一种变精度约简转化为正区域约简的方法

正区域约简与变精度约简是决策表属性约简的两种重要类型,基于辨析矩阵的约简方法能够得到所有的约简结果,通过比较两者辨析矩阵的计算过程,在阈值大于0.5的条件下,可以适当改变决策属性的值,使得变精度约简的计算可以转化为正区域约简的计算,从而为变精度约简的计算提供了一种新的计算方法。举例说明,通过上述转换可以简化变精度约简的计算。     

基于Bayesian粗糙集和布谷鸟算法的肺部肿瘤高维特征选择算法

在高维特征选择过程中最优特征子集生成和分类器 参数优化方面,提出一种基于贝叶斯粗糙集(BRS)、遗传算法(GA)和布谷鸟算法(CS) 的两阶段优化高维特征选择算法。该算法首先分析3000例肺部肿瘤CT图像的形状、灰度和纹理特征,提取104维特 征分量共同量化ROI;然后进行两阶段优化:(1) 从全局相对增益函数的角度分析了属性 重要度,结合属性约简长度和基因编码权值函数的加权和构造适应度函数,通过选择、交叉 和变异等遗传操作生成最优特征子集,在不降低分类精确度的前提下降低特征维度;(2) 利用CS对支持向量机(SVM)参数进行全局寻优;最后通过实验验证本文算法的可行性和有 效性。实验结果表明,该算法有效提升了肺部肿瘤良恶性识别能力,降低了算法的时间复杂 度。     

基于粗糙熵的离群点检测方法及其在无监督入侵检测中的应用

香农的信息熵被广泛用于粗糙集.利用粗糙集中的粗糙熵来检测离群点,提出一种基于粗糙熵的离群点检测方法,并应用于无监督入侵检测.首先,基于粗糙熵提出一种新的离群点定义,并设计出相应的离群点检测算法-–基于粗糙熵的离群点检测(rough entropy-based outlier detection,REOD);其次,通过将入侵行为看作是离群点,将REOD应用于入侵检测中,从而得到一种新的无监督入侵检测方法.通过多个数据集上的实验表明,REOD具有良好的离群点检测性能.另外,相对于现有的入侵检测方法,REOD具有较高的入侵检测率和较低的误报率,特别是其计算开销较小,适合于在海量高维的数据中检测入侵.     

不完备混合决策系统的三支决策模型与规则获取方法

现有三支决策主要针对各类完备信息系统或不完备单一型信息系统进行研究,而现实应用领域中数据往往呈现不完备性和复杂性等特征,为此,构建面向不完备混合决策系统的三支决策模型与规则获取方法。首先,计算不完备混合数据的完备邻域容差类,并将其代替等价类计算三支决策模型的条件概率;然后,根据扩展的损失函数区间概念获取各对象在乐观、折中和悲观决策下的不同阈值,进而针对不完备混合决策系统构造三种决策风险下的三支决策模型。最后,通过理论分析和医疗诊断实例详细分析了算法的有效性和可解释性,并通过实验比较和分析可知,所构模型较其他已有模型的分类过程更加合理有效,同时该模型也扩充了三支决策模型和知识发现的理论与应用研究。     

基于变精度覆盖粗糙集的入侵检测方法

精准且快速地识别异常用户行为是入侵检测系统（IDS）的重要任务。针对入侵检测数据维度高、样本量大的问题,提出了基于变精度覆盖粗糙集的相关族属性约简方法,并将其运用至入侵检测数据中。首先,基于覆盖决策表生成条件属性的变精度相关族;然后,在所有条件属性变精度相关族的基础上利用启发式算法求得决策表的属性约简;最后,在上述的基础上结合分类器对入侵检测数据进行检测。实验结果表明,所提方法具有计算属性约简时间短的优点,在大样本数据集上,基于模糊粗糙集依赖度的属性约简算法NFRS运行所需时长为该算法的96倍。在入侵检测数据集NSL-KDD上,该方法可快速识别关键属性,剔除无效信息,其整体准确率可达到90.53%,且对Normal的识别准确率可达到97%。     

A new method for probabilistic linguistic multi-attribute group decision making: Application to the selection of financial technologies

“No technology, no finance” has been the consensus in banking industry. Under the background of financial technology (Fintech), how to select an appropriate technology company to cooperate for the banks has become a key. The technology company selection can be regarded as a kind of multi-attribute group decision making (MAGDM) problems. The probabilistic linguistic term set (PLTS) is a useful tool to express decision makers’ (DMs’) evaluations in the technology company selection. This paper develops a new method for MAGDM with PLTSs. Firstly, the possibility degree and range value of PLTSs are defined. Then a possibility degree algorithm is designed for ranking PLTSs. An Euclidean distance measure between PLTSs is presented and extended to probabilistic linguistic matrices. Based on Archimedean t-norm and s-norm, some new operational laws for PLTSs are defined and some desirable properties are discussed. Then, a generalized probabilistic linguistic Hamacher weighted averaging (GPLHWA) operator and a generalized probabilistic linguistic Hamacher ordered weighted averaging (GPLHOWA) operator are developed. Some useful properties for these operators are investigated in detail. Combined with the subjective weights of DMs, the DMs’ weights are determined by the adjusted coefficients. Using the GPLHWA operator, the collective decision matrix is obtained by aggregating all the individual decision matrices. By maximizing the total weighted square possibility degree, a multi-objective program is constructed to derive the attribute weights. The ranking order of alternatives is generated by integrating ELECTRE and TOPSIS. Thereby, a new method is put forward for MAGDM with PLTSs. A Fintech example is analyzed to show the effectiveness of the proposed method. The sensitivity analysis and comparative analyses are conducted to illustrate its advantages.     

Word-level neutrosophic sentiment similarity

In the specializedliterature, there are many approaches developed for capturing textual measures: textual similarity, textual readability and textual sentiment. This paper proposes a new sentiment similarity measures between pairs of words using a fuzzy-based approach in which words are considered single-valued neutrosophic sets. We build our study with the aid of the lexical resource SentiWordNet 3.0 as our intended scope is to design a new word-level similarity measure calculated by means of the sentiment scores of the involved words. Our study pays attention to the polysemous words because these words are a real challenge for any application that processes natural language data. After our knowledge, this approach is quite new in the literature and the obtained results give us hope for further investigations.     

基于灰色模糊推理的油料消耗预测

为了克服传统预测方法的弊端,提出了基于灰色模糊推理的油料消耗预测方法。首先,构建了基于加权灰色关联分析的案例检索模型,且运用信息熵理论确定灰色关联系数的权重;其次,构建了模糊集理论的案例检索模型,且运用改进的层次分析法确定特征属性的权重;最后,基于上述2种检索结果,运用灰色关联分析方法构建了组合检索模型,并且基于检索结果对油料消耗进行预测。通过算例仿真,证明了上述检索方法具有较高的准确度,验证了预测方法的可行性和实用性。     

三支决策-基于粗糙集与粒计算研究视角

从三支决策3个历史发展阶段出发,通过粗糙集和粒计算两个研究视角对三支决策的发展踪迹和演化过程进行介绍。分析了三支决策与粗糙集理论的历史脉络、内在联系和相互关系,探讨了决策粗糙集、概率粗糙集、粗糙集和三支决策之间的包含关系;探讨了基于多层次粒计算和多视角粒计算下的三支决策方法;提出了一个基于三支决策的粒计算研究框架模型。最后,给出了三支决策的研究现状和未来发展方向。     

面向一致性样本的属性约简

作为粗糙集理论的一个核心内容,属性约简致力于根据给定的约束条件删除数据中的冗余属性。基于贪心策略的启发式算法是求解约简的一种有效手段,这一手段通常使用数据中的全部样本来度量属性的重要度从而进一步得到约简子集。但实际上,不同样本对于属性重要度计算的贡献是不同的,有些样本对重要度贡献不高甚至几乎没有贡献,且当数据中的样本数过大时,利用全部样本进行约简求解会使得时间消耗过大而难以接受。为了解决这一问题,提出了一种基于一致性样本的属性约简策略。具体算法大致由3个步骤组成,首先,将满足一致性原则的样本挑选出来;其次,将这些选中的样本组成新的决策系统;最后,利用启发式框架在新的决策系统中求解约简。实验结果表明:与基于聚类采样的属性约简算法相比,所提方法能够提供更高的分类精度。