运算中常常并非全部需要高精度参与计算。文中首先引入阈值对(α,β),提出了一种基于相似度三支决策的模糊粗糙集模型;其次利用模糊集近似的三支决策方法,给出了对象相似度三支决策的错误率、决策代价以及相应的语义解释;然后以总体决策代价最小化为目标,给出了最优(α,β)的计算方法,从而建立了一种基于最优相似度三支决策的模糊粗糙集模型;最后通过实例分析说明了该模型的可行性和合理性。本文建立的三支决策模糊粗糙集模型保留了模糊信息系统的不确定性,一定程度地去除了噪声影响,且能通过计算得到最优阈值(α,β),从而建立基于相似度三支决策的最优模型,这将有益于模糊信息系统的应用。