有序决策表中的第三种不一致

现实世界中的有序性问题，反映在决策表上相当于在表的属性域上加上优先关系(preferential ordering)或者说是序关系的语义，这种决策表称为有序决策表，有序决策表中的条件属性又称为指标(criterion)，有序决策表中的对象在各个指标上有排序，在决策属性上又有一个总的排序。文献[1，2]指出对于有序决策表中存在一种普通的粗糙集模型不能识别的不一致，并以基于支配关系(dominance relation)的粗糙集模型(dominance-based rough set approach or DRSA)代替基于等价关系的经典粗糙集模型(classic rough set approach or CRSA)，DRSA可以处理这种不一致，文中则进一步指出有序决策表中还存在另一种不一致，不仅在应用上进一步完善了对有序表的处理，而且在理论上丰富了粗糙集中不一致的内涵。     

基于数据流的视频解码微控制器设计

针对数字视频解码芯片设计中多种视频协议的解析问题,提出一种专用微控制器设计方法。该方法采用面向视频解析的指令集,针对视频解析过程的特点对指令进行特别优化,采用配合该专用微控制器的视频解析模型,较好实现了MPEG1/2、AVS、H.264等视频协议的兼容,保证了解码效率且不会增加芯片面积和功耗。     

优势关系下属性值粗化细化时近似集分析

基于优势关系粗糙集模型反映属性间的偏好情况,实际上多数数据库中的数据是动态变化的。如何利用已有的信息更新近似集对于提高知识发现效率有重要意义。提出不完备信息系统在优势关系下属性值粗化细化的定义,讨论优势关系下不完备信息系统中属性值粗化细化时近似集的变化情况,对比分析优势关系下属性值粗化细化前后的粗糙近似精度和粗糙近似质量。通过实例分析验证了该方法的有效性。     

Dominance-based rough set approach to incomplete interval-valued information system

Since preference order is a crucial feature of data concerning decision situations, the classical rough set model has been generalized by replacing the indiscernibility relation with a dominance relation. The purpose of this paper is to further investigate the dominance-based rough set in incomplete interval-valued information system, which contains both incomplete and imprecise evaluations of objects. By considering three types of unknown values in the incomplete interval-valued information system, a data complement method is used to transform the incomplete interval-valued information system into a traditional one. To generate the optimal decision rules from the incomplete interval-valued decision system, six types of relative reducts are proposed. Not only the relationships between these reducts but also the practical approaches to compute these reducts are then investigated. Some numerical examples are employed to substantiate the conceptual arguments.     

以优势关系为基础的粗糙集在地震数据挖掘中的应用

在地震数据挖掘应用中，可用粗糙集方法进行对震例数据的属性约减。但是，经典的粗糙集理论建立在由等价关系对对象集划分的基础上，而震例数据是有序的而不是分类的对象。现对经典粗糙集理论进行扩展，提出一种用优势关系代替等价关系的粗糙集方法，并在此基础上提出一种基于差别矩阵的属性约简算法。实验结果表明，用这种方法能得出一些采用传统粗糙集理论所无法得到的结果。     

集值信息系统中的模糊优势关系粗糙集

以集值信息系统为研究对象,考虑对象之间的优势程度,提出了模糊优势关系的概念;将模糊的方法引入优势关系粗糙集理论,给出了基于模糊优势关系的粗糙集模型并讨论了其相关性质,为从集值决策系统中获取决策规则提供了新的理论基础与操作手段。通过实例验证了所提方法的可行性和有效性。     

广义不完备信息系统中一种拓展粗糙集模型

以同时具有遗漏型和丢失型未知属性值的广义不完备信息系统为研究对象,定义一种用于分类的[α]程度限制优势关系,提出一种基于[α]程度限制优势关系的拓展粗糙集模型,并给出其上、下近似性质。通过一个教师教学质量评估实例,说明这种模型在广义不完备信息系统中处理模糊和不确定知识是有效和可行的。     

基于限制非对称相似关系的粗糙集模型

基于不可分辨关系的粗糙集理论不适用于含未知值的不完备信息系统.需要将经典的粗糙集理论不可分辨关系加以扩充才能处理不完备信息系统.目前已经提出了基于容差关系、量化容差关系、限制容差关系、非对称相似关系等的扩充粗糙集理论.但是,这些理论还存在一些局限性.文章提出了一种新的基于限制非对称相似关系的粗糙集扩充模型.理论分析和实验证明,与其它模型相比,可以从基于限制非对称相似关系模型的近似集中获取更多的信息.     

基于优势关系的粗糙集扩展研究

为了从多视角研究不完备信息系统中的粗糙集方法,论文分析了完备信息系统中的优势关系粗糙集和不完备信息系统中的扩展优势关系粗糙集,并以此为基础在不完备信息系统中提出了另一种扩展优势关系粗糙集。通过对新提出的粗糙集的性质进行分析,证明了其可以获得比扩展优势关系粗糙集更大的下近似和更小的上近似。     

量化容差关系的程度多粒度粗糙集模型

多粒度粗糙集是一种重要的多粒度数据挖掘模型。为了对不完备信息系统中等价类重叠部分的定量信息进行挖掘,提出一种多阈值的量化容差关系程度多粒度粗糙集模型。首先将描述等价类重叠信息的程度多粒度粗糙集模型与处理不完备信息系统的量化容差关系进行结合,提出量化容差关系的程度多粒度粗糙集模型,然后在该模型的基础上,为每个粒度设定与数据相适应的阈值,提高了量化容差关系程度多粒度粗糙集模型的灵活性,增加多粒度数据挖掘的性能。UCI数据集的实验结果表明,本文所提出的粗糙集模型具有较好的分类效果和理论的可行性。     

多准则分类问题中近似集的增量更新方法

在优势关系粗糙集方法(DRSA)的框架下,优势关系可用于处理带有序关系属性(准则)的数据,并且已经被广泛用于处理多准则决策问题。然而在实际应用中,当属性集和对象集发生变化时,信息系统会随之不断更新。在这种动态环境下,DRSA中用于属性约简、规则提取以及决策制定的近似集需要得到相应的更新。针对对象集发生变化时(增加或删除一个对象)的多准则分类问题,采用增量方法来更新近似集并提出两种相应的更新算法DRSA1和DRSA2。同时,对不同情况下的更新原则进行了讨论并给出了相关的理论结果与详细的证明。最后给出算例,并在UCI数据集上进行大量的实验,与非增量的方法(传统的DRSA)进行对比,结果充分体现了所提增量方法的有效性与可扩展性。     

面向不完备信息系统的粗糙集方法研究

给出了关于传统粗糙集的基本概念以及不完备信息系统的定义,归纳了信息系统中的空值情形.基于粗糙集的不可识别关系,介绍了几种已有的扩展关系:相容关系、非对称相似关系、量化相容关系和限制相容关系.结合量化和限制相容关系特点,文中提出了限制量化相容关系,并证明在特定条件下,限制量化相容关系是限制相容关系的改进.限制量化相容关系通过量化计算对相容关系作了进一步限制,使之更加合理实用.     

广义优势多粒度直觉模糊粗糙集及规则获取

优势关系粗糙集模型是研究序信息系统中数据挖掘的主要方法。为了丰富现有优势关系粗糙集模型,使其更加有效地应用于实际问题,本文首先在直觉模糊决策信息系统中利用三角模和三角余模定义了3种优势关系,得到了3种优势类;其次构造了广义优势关系多粒度直觉模糊粗糙集模型,讨论了该模型的主要性质;随后给出如何从直觉模糊决策信息系统中获取逻辑连接词为“或”的决策规则;最后通过实例说明该模型在处理直觉模糊决策序关系信息系统时是有效的。     

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。     

广义优势多粒度直觉模糊粗糙集的属性约简

证据理论和多粒度粗糙集模型的结合已成为知识挖掘中的热点研究之一,其建立的模型已被应用于不完备、覆盖、模糊等信息系统,但在直觉模糊决策信息系统中还未见相关讨论。首先,在直觉模糊决策信息系统中利用三角模和三角余模定义了3种优势关系,得到了3种优势类,并构造了广义优势关系多粒度直觉模糊粗糙集模型;其次,基于证据理论,讨论了广义多粒度直觉模糊粗糙集的信任结构;然后,通过定义粒度重要性和属性重要性给出了属性约简方法;最后,通过实例说明了该模型在处理直觉模糊决策信息系统时是有效的。     

Set-valued ordered information systems

Set-valued ordered information systems can be classified into two categories: disjunctive and conjunctive systems. Through introducing two new dominance relations to set-valued information systems, we first introduce the conjunctive/disjunctive set-valued ordered information systems, and develop an approach to queuing problems for objects in presence of multiple attributes and criteria. Then, we present a dominance-based rough set approach for these two types of set-valued ordered information systems, which is mainly based on substitution of the indiscernibility relation by a dominance relation. Through the lower/upper approximation of a decision, some certain/possible decision rules from a so-called set-valued ordered decision table can be extracted. Finally, we present attribute reduction (also called criteria reduction in ordered information systems) approaches to these two types of ordered information systems and ordered decision tables, which can be used to simplify a set-valued ordered information system and find decision rules directly from a set-valued ordered decision table. These criteria reduction approaches can eliminate those criteria that are not essential from the viewpoint of the ordering of objects or decision rules.     

一种不完备信息系统的直接约简方法

目前已有基于容差关系、相似关系、限制容差关系等的扩充rough集理论，但仅仅是提出了一些针对以上某种模型的属性约简算法，在此提出从离散化到规则匹配的一系列不完备信息系统的约简处理方法，该方法可以适用于各种rough集扩充模型，并且对完备信息系统和不完备信息系统是统一的．     

基于置信优势关系的粗糙集近似模型

不完备有序信息处理是现实生活中的常见问题. 多种拓展优势关系及其粗糙集模型被提出并用于解决不完全的偏好决策问题, 但均未考虑序关系特性, 与现实语义存在矛盾. 对此, 提出一种置信优势关系及其粗糙集近似模型, 讨论了基于置信优势关系的粗糙集模型与已有模型的关系. 与现有的拓展关系相比, 该置信优势关系满足序关系特性, 避免了语义上的矛盾. 定理证明和实例分析表明, 置信优势关系粗糙集近似模型的近似精度和分类精度更优.

     

基于优势关系区别矩阵的一种增量求核方法*

现实中很多数据是增量出现的,就需要对数据进行增量的处理,为此,给出了一种基于优势区分矩阵的增量求核算法,通过修改矩阵的某一行或某一列来增量得到决策表的核。通过实验验证了算法的有效性。