基于粗糙熵的不相容大气质量系统的预测

对不相容大气质量系统进行预测,并做出正确的决策是目前一个重要的研究课题.粗糙熵是在粗糙集理论基础之上的、处理不确定性问题的一种度量.从粗糙熵的角度来研究不相容信息系统的属性约简,并在此基础上研究基于粗糙熵约简的算法.给出基于该算法进行大气质量系统预测的基本步骤,通过具体的示例说明该算法的可行性和有效性.     

基于熵规则的信息滤波SLAM算法

信息滤波同时定位与构图(IFSLAM)算法如何获得稀疏化的信息矩阵是解决滤波性能的关键因素.通过对稀疏扩展信息滤波深入分析,发现其稀疏化结果难以保证关联性最弱的环境主动特征被稀疏掉;为了改进这一缺陷,提出一种基于熵稀疏规则的改进SLAM算法,该算法利用熵性质、综合当前以及下一观测时刻来选择与位姿关联性最弱的环境特征作为稀疏特征点;有效提高了算法的稀疏性能.在Mat-lab上对改进算法进行仿真,验证改进算法的有效性.     

不相容决策表的属性约简与规则提取算法

决策表属性约简与规则提取是粗糙集理论中的重要问题。本文引入一种改进的决策表广义信息表的方法来求解属性核与相对约简,并在此基础上提出一种不相容决策表的规则提取算法。     

基于可信度的异常规则修正法

在这个信息时代,信息系统中的异常信息同那些＂正常＂信息同样重要。论文在总结了许多异常规则处理算法不足的基础上,提出了一种基于可信度的异常规则修正法。该方法根据设定的可信度阈值,来判断信息系统中的不相容规则是否是异常规则。论文结合一个实例阐明了该方法的基本思路。     

不相容决策系统中的规则提取方法研究

现有规则提取方法大多数只能在相容决策系统中提取规则,并且提取出的规则冗余度高、用户不易理解。针对该问题,提出一种基于对象集覆盖的规则提取方法,利用粗糙集理论将对象集划分为相应的等价类,根据属性特征值的一致性程度和相似程度产生有效性规则,通过等价类划分和对象集覆盖解决不相容决策系统的规则提取问题。算例分析结果表明,该方法提取出的规则简单可靠,具有较好的鲁棒性。     

基于修正熵权算法的信息披露质量评价

基于信息披露质量与信息披露违规的对偶关系,从违规行为直接评价与违规影响间接评价两个方面,构建了三级层次的信息披露质量评价指标体系,并利用建立在一般熵权算法基础上的修正熵权算法,评价了深交所1 385家上市公司的信息披露质量。实证计算、t检验及Wilcoxon检验的结果表明,修正熵权算法既保证评价结果无显著性差异,也比一般熵权算法更具适用性和有效性。     

基于决策熵的决策树规则提取方法

在决策表中,决策规则的可信度和对象覆盖度是衡量决策能力的重要指标。以知识粗糙熵为基础,提出决策熵的概念,并定义其属性重要性;然后以条件属性子集的决策熵来度量其对决策分类的重要性,自顶向下递归构造决策树;最后遍历决策树,简化所获得的决策规则。该方法的优点在于构造决策树及提取规则前不进行属性约简,计算直观,时间复杂度较低。实例分析的结果表明,该方法能获得更为简化有效的决策规则。     

基于决策熵的决策树规则提取方法

在决策表中,决策规则的可信度和对象覆盖度是衡量决策能力的重要指标。以知识粗糙熵为基础,提出决策熵的概念,并定义其属性重要性;然后以条件属性子集的决策熵来度量其对决策分类的重要性,自顶向下递归构造决策树;最后遍历决策树,简化所获得的决策规则。该方法的优点在于构造决策树及提取规则前不进行属性约简,计算直观,时间复杂度较低。实例分析的结果表明,该方法能获得更为简化有效的决策规则。     

基于属性互信息熵的量化关联规则挖掘

在量化关联规则挖掘中存在量化属性及其取值区间的组合爆炸问题,影响算法效率。提出算法BMIQAR,通过考察量化属性间互信息熵,找到具有强信息关系的属性集,从中得到频繁项集以产生规则。实验表明,由于在属性层进行了剪枝,因此缩减了搜索空间,提高了算法的性能,且能得到绝大多数置信度较高的规则。     

基于最大熵模型和规则的中文姓名识别

中文姓名识别是中文信息处理的一项重要技术,识别的召回率对其它需要以姓名识别为基础的中文信息处理技术有至关重要的影响。提出了一种统计模型和处理规则相结合的中文姓名识别方法：首先以最大熵模型识别潜在姓氏,而后再通过判定规则作进一步处理。真实语料的开放测试表明,该方法在召回率方面有明显的优势,可以达到94%以上的召回率,同时能保证较高的准确率。     

一种挖掘意外规则的快速算法

意外规则由于其支持度比较小,通常被人们所忽视,但由于它的可信度很高,却非常有用。该文提出了一种挖掘意外规则的新算法,它在经过合理处理的数据库中产生大项集,对整个挖掘数据库只需扫描一遍,即可产生意外规则。该算法应用于蘑菇数据库,结果显示该算法是快速有效的。     

基于品类聚类的关联规则优化算法

提出了一种基于品类聚类的关联规则优化算法.该算法首先根据文中定义的品类特征向量,用结构化的数据来表示事务;然后根据一种基于密度的聚类算法,对结构化的数据进行聚类,同时将对应的原始事务进行聚类;最后根据聚类后得到的类的长度以及用户指定的最小支持度,确定类内的最小支持度,在类内挖掘关联规则.实验结果表明,与传统算法相比,该算法效率较高,具有一定的实用价值.     

基于粗糙信息向量的一种决策规则获取算法

针对不一致信息系统中决策规则获取问题,提出了一种基于粗糙信息向量方法的决策规则挖掘算法。基于粗糙信息向量,利用条件向量对决策向量的决策支持能力,直接从决策表中挖掘出符合阈值要求的尽可能简洁的决策规则,且不损失条件属性值的决策支持能力。利用该算法可以挖掘出决策系统中条件属性在各个简化层次情况下的确定性规则和缺省规则集合。理论分析和实例表明该算法在不一致信息系统中的决策规则获取上是可行的。     

The information content of rules and rule sets and its application

The information content of rules is categorized into inner mutual information content and outer impartation information content. Actually, the conventional objective interestingness measures based on information theory are all inner mutual information, which represent the confidence of rules and the mutual information between the antecedent and consequent. Moreover, almost all of these measures lose sight of the outer impartation information, which is conveyed to the user and help the user to make decisions. We put forward the viewpoint that the outer impartation information content of rules and rule sets can be represented by the relations from input universe to output universe. By binary relations, the interaction of rules in a rule set can be easily represented by operators： union and intersection. Based on the entropy of relations, the outer impartation information content of rules and rule sets are well measured. Then, the conditional information content of rules and rule sets, the independence of rules and rule sets and the inconsistent knowledge of rule sets are defined and measured. The properties of these new measures are discussed and some interesting results are proven, such as the information content of a rule set may be bigger than the sum of the information content of rules in the rule set, and the conditional information content of rules may be negative. At last, the applications of these new measures are discussed. The new method for the appraisement of rule mining algorithm, and two rule pruning algorithms, λ-choice and RPClC, are put forward. These new methods and algorithms have predominance in satisfying the need of more efficient decision information.     

基于极小熵的模糊产生式规则权重获取

加权模糊产生式规则是不确定性知识表示的一种最基本的最常用的形式。一般权重调整的准则是依据于训练精度的提高,但该方法容易引起过度拟合。为了克服传统方法的不足,增强模糊规则的泛化能力,文章提出了使用极小熵定理作为权重调整的新准则,给出了依据极小熵定理求解权重的数学模型,指出了可采用遗传算法求解该数学模型。实验结果表明,训练精度和测试精度随着训练集的模糊熵的减小而增大,同时根据数学模型抽取的权重能够增强模糊规则的泛化能力。     

扩展不完备信息系统及知识依赖度量

对不完备信息系统进行扩充，考虑不同对象可能具有不同的重要性，引入了对象重要性函数．使得知识表达系统可以融入主观偏好和领域先验知识等因素。在此基础上，根据一般二元关系新定义了粗糙集的近似精度、粗糙熵、知识的粗糙熵的概念，证明了扩展不完备信息系统中不确定因素的变化与度量强度之间的重要关系。对于知识依赖进行了深入探讨，研究了由知识动态变化所引起的知识依赖度量程度的变化，进行了相关定理的证明。     

扩展不完备信息系统及知识依赖度量

对不完备信息系统进行扩充,考虑不同对象可能具有不同的重要性,引入了对象重要性函数,使得知识表达系统可以融入主观偏好和领域先验知识等因素。在此基础上,根据一般二元关系新定义了粗糙集的近似精度、粗糙熵、知识的粗糙熵的概念,证明了扩展不完备信息系统中不确定因素的变化与度量强度之间的重要关系。对于知识依赖进行了深入探讨,研究了由知识动态变化所引起的知识依赖度量程度的变化,进行了相关定理的证明。     

基于信息熵的混合引力搜索算法

针对基本引力搜索算法搜索速度慢和容易出现早熟的缺点,本文提出了一种基于信息熵的混合引力搜索算法. 受粒子群算法的启发,所提算法首先通过改进基本引力搜索算法的速度和位置更新公式来提高搜索速度;其次,通过惯性质量构造了信息熵模型来刻画种群的寻优程度,并采用不同的信息熵阈值动态选择权重,平衡了算法的全局搜索能力和局部搜索能力. 用8个标准测试函数的仿真实验和基本引力搜索算法与记忆改进的引力搜索算法的比较表明了所提算法收敛速度快,鲁棒性强且效率高.     

一种协调目标信息系统中决策规则的融合方法

决策规则获取是目标信息系统中的一个重要研究内容。引入了一种集合向量空间上的加权包含度,并基于该包含度提出了一种协调目标信息系统中决策规则的融合方法,可以得到全部决策规则,实例表明了该方法的有效性。