多决策树的模糊积分融合在银行信贷管理系统中的应用

为了提高基于数据挖掘的商业银行信贷管理系统的信贷风险评估水平,将多决策树的Choquet模糊积分融合(MTCFF)模型应用到银行信贷管理系统中。基本思想是采用决策树在已知类型的客户数据上进行挖掘,按照决策树剪枝程度不同形成不同的决策树并产生规则,利用所生成的不同决策树的规则,对未知类型的客户数据进行分类,然后让Choquet模糊积分对多棵决策树的分类结果进行融合,形成最优判断。采用UCI数据库中German客户信用卡数据集进行验证,实验证明Choquet模糊积分的非线性融合效果优于单棵决策树的分类效果,也优于其他线性融合方法,并且Choquet模糊积分要优于Sugeno模糊积分。     

基于模糊积分的多模糊决策树融合

给定一个模糊信息系统,可能找到多个重要的模糊属性子集,而且这些重要的模糊属性子集对决策有不同的贡献,会产生不同的影响.如果仅选择其中一个模糊属性子集进行决策,即使是最重要的一个,也会丢失隐含在其他重要的模糊属性子集中的可用信息.为了充分利用模糊信息系统中每个重要的模糊属性子集所提供的信息,提出了一种基于模糊积分的多模糊决策树融合方法.这种方法分3个步骤：1)通过模糊等价关系找到几个重要的模糊属性子集;2)对每个模糊属性子集,利用模糊ID3算法生成一棵模糊决策树;3)用模糊积分融合几棵模糊决策树.实验结果证明了用多模糊决策树融合方法比单模糊决策树分类效果更好.     

基于Sugeno模糊积分神经网络分类器融合方法在手写数字识别中的应用

神经网络是模式识别中一种常见的分类器.针对同一个分类问题,构建多个分类器并把多个分类器进行融合可以提高分类系统的分类正确率、改善系统的稳健性.首先介绍了Sugeno模糊积分及Sugeno模糊积分神经网络分类器融合方法的一般原理,而后将其应用于手写数字识别,通过实际的案例验证了该融合方法的有效性和可行性.     

多变量时间序列的模糊决策树挖掘*

针对目前时间序列决策研究方法的一些缺陷,提出了多变量时间序列模糊决策树挖掘方法,并给出了该方法的实验分析。实验结果证明该方法能够找出多变量时间序列子序列的形态与某个序列的后期趋势或状态的决策信息。     

决策树ID3算法在银行信贷业务中的应用

银行信贷业务是银行的一项重要业务,该业务存在一定的风险,如果我们能够预测客户的违约风险就可以最大程度的降低风险。数据挖掘技术可以很好的解决这一问题。将数据挖掘技术运用到银行客户信用评估,在庞大的数据中将看似无关联的数据进行筛选和净化,提取出有价值的信息,对客户贷款申请做出恰当的回应。数据挖掘是信息技术发展的必然结果,它是指通过挖掘算法从大量数据中抽取挖掘出隐含在其中的有价值的模式或规律等信息的复杂过程。其中,对数据的分类是数据挖掘领域研究的重要课题。本文通过决策树的经典算法ID3算法对银行信贷业务进行分析,并总结了该算法相对于其他算法的优缺点。     

Sugeno模糊积分粒子群优化算法的实验研究

粒子群优化算法是模拟鸟类觅食的行为思想的随机搜索算法,主要是通过迭代寻找最优解.将模糊积分技术引入优化算法调整粒子的多样性的同时动态改变惯性权重,以此来提高粒子的搜索能力.仿真实验结果表明,该方法大大提高了搜索过程中粒子的多样性,并缩短了粒子的搜索时间,保持快速的收敛性的同时获得了算法最优解.     

模糊决策树在高校师资管理中的应用

良好的教师资源是高校持续发展的重要保证。文中分析了当前高校教师资源管理中存在的问题，进而把融合了模糊理论和决策树优点的模糊决策树应用到这一领域；简要介绍了模糊决策树构造思想和Fuzzy ID3决策树学习算法，并将该思想和算法运用于高校师资管理之中，对引起高校教师资源流失的原因进行了初步分析。以若干高校提供的数据为基础的实验表明，本方法产生的分类结果基本符合实际情况，从而也为高校如何解决师资流失问题提供了理论依据。     

基于模糊积分融合方法的元搜索引擎系统

利用模糊积分融合方法，给出了一个完整的智能元搜索引擎系统。采用智能搜索代理的设计框架，实现系统的高度并发性，使系统具有一定的智能性。结合决策树算法和遗传算法对搜索源的调度作了优化。提出使用模糊积分原理应用于结果集的融合技术，并给出了具体算法。通过在Web上的实际测试，在相同条件下同常用的搜索引擎和其他元搜索引擎分别作了比较，证实了本文所描述的元搜索引擎有着更好的搜索效果。     

数据挖掘中决策树加权模糊熵算法

决策树算法是数据挖掘技术领域的一种重要算法 ,唐华松、姚耀文在利用熵和加权和思想的基础上提出了一种加权熵算法 ,但是此算法在解决模糊问题上有其不足之处 ,我们在加权熵算法的基础上利用模糊理论建立了一种加权模糊熵算法 ,较好的解决了这一问题。     

Intuitionistic fuzzy Choquet integral operator for multi-criteria decision making

For the real decision making problems, most criteria have inter-dependent or interactive characteristics so that it is not suitable for us to aggregate them by traditional aggregation operators based on additive measures. Thus, to approximate the human subjective decision making process, it would be more suitable to apply fuzzy measures, where it is not necessary to assume additivity and independence among decision making criteria. In this paper, an intuitionistic fuzzy Choquet integral is proposed for multiple criteria decision making, where interactions phenomena among the decision making criteria are considered. First, we introduced two operational laws on intuitionistic fuzzy values. Then, based on these operational laws, intuitionistic fuzzy Choquet integral operator is proposed. Moreover, some of its properties are investigated. It is shown that the intuitionistic fuzzy Choquet integral operator can be represented by some special t-norms and t-conorms, and it is also a generalization of the intuitionistic fuzzy OWA operator and intuitionistic fuzzy weighted averaging operator. Further, the procedure and algorithm of multi-criteria decision making based on intuitionistic fuzzy Choquet integral operator is given under uncertain environment. Finally, a practical example is provided to illustrate the developed approaches.     

基于累积前景理论和Choquet积分的直觉梯形模糊多属性决策

针对属性值为直觉梯形模糊数且属性存在关联性的风险决策问题, 提出一种基于累积前景理论和Choquet积分的直觉梯形模糊多属性决策方法。根据直觉梯形模糊数距离公式定义了直觉梯形模糊信息的前景价值函数, 通过价值函数和决策权重函数计算方案单属性前景值, 并运用Choquet积分融合属性间存在关联性的前景价值信息获得方案综合前景值, 根据综合前景值的大小实现方案的排序和优选。风险投资实例分析说明了该方法的可行性。     

模糊决策树在公共危机应急系统中的应用

针对公共危机应急系统数据库中数据庞杂,记录分类较难的情况,提出了一种采用遗传算法选择参数的模糊决策树算法,提高了决策树分类算法的准确率和得到规则的可解释性。将设计的分类器应用到实际的公安系统数据库当中,在对原有记录进行分类的基础上,得到了有效的规则,成功地帮助警务人员对当前的危急事件做出快速准确的预测和判断。     

A new type of fuzzy integrals for decision making based on bivariate symmetric means

We propose a new generalization of the discrete Choquet integral based on an arbitrary bivariate symmetric averaging function (mean). So far only the means with a natural multivariate extension were used for this purpose. In this paper, we use a general method based on a pruned binary tree to extend symmetric means with no obvious multivariate form, such as the logarithmic, identric, Heronian, Lagrangean, and Cauchy means. The generalized Choquet integral is built by computing the extensions of the bivariate means of the ordered inputs, and includes some existing extensions as special cases. Our construction is illustrated with multiple examples.     

决策树算法在农户小额贷款中的应用研究

在讨论数据挖掘技术的基本概念、决策树方法的基础上,针对近年来农村信用社不良贷款的增加,提出了决策树算法在农户小额信用贷款评价中的应用。利用数据挖掘的预测功能,建立了一种较为科学明了,简单易行的农户信用评价模型,来应用于农村信用社对农户信用的评分,以作为贷款与否的依据。     

基于模糊集的银行个人客户聚类技术

运用模糊集技术处理商业银行中的非精确数据,对个人客户进行聚类分析,并通过实例分析了实现银行客户分类的整个过程。详细讨论了数据的模糊化处理、模糊相似算法等一些关键技术。由于银行客户数据库中存在大量模糊和噪声数据,应用模糊集技术进行聚类分析,可以提高客户分类的效率和精确度。     

Induction of multiple fuzzy decision trees based on rough set technique

The integration of fuzzy sets and rough sets can lead to a hybrid soft-computing technique which has been applied successfully to many fields such as machine learning, pattern recognition and image processing. The key to this soft-computing technique is how to set up and make use of the fuzzy attribute reduct in fuzzy rough set theory. Given a fuzzy information system, we may find many fuzzy attribute reducts and each of them can have different contributions to decision-making. If only one of the fuzzy attribute reducts, which may be the most important one, is selected to induce decision rules, some useful information hidden in the other reducts for the decision-making will be losing unavoidably. To sufficiently make use of the information provided by every individual fuzzy attribute reduct in a fuzzy information system, this paper presents a novel induction of multiple fuzzy decision trees based on rough set technique. The induction consists of three stages. First several fuzzy attribute reducts are found by a similarity based approach, and then a fuzzy decision tree for each fuzzy attribute reduct is generated according to the fuzzy ID3 algorithm. The fuzzy integral is finally considered as a fusion tool to integrate the generated decision trees, which combines together all outputs of the multiple fuzzy decision trees and forms the final decision result. An illustration is given to show the proposed fusion scheme. A numerical experiment on real data indicates that the proposed multiple tree induction is superior to the single tree induction based on the individual reduct or on the entire feature set for learning problems with many attributes.     

基于遗传算法的多属性模糊决策树的优化

决策树是数据挖掘中的一种高效方法,但是当训练数据的属性很多时,构建的决策树的规模会随属性个数增加而指数级增长,进而会产生海量的规则。针对该问题,提出了一种基于遗传算法的优化方法。首先根据信息增益利用轮盘赌方法选取若干组属性,构建多棵决策树,然后利用遗传算法对多棵决策树进行组合,并最终形成规则集。最后给出了实验结果,证明了该方法的可行性和有效性。     

决策树算法在饰品营销中的应用

阐述了饰品企业营销的现状,提出了将数据挖掘技术应用到饰品营销中的方案.在分析决策树算法的基础上,介绍了决策树算法及决策树的构造,并使用该算法对企业客户进行分类及对新客户类型预测,实现对商业数据中隐藏信息的挖掘,且对该挖掘模型进行了验证.