基于粗糙集与AHP理论的IT项目风险群决策

针对IT项目的风险管理与群决策过程中存在大量不确定、不完全信息等特征,在传统决策方法的基础上,将粗糙集方法与AHP理论相结合,提出了粗集IT项目风险群决策的基本步骤,并借助粗糙集的原理与方法,通过实例分析探讨了IT项目风险群决策中关于知识表达、属性约简、规则挖掘、方案排序等方法,尤其是引入属性动态权重、专家主观权重、客观权重的概念与计算方法,进而对整个决策排序算法进行了改进。     

智能决策支持系统中的知识表示及基于粗集的推理

探讨了在智能决策支持系统中的知识表达系统以及数据粗集理论分析处理海量信息中信息的有用特征,通过分析、推理产生最小决策规则。最后以EDUDSS中农村小学布局决策为例作实例分析。     

基于二元决策系统的粗集知识获取方法研究

提出一种新的粗集知识获取方法,首先将事例集表示成二元决策系统,然后奖其分解成一系列单一二元决策子系统。利用粗集理论对每一子系统进行分析,推理出最优规则。在对决策系统进行条件属性和规则简化时,提出了概率最佳简约准则和概率最小规则准则,按照这两种最优准则可以获得概率意义上数目最小规则集。通过实例分析,具体说明了该方法的实现步骤,结果表明该方法具有明显的优越性。     

多模糊条件的知识推理方法的应用

针对多模糊条件问题,提出一种基于模糊逻辑与神经元网络相结合的解决方法,同时以一个具体的系统为例,叙述了解决问题的流程。     

基于本体的民航应急决策知识表达与推理方法研究

针对民航突发事件应急决策知识表达与管理中的问题,利用本体技术在知识获取和建模方面的优势,本文设计了一个基于领域本体的民航突发事件应急决策知识推理模型;以民航突发事件应急预案、应急案例、应急资源和应急规则等应急知识为基础,构建了民航应急管理领域词典,采用领域本体四元组建模方法给出了基于领域词典的本体构建过程;运用SWRL规则语言建立了民航突发事件应急决策所需的基本规则,采用Protégé本体编辑工具和Jena推理机实现了基于本体的规则推理,为民航突发事件应急决策知识的管理与应用提供了良好的方法与技术支持。     

基于知识的指控系统智能决策关键技术研究

着眼于知识在指挥控制中的作用机理,以提升军队指挥控制系统智能决策的科学性、智能化和适应性为目标,设计基于知识的指挥控制系统智能决策框架结构,采用基于本体的知识表示技术构建决策任务空间知识体系,研究面向情景空间的智能化知识服务技术,提出基于产生式规则的指挥实体静态决策推理模型和基于动态贝叶斯网的动态决策推理模型,旨在为未来我军智能化指挥控制系统的论证和建设提供理论与技术准备。     

基于粗糙集理论的隐性知识决策

针对目前隐性知识本身的不确切性,本文首先对隐性知识的内涵进行了阐述,进而从如何提高隐性知识管理决策水平的角度,对粗糙集理论应用于隐性知识决策进行了探讨。     

基于粗集的多知识库决策融合

粗糙集理论研究的重要内容是分类与约筒,其目的在于获取优良的规则知识,实现准确的决策．通过提出规则集合的决策度量思想,从整体上体现了对一个规则集合的衡量,为基于多知识库的决策奠定了基础．基于模型集成的基本思想,将规则知识库作为一个决策模型,根据规则集度量选择模型,通过模型集成实现决策融合．     

一种基于规则的神经网络的知识表示和推理方法

在医学专家系统中，如何根据各种疾病特征，推断出患某种疾病，这是一个比较复杂的问题，本文给出了一种基于规则的人工神经网络的知识表示和知识推理方法，从规则集中自动构造网络的结构、确定隐层节点数和连接权值，用并行的方法进行推理，最后，给出了泌尿外科常见疾病诊断的一个实例应用。     

新的模糊粗集知识约简算法

提出了一种基于模糊决策属性依赖度的属性相对约简算法。该算法利用粗糙集理论分析的方法,通过在知识表达系统中引入模糊决策属性依赖度的概念,来描述由条件属性所提供的知识对整体决策的依赖程度,并通过模糊决策属性依赖度定义了条件属性对模糊决策属性的相对重要性,以此作为启发式信息,可以方便地求出相对核,再以相对核作为求解最小相对约简的起点。按重要性的不同逐次选择重要属性添加到相对核中,直至其依赖度达到整体条件属性依赖度时为止。     

基于粗糙集和贝叶斯理论的IT项目风险规则挖掘

针对IT项目的风险决策过程中存在大量不确定、不完全信息等特征,本文在传统粗糙集的基础上,将贝叶斯理论引入到IT项目的风险管理中,提出了规则支持度、置信因子、覆盖因子等获取的相关算法,构建了基于粗糙集与贝叶斯理论相结合的风险规则挖掘模型,并通过实例对该模型进行了详细分析。     

基于粗糙集的隧道施工风险案例推理研究

隧道工程具有复杂性和不确定性,其施工过程存在很大风险。该文调研隧道工程历史案例,从问题、情景描述、求解方法和结果4个方面进行案例库的设计和归纳。根据粗糙集理论,利用差别矩阵实现对案例决策表特征值属性约简和属性权重的学习。与传统方法相比,该方法有利于减少主观影响,提高风险评估准确率和效率,保证了隧道施工的安全性。     

一种基于模糊粗糙集知识获取方法

本文介绍了粗糙集和模糊粗糙集的上下近似。并且利用模糊粗糙上下近似算子,论述了在不完备模糊信息系统中知识获取的一种方法。应用这种方法能够让隐藏在不完备模糊信息系统中的知识,以决策规则的形式表示出来。最后给出了一种实现算法和实例。     

基于粗集理论的知识系统证据推理研究

证据推理是处理不确定问题的重要方法，但灾用中存在许多问题，如假设的基本概率指派（bpa)往往由专家事先确定，带有较强的主观性，基于证据推理和粗集理论的基本关系，利用粗集约简，决策表确定基本概率指派等方法解决上述问题，并在此基础上，提出了一种决策表的证据推理方法，用于决策表的预测，实例表明，证据推理和粗集理论的结合可提高并对不确定问题的求解能力。     

基于粗集理论的知识含量度量研究

知识库中知识含量度量是知识处理领域中的基础问题．现有的度量方式都是采用相对度量或信息熵的方式,度量结果具有相对性,并且不易体现知识本质在于分类的特性．根据知识库在结构上的差异程度,将知识库的相似性关系定义为等价、等构、等势3种关系．在这3种关系的基础上,提出了用于度量知识库中知识含量的测度所需要遵循的4条准则．并基于此4条准则对基于信息熵的度量Hent的正确性进行了证明,最后还提出了一种基于分类的度量方式Hdis．以上工作进一步深入描述了知识的本质及其度量方式的内涵,有助于人们在此基础上构造新的知识处理算法．     

基于粗糙集理论的智能决策支持系统

本文着重介绍了基于粗糙集理论的智能决策支持系统的总体结构及其各个模块的功能。首先介绍了智能决策支持系统产生的背景．即人工智能技术和决策支持相结合而产生的。粗糙集理论是研究不完整、不确定知识并口．数据的表达、学习、归纳的理论和方法，适合于发现数据中隐含的、潜在有用的规律，即知识，找出其内部数据的关联关系和特征，因此在智能决策支持系统中发挥着重要作用。     

基于粗糙集理论的控制规则提取方法

介绍了粗糙集理论的基本概念 ,重点是依据属性的相对重要性从知识中提取规则的方法 ,然后结合具体的控制实例说明控制规则的提取方法     

用于知识规则挖掘的粗集归纳中类化方法的研究

针对将面向属性的归纳和粗糙集理论相结合的现有类化方法中存在的属性概化过重地依赖于阚值控制以及没有考虑属性动态变化的缺陷，提出了一种新的类化方法，即通过对分层类化方法的研究，在考虑最小信任度和最小支持率两因素的前提下，提出了粗粒度和细粒度区化方法．将设计的方法用于基于粗糙集理论的知识规则挖掘中，从玻璃碎片的动态数据库中提取了有效规则．交通肇事逃逸侦破系统的应用实践验证了方法的有效性．