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.     

不完备信息系统的数据挖掘方法研究*

根据分层递阶约简算法,提出了一种直接在不完备信息系统上进行数据挖掘的方法.该方法首先将信息系统中由所有属性构成的单层知识表示转变成由部分属性所构成的多层知识表示,即由完备属性和不完备属性表示;然后建立了两个不同层次的子系统,并推导出各个子系统的规则集;最后,将该方法应用于心脏病诊断系统的研究.仿真结果证明,该方法具有较强的实用性和有效性,并能提高知识约简的速度.     

基于证据理论的覆盖决策信息系统的属性约简

覆盖决策信息系统的属性约简是粗糙集理论中的重要研究内容之一.文中讨论决策为覆盖的覆盖决策信息系统的属性约简,针对覆盖决策信息系统的一类约简,利用证据理论中的信任函数和似然函数给出约简的等价刻画.根据决策类的似然函数值定义覆盖的重要度和相对重要度,给出求解约简的算法,并以实例说明算法的有效性.     

一种无决策属性的信息系统的属性约简算法

经典属性约简及其延伸算法是基于有决策属性的信息系统的属性约简算法,它们对无决策属性的信息系统的属性约简无能为力.为此,本文以粗集理论为基础,对无决策属性的信息系统从集合论的论域划分方面进行研究,提出了一种适用于无决策属性的信息系统的启发式属性约简算法.该算法在一定程度上能够解决无决策属性的信息系统属性约简问题,进一步扩展了粗集理论的应用范围.实例表明该算法是有效可行的.     

设计决策脉络挖掘方法

为了更好地引导和启发设计者的思考,提出设计决策脉络概念.设计决策脉络是舍去设计试错过程并呈现设计主体思维因果关系发展路径的设计理性知识模型抽象表达.基于细粒度设计理性知识模型,提出设计决策脉络挖掘方法.该方法基于商空间理论对设计理性知识模型进行约简,构建分层递阶设计决策脉络模型,以支持设计者从不同粒度水平分析设计问题;通过改进的流形排序算法实现模型的语义约简,删除与设计主题相关度较低的知识片段以获取核心设计思考过程.最后通过构建原型系统,验证了文中方法是有效的.     

CIMS环境下的分层多目标决策模型的递阶柔性模糊算法及其在制定生产计划中的应用

本文对CIMS体系分解为组织决策协调决策层和调度执行层三层决策和控制结构.在此基础上建立了具有时标分解的分层递阶关联多目标决策模型.该模型将CIMS的局部问题集成于一个模型之中,使一体化的集成决策和控制可得以实现.提出了一种分层多目标模糊规划的递阶柔性交互式算法.该模型和算法实现了一类CIMS的生产计划的制定.该模型可作为CIMS的控制与决策支持系统的框架结构.     

基于粗糙集理论的属性约简算法

粗糙集理论是一种新的数据挖掘方法,其主要思想是保持分类能力不变的情况下,通过属性约简,达到发掘知识并简化知识的目的.从大量数据发现知识时,属性约简是一个关键问题.在理解和分析基于粗糙集理论的数据挖掘算法基础上,提出了一个基于属性依赖度的属性约简算法.实验结果表明,该算法能更有效地对决策系统进行约简.     

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.     

使用类内集中度和分层递阶约简的特征选择方法

特征选择是文本分类的关键步骤之一,所选特征子集的优劣直接影响文本分类的结果。首先简单分析了几种经典的特征选择方法,总结了它们的不足,然后提出了类内集中度的概念,紧接着把分层递阶的思想引入粗糙集并提出了一个改进的基于分层递阶的属性约简算法,最后把该约简算法同类内集中度结合起来,提出了一个综合的特征选择方法。该方法首先利用类内集中度进行特征初选以过滤掉一些词条来降低特征空间的稀疏性,然后利用所提约简算法消除冗余,从而获得较具代表性的特征子集。实验结果表明此种特征选择方法效果良好。     

一种基于粗糙集理论的快速并行属性约简算法

将并行计算的思想融入基于粗糙集理论的快速属性约简中,提出了一种基于粗糙集理论的快速并行属性约简算法.该算法在保证约简结果是Pawlak约简的情况下,将属性约简任务划分到多个处理器中同时处理,从而大大提高了属性约简的效率.仿真实验结果说明了该算法的高效性.     

一种基于差别矩阵的启发式属性约简算法

为了获得决策系统中更好的相对属性约简,本文提出了一种基于差别矩阵的启发式属性约简算法。该算法以求差别矩阵为基础,不仅考虑了所选择条件属性与决策属性的互信 息,还考虑了其取值的分布情况,从信息论角度定义了一种新的属性重要性度量方法,将其作为启发式信息,最终求得属性约简集。实例表明,算法能够有效地对决策系统进进行约简,获得比较理想的约简结果,同时约简后的决策规则数目较少。     

基于改进的二进制分辨矩阵属性约简算法

属性约简是粗糙集理论的重要研究内容之一,目前已有许多属性约简算法。但这些算法中主要针对一致决策表,当决策表是不相容的情况下,常用的计算全部属性约简的差别矩阵算法会产生错误的结果。为了解决这个问题,引入了一个改进的二进制分辨矩阵,提出了一种基于改进的二进制分辨矩阵的属性约简算法。并利用上述算法结合实例进行属性约简,证明了算法的正确性和有效性。     

基于信息熵的一种属性约简算法

文章针对Rough Set理论的核心内容之一属性约简进行了研究。结合信息论的有关知识,研究了在属性约简过程中决策属性集相对条件属性集的条件熵的变化规律,在此基础上提出了新的属性约简算法。实验分析表明,在多数情况下这种算法都能够得到决策表的最小约简,同时还对算法复杂度做了简单的分析。     

基于扩展的信息熵的决策表属性约简算法

从一种扩展的信息观的角度出发,讨论了Rough集理论的信息论观点。提出了一种基于扩展的信息熵的决策表核属性计算算法．并设计了以属性重要性为启发信息的自下而上的决策表属性约简算法EIEAAR。同时针对不一致表,将属性对不相客对象的包含值作为第二标准选择属性以加快约简速度。EIEAAR算法能处理一致和不一致决策表,并将核属性计算和非核属性约简统一起来。最后,对算法进行复杂度分析并用实例验证算法的有效性。实验表明该算法能有效得到决策表的最小约简。     

不完备信息系统的一种属性约简

条件属性的重要性存在差异,通过引入差异度,对不完备信息系统中属性的重要性进行了定义,提出了一种基于权重联系度的属性约简算法。通过实例说明该算法能得到不完备决策表的最小相对约简。     

不完备区间值模糊信息系统的粗糙集理论

考虑到模糊信息系统的不完备性和信息值的不确定性,讨论了不完备区间值模糊信息系统的粗糙集理论,给出了粗糙近似算子的性质。研究了不完备区间值模糊信息系统上的知识发现,提出了基于不完备区间值决策表的决策规则和属性约简,最后给出算例。     

粗糙集的过饱和多交叉口协同优化模型研究

为解决现有模糊智能控制方法仅适用于单交叉口非饱和状态,满足区域交通过饱和多交叉口信号协同联动控制的需要,提出了高峰时期主通道优化控制策略。在粗糙集知识推理基础上,构建了以多交叉口状态信息为条件属性,以绿灯延长方式、绿灯延长相位和绿灯延长时间3个参数为决策属性的多决策属性模糊控制模型。运用可辨识矩阵与属性频度的属性约简方法对模型进行约简,提取决策规则。实例分析表明:多交叉口主通道绿灯时间延长3~8 s能够有效提高区域交通整体通行效能,同时延长时间不仅与过饱和状态车辆最大排队长度有关,还与绿灯延长方式、绿灯延长相位存在关联,这与交警经验总结的控制规律一致。