协调广义决策多尺度序信息系统的知识获取

决策多尺度信息系统是一类特殊的数据集,系统中的每个对象无论在条件属性集上还是在决策属性上都可取多个尺度的标记值,并且从细粒度标记属性值到粗粒度标记属性值有一个信息粒度变换.文中针对广义决策多尺度序信息系统的知识获取问题展开研究.首先,引入尺度选择概念,一个尺度选择对应一个单尺度的序决策系统,并将优势关系引入广义决策多尺度信息系统,给出在不同尺度选择下对象集的优势类和集合的下近似和上近似的定义及其性质.然后,在协调广义决策多尺度序信息系统中定义5种最优尺度选择的概念,证明实际上只有2种不同类型的最优尺度选择,即最优尺度选择、下近似最优尺度选择、信任最优尺度选择是等价的,而上近似最优尺度选择与似然最优尺度也是等价的.最后,给出协调广义决策多尺度序信息系统的辨识矩阵约简方法,并在最优尺度选择基础上给出蕴含在协调广义决策多尺度序信息系统中的序决策规则.     

不协调广义多尺度决策系统的尺度组合

针对不协调广义多尺度决策系统的知识获取问题,首先回顾广义多尺度信息系统中尺度组合的概念,给出在不同尺度组合下信息粒的表示及其相互关系.然后进一步定义在不同尺度组合下集合的下、上近似概念,给出近似集的性质.最后讨论不协调广义多尺度决策系统中的最优尺度组合的选择,并使用证据理论中的信任函数和似然函数刻画不协调广义多尺度决策系统中的最优尺度组合特征.     

不协调广义多尺度决策系统的局部最优尺度组合选择

针对不协调广义多尺度决策系统中每个对象事例的知识获取问题,文中提出局部最优尺度组合概念.首先,介绍广义多尺度决策系统中的尺度组合概念,给出在不同尺度组合下信息粒的表示及其相互关系.然后,在广义多尺度决策系统中,介绍不同尺度组合下集合的下近似与上近似概念及性质.最后,在不协调广义多尺度决策系统中定义7种局部最优尺度组合的概念,给出它们之间的相互关系,证明实际上只有5种不同的局部最优尺度组合概念.     

不协调广义多尺度决策系统的最优尺度组合的层次关系

多尺度信息系统是一类特殊的对象-属性值系统,数据集中的每个对象在每个属性下根据不同的尺度或粒度可呈现出不同的值,并从细粒度属性值域到粗粒度属性值域间存在粒信息变换函数.从多尺度数据集中的每个属性中选择一个满足预设条件的尺度用于最终的决策分析(这个过程称为最优尺度组合选择)是多尺度决策系统知识获取的关键问题.针对不协调广义多尺度决策系统的最优尺度组合选择问题,首先,通过引入三层思维提出广义决策类最优尺度组合和对象最优尺度组合的概念,讨论两者间的层次关系;然后,提出属性约简诱导的最优尺度组合和关键尺度组合的概念,讨论对象关键尺度组合与广义决策类关键尺度组合间的层次关系;最后,依据对象关键尺度组合与广义决策类关键尺度组合间的层次关系给出两者间互相计算的方法.     

广义多尺度决策系统中基于可变精度的最优尺度组合

针对广义多尺度决策系统的知识表示与知识获取问题,讨论广义多尺度决策系统中基于对偶概率粗糙集模型的最优尺度组合选择问题.定义广义多尺度决策系统中β下近似最优尺度组合、 β上近似最优尺度组合、 β信任分布最优尺度组合与β似然分布最优尺度组合概念,分析不同最优尺度组合之间的关系与特征,证明当β在特殊的阈值范围内时, β下近似最优尺度组合与最大分布最优尺度组合等价,而β上近似最优尺度组合与广义决策最优尺度组合等价.     

多尺度覆盖决策信息系统的布尔矩阵方法

在多尺度决策信息系统中,一个条件属性对应某个尺度构成论域的一个划分.文中把相应的划分推广为覆盖,并建立多尺度覆盖决策信息系统模型(MSCDS).为了简化系统复杂信息的表达,采用矩阵方法.首先,利用布尔矩阵描述覆盖决策信息系统,包括上下近似、协调性和广义决策函数等.再使用布尔矩阵建立多尺度覆盖决策信息系统的定义,研究该系统的粒描述、上下近似、协调性和广义决策不变性.最后,针对协调与不协调的情况,利用布尔矩阵定义尺度组合的重要度,给出多尺度覆盖决策信息系统最优尺度选择的矩阵方法,并给出相应的选择算法和具体算例.     

集值决策信息系统的知识约简与规则提取

本文用集值信息系统描述不完备信息系统。在集值信息系统中定义了两种不同的关系：相容关系和优势关系,给出了两种不同关系下集合的上下近似概念及其性质。研究了集值决策信息系统在两种不同关系下的广义决策约简,得到了广义决策约简的判定定理和辨识矩阵,从而得到了约简的具体操作方法。最后,基于两种关系从集值决策信息系统提取了最优广义决策规则,并进行了讨论。     

基于证据理论的广义多尺度覆盖决策系统的最优尺度组合

多尺度数据分析是当前粒计算研究领域的热门研究方向,它模拟人类思考模式,以建立多层次的复杂数据和信息处理的有效计算模型为目标.在多尺度数据分析中,一个关键的问题是从系统中选择一个合适的子系统用于最终的分类或决策,这个子系统对应的每个属性的尺度水平的组合称为系统的一个最优尺度组合.针对广义多尺度覆盖决策系统中的知识获取问题...     

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.     

不完备不协调序决策系统的属性约简与规则提取

针对不完备不协调序决策系统,提出了广义优势决策函数的概念,给出了基于广义优势决策函数的区分矩阵属性约简算法,并获得了提取序决策规则的方法。最后,实例说明了所提出算法的有效性。     

序粒度标记结构及其粗糙近似

粒计算是知识表示和数据挖掘的一个重要方法.它模拟人类思考模式,以粒为基本计算单位,以处理大规模复杂数据和信息等建立有效的计算模型为目标.针对具有多粒度标记的序信息系统的知识获取问题,提出了基于序粒度标记结构的粗糙近似.首先,介绍了序标记结构的概念,并在序标记结构的对象集中定义了一个优势关系,同时给出了由优势关系导出的优势标记块,并进一步定义了基于优势关系的集合的序下近似与序上近似和序标记下近似与序标记上近似的概念,给出了近似算子的一些性质.证明了由序标记结构导出的集合的下近似质量与上近似质量是一对对偶的必然性测度与可能性测度.最后,定义了多粒度序标记结构的概念,并讨论了多粒度序标记结构中不同粒度下近似集之间的关系.     

不协调多粒度标记决策系统最优粒度的对比*

针对具有多粒度标记的不协调决策系统的知识表示和知识获取问题展开研究.首先,介绍多粒度标记信息系统的概念,在多粒度标记信息系统中定义不可分辨关系.然后,给出由不同粒度层面下信息粒度的表示及其相互关系,并进一步定义在不同粒度层面下集合的下、上近似概念,并讨论它们性质.最后,介绍不协调多粒度标记决策系统中8种协调性和最优粒度概念,并讨论它们之间的相互关系.     

集值决策信息系统的知识约简与属性特征

本文定义了集值决策信息系统中的一种新的关系,给出了在这种关系下协调集值决策信息系统属性约简的判定定理和辨识矩阵,从而得到了知识约简的具体操作方法,并讨论了在属性约简中起不同作用的属性分类及其特征。定义了不协调集值决策信息系统的分配协调集,给出了一种将不协调集值决策信息系统转化为广义协调近似空间的方法,并证明了不协调集值决策信息系统的分配协调集就是广义协调近似表示空间的协调集。     

基于多尺度粗糙集模型的决策树优化算法

针对经典决策树算法构造的决策树结构复杂、缺乏对噪声数据适应能力等局限性,基于多尺度粗糙集模型提出一种新的决策树构造算法。算法引入尺度变量和尺度函数概念,采用不同尺度下近似分类精度选择测试属性构造决策树,使用抑制因子对决策树进行修剪,有效地去除了噪声规则。结果表明该算法构造的决策树简单有效,对噪声数据有一定的抗干扰性,且能满足不同用户对决策精度的要求。     

基于优势关系下不协调目标信息系统的知识约简

在基于优势关系下不协调目标信息系统中引入了分配约简和近似约简的概念,并讨论了它们二者之间的关系,进一步给出了知识约简的判定定理和辨识矩阵,从而提供了在优势关系下不协调目标信息系统知识约简的具体操作方法。     

基于广义扩展优势关系的粗糙决策分析方法

针对信息不完全的偏好多属性决策问题,给出一种基于拓展粗糙集的决策分析方法．首先提出广义扩展优势关系的概念;然后在广义扩展优势关系下得到知识的粗糙近似,给出分类决策规则．对比分析证明,扩展优势关系和有限扩展优势关系都是广义扩展优势关系的特例．最后通过一个实例验证了所提出方法的可行性和有效性．     

不一致决策表规则提取的粗糙集方法

针对不一致决策系统中的规则提取问题,提出一种协调规则提取算法。在粗糙集背景下粒计算描述的基础上,由对象所在的条件信息粒与目标概念的包含度定义对象关于目标概念的隶属度,扩展传统的粗糙近似。给出不一致获取协调规则的算法描述及其时间复杂度。对比分析及说明性算例验证了该算法的有效性和可行性。     

多尺度数据挖掘方法

多尺度理论已被引入到数据挖掘领域,但人们对其研究仍不够深入和完善,缺乏普适性理论与方法.随着大数据处理应用的不断深入,其研究变得更加迫切.针对上述问题,进行了普适的多尺度数据挖掘理论和方法的研究.首先,基于概念分层理论给出了数据尺度划分和数据尺度的定义以及多尺度数据集之间的上下层尺度数据集关系;其次,阐明了多尺度数据挖掘的定义、研究实质和方法分类;最后,提出了多尺度数据挖掘算法框架,给出其理论基础,并将此框架应用于关联规则挖掘,提出了多尺度关联规则挖掘算法MSARMA（multi-scale association rules mining algorithm）,实现了多尺度数据集之间知识的跨尺度推导.利用IBM T10I4D100K数据集和H省全员人口真实数据集对MSARMA算法进行了实验和分析,实验结果表明：算法具有较高的覆盖率、精确度和较低的支持度估计误差,是可行且有效的.     

多尺度集值决策信息系统

集值信息系统中的对象的属性值多值化,可以实现对复杂信息更全面的刻画.在传统的集值信息系统中,每个属性只有一个尺度.但在具体应用中,人们往往需要在不同的尺度上处理和分析数据.为此,将多尺度信息系统的粒度转换函数引入集值信息系统中,建立多尺度集值信息系统的理论框架,并讨论该系统的不同尺度间信息粒、粗糙集的关系.在此基础上,...     

优势-等价关系下序贯三支决策的属性约简

序贯三支决策方法是一种能够表示问题中的多重层次粒度,并将多粒度结合起来解决不确定决策问题的有效途径。优势-等价关系粗糙集则是针对条件属性具有偏好关系的分类问题,提取有序信息,对目标概念进行近似,从而形成决策知识。利用传统的优势关系粗糙集方法进行知识约简和提取的效率低下,而目前大部分序贯三支决策方法则局限在符号值属性的信息系统中,对连续值和有序值不能进行有效处理,造成一定程度的信息丢失。因此,将序贯三支决策的思想应用于优势关系粗糙集模型中,定义了一种新的基于序贯三支决策的属性约简及相应的属性重要度,对具有偏好值属性的信息系统进行更加高效的处理,通过多粒度的表示和关系的研究,加速了知识约简过程。选取了多组UCI数据进行实验,结果表明所提出的基于优势关系的序贯三支决策方法能够在保证约简质量的基础上明显降低时间耗费。