基于粗糙集理论的中央空调节能评测的研究

为提高中央空调节能评测方法的准确性和效率,提出了应用粗糙集理论的中央空调系统节能评测方法,解决了空调节能因素的属性约简问题和决策规则的不确定性问题.对中央空调系统原始参数进行聚类量化处理,构建出中央空调节能决策表;应用差别矩阵的方法计算决策表的核,求出决策表的最优或次优约简,找出影响中央空调节能的确定性因素和不确定性因素;利用确定性因子和覆盖因子确定决策规则集.示例结果表明应用粗糙集理论的空调节能评测方法科学有效、可行.     

新属性重要性的规则提取方法

针对ID3算法倾向于取值较多的属性问题,利用粗糙集理论,提出一种属性选择的新度量方法。该方法借助信息熵的性质充分考查规则集整体的确定性和不确定性问题。分析规则的三个度量标准：支持度、置信度、覆盖度,对其进行量化,并提出一规则提取算法。实例表明,该算法提高了决策分类的精度,进而能提取可靠有效的规则。     

基于决策规则的形式背景属性约简*

在经典形式背景中,利用对象和属性间的二元关系定义一对粗糙模糊上、下近似算子,讨论算子的基本性质,指出算子与已有粗糙近似算子的关系.利用定义的粗糙模糊上、下近似算子,得到两类决策规则,即确定性决策规则和可能性决策规则.针对两类决策规则,提出下近似约简和上近似约简的概念,关于上近似约简,得到可约属性和属性协调集的判别条件,给出属性约简方法,并举例说明方法的可行性.     

区间直觉模糊熵–集对分析–理想解耦合的多属性决策模型

多属性决策中指标集具有关联度多样性、区间模糊性等特点,传统决策模型在这些方面还没有很好的解决方法.为此,本文提出区间直觉模糊熵–集对分析–理想解耦合的综合评价模型,基于区间模糊熵和集对分析理论,运用对立与统一的观点对评价集的确定性和不确定性因素进行系统分析,量化了评价集同、异、反三个角度之间的关联度,引入博弈论对权重确定方法进行了优化,兼顾了主观权重和客观权重.研究表明,该决策模型充分考虑了比较集的同一、对立、差异度的区间性,全面吸纳了不同决策者的评估信息,既反映了客观信息,又反映了决策者的主观意愿,为多属性决策提供了新的方法.     

粒协调决策形式背景的属性约简与规则融合

针对基于决策形式背景进行属性约简与规则提取能够更便捷有效地获取知识,因此规则提取及属性约简是形式概念分析理论重要的研究课题。本文基于等价关系研究粒协调决策形式背景的属性约简与规则提取,定义粒协调集与粒约简,给出粒协调集判定定理,并结合布尔方法给出属性约简算法,最后利用集值向量包含度这一工具给出决策形式背景中的乐观规则融合方法与悲观规则融合方法。     

一种不确定性规则挖掘的混合方法及其应用

为了在含有连续条件属性的决策表中挖掘和应用决策规则,通过采用互信息熵作为模糊聚类的截距值选定准则,对信息系统对象集进行模糊聚类划分,并根据粗糙集的有关概念,确定基于截距的近似集和边界,从中挖掘出不确定性决策规则,进一步建立决策知识库。最后以该知识库为识别模型,结合模糊隶属度的计算和不确定性推理进行地层识别,取得了令人满意的效果。     

基于粗糙集的约简算法及规则融合方法的研究

从不同的角度分析了属性约简的两种重要方法:区分矩阵法和基于属性重要性。根据数据集的实际情况提出了一种基于粗糙集的区分矩阵和属性重要性相结合的启发式算法,并获得了属性约简集。在约简集的基础上分析了静态决策推理规则及算法。在相容决策系统中利用集合向量包含度构造了规则融合的方法,从而得到动态条件规则的极大近似决策值。在知识满足分类质量要求的前提下,根据规则融合方法,对任意给定的样本知识可以判别知识的实际归属类。     

基于粗糙集的约简算法及规则融合方法的研究

从不同的角度分析了属性约简的两种重要方法:区分矩阵法和基于属性重要性.根据数据集的实际情况提出了一种基于粗糙集的区分矩阵和属性重要性相结合的启发式算法,并获得了属性约简集.在约简集的基础上分析了静态决策推理规则及算法.在相容决策系统中利用集合向量包含度构造了规则融合的方法,从而得到动态条件规则的极大近似决策值.在知识满足分类质量要求的前提下,根据规则融合方法,对任意给定的样本知识可以判别知识的实际归属类.     

决策信息系统中挖掘全部决策规则的算法

在粗糙集理论的基础上,对决策信息系统中边界区域的数据进行研究,提出一种从边界区域数据中挖掘决策规则的算法——近似序列决策规则挖掘算法。在16个UCI数据集上的测试表明,该算法在规则的准确度和平均前件长度2个指标上优于ID3算法,能简洁、高效地挖掘出决策信息系统中的全部决策规则,为挖掘未知知识提供了新的思路。针对挖掘出的全部决策规则,提出新的确定性度量和一致性度量指标,用以准确地反映决策规则的性能。     

基于属性分辨度的最大相容块规则提取算法

提出一种基于属性分辨度的不完备决策表规则提取算法, 它是一种例化方向的方法. 首先从空集开始, 逐步 选择当前最重要的条件属性对对象集分类, 从广义决策值唯一的相容块提取确定规则, 从其他的相容块提取不确定 规则; 然后设计属性必要性判断步骤去除每条规则的冗余属性; 最后通过规则约简过程来简化所获得的规则, 增强规 则的泛化能力. 实验结果表明, 所提出的算法效率更高, 并且所获得的规则简洁有效.

     

基于粗糙集决策网络的故障诊断规则提取方法

针对故障诊断信息的不一致性,提出一种基于粗糙集决策网络的故障规则提取方法。将故障诊断决策系统通过分辨矩阵和分辨函数进行属性约简后,构造出一个不同简化层次的决策网络。将属性约简集作为网络初始节点,根据网络节点得到决策规则集;同时,为了有效滤除噪声,在置信度的基础上引入了规则覆盖度的概念,对提取的规则进一步评价,最终提取有效的诊断规则。旋转机械故障实例验证了该方法的有效性。     

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。     

一种基于有序属性决策系统分类规则提取策略

分类规则的精度取决于分类算法的构造,论文在综合分析基本粗糙集合概念及其约简算法的基础上,阐述了一种基于准则的有序属性决策系统的数据挖掘算法．为此首先介绍了基于有序属性决策系统的集合表达,然后利用有序属性决策系统中准则集与属性集的基本特征构造上下近似扩展模型,得到准则集决策系统的四个相关参数．并进一步提出相应的数据约简与分类规则提取算法。最后给出了用此算法约简有序属性决策系统的算例,实验结果表明此方法挖掘出的规则简练,更具合理性和可靠性。     

一种改进的基于粗糙集的增量式学习算法

从粗糙集理论出发,利用决策表局部最小确定性作为阈值来自主控制产生规则,得到一种改进的增量式学习算法.实验表明,在处理大多数数据集时,该算法效率和生成的规则集对样本的正确识别率都较已有的基于粗糙集的增量式算法IRAA有所提高.     

一种不确定性条件下的自适应知识学习方法

通过研究决策表和决策规则的不确定性，分析了由不分明关系划分的粒度引起的规则不确定性的两个方面，即不一致性和随机性，建立基于信息熵和粗糙集表示的不确定性信息度量的方法．利用该方法计算决策表局部最小确定性，并以此为阈值来控制规则集生成的数量，避免不必要的冗余规则的生成．同时结合Skowron的缺省规则获取算法，实现了没有领域先验知识条件下的不确定知识的自适应学习过程．试验结果表明．阈值的选取是合理的，在保持较高的决策正确率的同时，有效地控制了规则集的生成．     

Measures for evaluating the decision performance of a decision table in rough set theory

As two classical measures, approximation accuracy and consistency degree can be employed to evaluate the decision performance of a decision table. However, these two measures cannot give elaborate depictions of the certainty and consistency of a decision table when their values are equal to zero. To overcome this shortcoming, we first classify decision tables in rough set theory into three types according to their consistency and introduce three new measures for evaluating the decision performance of a decision-rule set extracted from a decision table. We then analyze how each of these three measures depends on the condition granulation and decision granulation of each of the three types of decision tables. Experimental analyses on three practical data sets show that the three new measures appear to be well suited for evaluating the decision performance of a decision-rule set and are much better than the two classical measures.     

一种从海量不完备决策表中抽取规则的方法

提出了一种处理海量的不完备决策表的方法。将基于互信息的属性重要度作为启发式信息,利用遗传算法对不完备的原始决策表中的条件属性进行约简,形成包含missing值的决策表,称为优化决策表。利用原始决策表自身的信息,通过属性扩展,从优化决策表中抽取一致性决策规则,而无须计算missing值。该方法在UCI的8个数据集上的实验结果优于EMAV方法,是一种有效的从海量不完备决策表中抽取规则的方法。     

语言标记Vague集及其应用

为了解决不确定环境有时不能提供给Vague集的真、假隶属度以精确数字值的问题, 文中提出了语言标记Vague(Linguistic Label Vague,LLV)集.其论域对象的真、假隶属度均是 意义为模糊集的语言标记.文中还定义了LLV集的补、并、交和包含运算.作为应用,构造了LLV 决策表;获取了LLV决策规则;通过LLV集包含程度和相交程度度量了规则的强度,用LLV值 记分函数对强度排序.仿真结果表明:LLV集有时比Vague集更为现实地表示不精确信息.     

个性化决策规则获取算法及规则表示

提出了一种基于粗糙集理论的面向个性化知识的决策规则获取算法。从理论上证明了算法的正确性,给出了面向个性化的知识获取算法的描述。算法的重点在于规则合成的方法和可信度、覆盖度和规则强度计算的方法。最后通过例子说明了算法的有效性和实用性。