基于Rough集联系度的决策表简化方法

提出了集合型Rough集（粗集）联系度的概念以及利用Rough集联系度对决策表进行条件属性简化和属性冗余值简化的计算步骤，通过算例说明方法比较的Rough集理论中使用范畴的相地简化方法更简单。     

基于粒计算的不完备决策表规则提取算法

为从不完备决策表中获取最简决策规则,在研究粒计算理论的基础上,提出了一种基于粒计算的决策规则提取算法.该算法利用粒计算的方法对由同一决策表所生成的粒库,从不同的角度和多个层次进行研究,尝试从较低阶的粒库中提取出尽可能多的具有一定规则覆盖度与置信度的简洁规则.实例验证表明,算法能有效地获取最简决策规则,为不完备决策表的最简规则获取提出了一种新方法.     

泛系单值化在粗糙集决策表分析中的研究

利用泛系理论中的单值化方法及其两个具体应用来分析粗糙集理论中的决策表和决策规则问题.通过具体实例来介绍泛系单值化方法,并对泛系单值化与粗糙集理论的联系进行研究,深化我们对决策表及决策规则的认识与理解.同时给出一种泛系单值化推导决策规则的算法.     

决策表程序的推理规则

本文给出了证明决策表程序正确性的推理规则,其中特别使用了决策表程序的层次结构和不可能规则。本文最后以证明冒泡分类算法例示了本文方法的使用情况。     

基于RS理论的相容及不相容决策表简化对比研究

粗糙集理论是一种具有模糊边界的集合理论，它被广泛应用于相容和不相容有的规则提取中，本文针对RS理论中知识简化和核这两个重要问题进行了研究，提出了一种借助于逻辑推理运算得到的知识约减新方法，并应用具体实例对相容和不相容决策表的规则提取进行了比较。     

区间值决策表的决策风险最小化属性约简

针对目前海量数据分析较多情况下从传统的单条记录转变为一个区间对象,将决策粗糙集中风险的概念引入至区间值决策表中,给出了区间值决策表决策风险的定义,并提出了决策风险最小化的属性约简方法.该方法可以保证所得到的约简集合相对于决策属性具有较强的分类能力,同时保证约简集合的决策风险最小.区间值决策表的决策风险最小化约简使得定义的约简具有更强的理论性和可解释性.     

基于模糊决策表的舰船避让时机决策模型

针对如何确定避让时机这一问题,提出了一个综合考虑多种影响因素的避让时机决策模型,该模型采用模糊决策表来描述避让行动的５个阶段,并运用模糊产生式规则匹配算法来实现对决策表的查询,从而能方便地得出在作在任一给定条件下本船所处的避让行动阶段。     

基于模糊相容关系的集值决策表的相对约简

从模糊粗糙集的角度讨论集值决策表的相对约简。首先,基于2个对象取相同值的可能性大小,在集值信息系统中定义了一个模糊相容关系,给出了模糊相容关系的上近似和下近似;其次,通过引入模糊近似质量,定义了集值决策表中条件属性的重要度与相对重要度,进而提出了一种计算相对约简的启发式算法;最后,通过实例说明该算法能够得到集值决策表的相对约简。     

决策表的建立和转换算法

本文将多值逻辑理论中的展开定理推广到混合多值逻辑上,从而得出了2-n-3和3-n-3两种模型的原始决策表的一种新的建立方法,并提出了原始决策表转换为标准决策表的完整算法。     

一种新的基于粗糙集理论的决策表离散化算法

主要研究了粗糙集理论在决策表离散化中的应用,提出了一种新的基于粗糙集理论的决策表离散化算法．该算法是一种基于决策表属性重要性的算法,首先使用条件属性与决策属性的互信息来度量条件属性的重要性,并据此对条件属性按照重要性由小到大排序,然后按排序后的顺序,考察每个条件属性的所有断点,将冗余的断点去掉,从而将条件属性离散化．     

水平划分决策表的属性约简算法

差别矩阵属性约简是粗糙集重要约简方法之一,但在处理不一致大数据集时存在不足。为此,提出了决策差别矩阵的概念,并给出基于决策差别矩阵的属性约简定义,同时研究了由该定义获得的约简与正区域约简之间的等价性。为了提高求解效率,给出水平划分决策表的方法,指出将划分的子决策表分配到不同的网络节点上,基于子决策差别矩阵可并行完成核属性和属性约简;并设计了并行约简算法。实例分析和UCI中数据集的实验比较表明所提出的约简算法是正确的、高效的。     

区间属性值决策系统属性的粗糙约简

基于粗糙集理论对区间属性值决策系统进行了探讨,提出了一种区间属性值决策系统属性的粗糙约简方法.首先利用分析技巧,将区间属性值决策表转化为三元决策表,其次利用粗糙集理论构建了属性的约简方法.通过算例说明了该方法的有效性.     

一种基于变精度粗糙集的规则提取方法研究

主要研究了变精度粗糙集的下近似集,得到了变精度粗糙集的下近似集和属性集合基数之间的关系,提出了一种易实现的变精度粗糙集决策表约简算法。该算法分2步进行决策表约简计算:①计算决策表核;②在决策表核的基础上计算决策表最小约简。仿真实验结果表明所提出的变精度粗糙集约简算法计算简单、容易实现。     

农村配电网故障定位方法的研究

文章提出了运用粗糙集理论实现农村配电网故障定位的方法。该方法根据配电网拓扑结构利用各用户区故障投诉信息作为条件属性、故障元件作为决策属性,形成故障决策表,并以此决策表为主要工具,然后利用粗糙集方法对决策表进行属性约简和值约简,导出故障决策表的最小约简形式,获得最小诊断规则,保证了规则的客观性,而且在故障投诉电话信息不完备的情况下,仍能达到快速、准确故障定位的目的,具有良好的容错性能。算例表明该方法简单、可行、有效。     

基于邻域关系的决策表约简

针对经典粗糙集理论难以处理连续型数据的特点,提出基于邻域关系的决策表约简方法。该方法在连续型数据的决策表中引入邻域关系,通过邻域关系进行信息粒化,避免离散化过程带来的信息损失。通过定义邻域正域和邻域约简概念,分析邻域正域的单调性原理,提出基于邻域关系的属性重要度概念,进一步设计了两种启发式约简算法。理论分析与实例表明该方法是有效可行的。     

一种新的基于区别矩阵的决策表属性约简方法

利用反例指出目前基于区别矩阵计算决策表核属性方法的局限性,并指出根本原因是:U/ind(C)中的等价类的A C不相容性.目前,对于决策表的相容性问题的研究都停留在单个对象上,而本文的研究表明,要计算决策表的属性约简以及核属性,关键是要考虑U/ind(C)中的等价类的相容性.给出了基于U/ind(C)的等价类的相容性的属性约简定义和核属性定义,并讨论了一种新的基于区别矩阵的属性约简和核属性计算方法.最后证明本文方法是正确的并用相同实例验证了该方法的有效性.     

一种基于粗糙集的K-means聚类算法

对粗糙集进行了相关研究,并提出了一种以粗糙集理论为基础的K-平均聚类算法,该算法以信息表中条件属性和决策属性的一致性原理为基础,应用粗糙集的属性约简算法消除冗余属性,利用各属性重要度确定其权值,在此基础上应用改进的K-平均算法进行聚类分析.该方法的优势在于消除了不重要的属性,赋予了各属性权值,使聚类更有效,更客观.实验结果表明,该方法是有效的.     

基于Rough集和RBF网络的车牌字符识别方法

提出了一种基于Rough集和RBF神经网络结合的车牌字符识别方法。该方法针对车牌字符二值化图像,给出了基于粗糙集理论的知识获取方法,包括根据训练样本的特征向量建立决策表、离散决策表属性、约简决策表属性,然后由约简后的属性构造RBF网络识别器。试验表明该方法有效地减少了决策属性的个数,简化了神经网络识别器的结构,提高了泛化能力和抗噪声能力,在车牌字符识别中取得了较好的识别效果。