集值决策信息系统属性约简的启发式算法

在集值决策信息系统中,通过引入信息量和条件信息量,对属性的重要性进行了定义.给出了分配约简（广义决策约简）的一种启发式算法：条件信息量约简算法,分析了该算法的时间复杂度,时间复杂度为O（｜A｜3｜U｜2）;最后通过例子说明,该算法能得到集值决策信息系统的一个约简.     

基于决策强度的一种属性约简算法

属性约简是粗糙集理论研究的主要内容之一,目的在于获取优良的规则集合.利用数据挖掘中规则的支持度和置信度的概念,提出了决策表的决策强度的概念, 分析了在属性约简过程中,决策强度的变化趋势;然后给出一种基于决策强度的属性约简的启发式算法, 该算法的时间复杂度为O(|C|2| U|log|U|);最后用一个例子,说明算法的有效性.     

信息系统中的值约简算法研究

在信息系统中,我们可以用值约简算法过滤和删除冗余的条件属性值来简化信息系统决策规则的获取过程．本文介绍了值约简的基本算法,并对该算法功能进行了适当的补充．实验证明,针对那些当删除记录的一些属性后不会出现重复记录并且不会发生决策不一致的情况,这种改进后的算法十分有效,是对基本值约简算法的重要补充．     

基于条件粗糙熵的知识相对约简算法

本文提出了信息系统中两个互不相交属性集之间的条件粗糙熵的概念,得到了在知识约简中条件粗糙熵的变化规律是单调递减的,以此得到了知识约简过程中启发式搜索的条件,同时用知识的条件粗糙熵定义了属性的相对重要性.在此基础上提出了一种新的基于条件粗糙熵的知识相对约简算法CREBARK。该算法的时间复杂度为O(|C|3|U|2)。通过实例分析,表明该算法是有效的。     

模糊概率决策系统的属性约简

基于模糊等价关系及论域上的概率分布建立模糊概率信息系统,并给出了模糊概率信息系统的熵与条件熵.最后基于模糊概率信息系统的条件熵提出模糊概率决策信息系统的属性约简并给出了算法.     

基于严格划分的信息系统属性约简的完备算法

在信息系统的属性约简过程中,引入了划分量和属性严格划分的概念.研究了它们的特点与性质,证明了在信息系统的属性严格划分过程中,划分量是严格递增的.给出了一种基于严格划分的属性约简的完备算法,算法的时间复杂度为O(|A|2|U|log|U|),理论分析和例子表明该约简算法是有效的.     

集值决策信息系统属性约简与规则提取的矩阵算法

在集值决策信息系统中引入了优势矩阵和决策矩阵的概念,进一步建立了集值决策信息系统广义决策约简与规则提取的矩阵算法.算法利用矩阵间的比较提取所有决策规则,并同时得到所有广义决策约简.通过实例分析验证了该算法的有效性,说明了其优点是对数据复杂的决策信息系统也可相对容易地求出所有的广义决策约简与决策规则.     

一种基于灰色变精度粗糙集的属性约简方法及其应用

针对订单接受决策中存在着大量冗余属性和不精确分类的问题,利用粗糙集和灰色系统理论的思想,提出了一种基于灰色变精度粗糙集的订单属性约简方法,解决了经典粗糙集处理分类不精确的问题,弥补了传统的灰色粗糙集容错能力差的不足,避免了一定程度的信息损失。该方法首先对订单接受决策属性进行分析,建立订单接受决策属性体系。然后对订单属性值进行收集和预处理,建立灰色关联矩阵,通过调整灰色关联关系阈值和分类正确率阈值,基于重要度对订单属性进行约简。最后通过实例验证了方法的可行性。     

属性排序的粗糙集和统计方法研究

引入实际问题需求决策表,研究属性排序的层级式计算方法,给出层级式计算的过程,并总结出层级式计算的金字塔模型。使用粗糙集属性重要度为第1层方法,位于金字塔底端,是宏观度量;基于约简的属性频次统计为第2层方法,在约简基础上结合统计方法计算属性重要程度数值度量,是宏观和微观兼有的度量;将基于约简的属性影响程度均值作为第3层方法,考量属性的微观区别并以数值度量来进行重要性比较,位于金字塔顶端。研究结果完善了粗糙集理论和应用的方法。     

基于粗糙集和RBF神经网络的分类模型研究

分类是数据挖掘中一个重要的研究领域。针对原始决策表中往往存在大量冗余信息,从而影响决策分类综合性能这一问题,提出了一种基于粗糙集和RBF神经网络的分类模型。该模型在保持训练样本分类质量的情况下,运用属性约简方法对决策表进行约简,得到维数较小的训练样本空间。通过这样确定RBF神经网络输入层变量,优化了网络结构。实例结果表明了该方法的有效性和实用性。     

基于知识粒度的知识约简研究

在知识粒度和知识重要度基础上，首先分剐证明了约简后的属性集的粒度等于初始属性集的粒度、约简中的每一属性对于约简中的其余属性都是重要的、约简外的每一属性对于约简都是不重要的、核中的每一属性对于核中的其余属性都是重要的等结论，进而给出了核是约简的充分必要条件，最后提出了基于知识粒度的知识约简算法——KRAKG算法，证明了其时间复杂度为O（｜R｜×｜U｜2），验证了其有效性。     

不完备信息系统的辐射源识别方法研究

该文将粗糙集理论引入不完备信息系统下的辐射源识别。基于粗糙集理论,给出了一种新的不完备信息系统下辐射源识别模型。该方法以相似关系、相容关系作为基础,通过知识约简和决策规则的提取,较好地解决了不完备信息系统的辐射源识别问题。以雷达辐射源用途识别为例给出实例分析,说明了该模型处理不完备信息识别问题的有效性。     

基于区间数灰理论的短期经济增长波动研究

多属性区间数排序及决策普遍存在于工程系统及社会经济系统之中,它是决策理论与方法研究的一个重要内容。以往的经济增长波动研究多局限于长周期经济增长波动研究,研究方法多采用统计学相关知识。本文将多属性区间数排序及灰关联度理论结合在一起,通过对基于GDP增长的多属性影响因素来构建多属性波动区间数,并采用灰关联度相关计算算法,应用于国民经济增长的短期波动质量监测,最后通过实证分析来证明这一方法在实践中的价值与意义。     

基于互信息的无线传感器网络节点故障自诊断

故障自诊断和故障监控能提高WSN的可维护性和可靠性,延长WSN节点的使用寿命。该文提出一种无线传感器网络(wireless sensor network,WSN)节点故障自诊断的新方法。首先,可从粗糙集理论中基于互信息的属性约简算法获得故障诊断决策的约简,进而建立一套以属性匹配为核心思想的WSN节点故障自诊断技术,对WSN节点的各个模块分别进行具体的故障诊断和定位。仿真实验表明,该方法在WSN节点中实现故障自诊断时,通信代价小,能耗低,诊断的误判率低。     

模糊决策中常用的规范化方法

在多属性决策的研究中，规范是决策过程中必不可少的步骤。根据多属性决策属性理论，明确了效益型、成本型、固定型、区间型、偏离型、偏离区间型等六种属性的评价值是表示梯形模糊数时的规范化方法，并同已有的效益型、成本型的规范化方法进行了比较和例证分析。结果表明，常用的六种规范化方法在模糊决策中具有较好的应用价值。     

基于Rough集理论的城市信息系统知识获取方法

以城市信息化空间数据处理为研究背景,基于Rough集理论解决信息系统中信息不确定,数据量大的困难。从Rough集的基本概念出发,给出决策表的知识表达系统,提出计算最小决策规则的算法,最后通过运用Rough集理论和方法对城市空间数据决策表的实例进行属性及属性值进行约简,挖掘其中隐含的知识,从而得出最小决策规则。     

基于免疫量子粒子群优化的属性约简

受生物免疫系统启发,把疫苗提取和疫苗接种思想应用到量子粒子群算法,提出了免疫量子粒子群算法。免疫接种可以指导粒子朝着更优方向进化,提高了量子粒子群的收敛速度和寻优能力。分别采用Hu算法、粒子群算法、量子粒子群、免疫量子粒子群多种算法应用于粗糙集属性约简。实验结果表明,基于免疫量子粒子群优化的约简算法在收敛速度和寻优能力都取得了更好的效果。     

决策系统的快速属性约简算法

针对决策系统提出了一种高效的属性约简算法;讨论了合理刻画属性重要性的新指标,并设计了一种快速计算划分的方法;在此基础上,得到了一种快速计算属性约简的算法。与现有算法相比,该算法具有较大的灵活性,能从搜索空间中逐次删除不重要属性,避免了对其重要性的重复计算;并且时间复杂度低。通过实例和实验表明了该算法的可行性与有效性。     

基于粗糙集的T-S模糊神经网络在回转窑烧结过程中的应用

基于粗糙集理论的知识约简方法和T-S模糊神经网络的非线性映射理论,针对回转窑烧结过程被控对象复杂、各参数之间相互耦合及难以建立精确数学模型的特点,提出一种RS-FNN智能控制策略。采用基于一种新的聚类有效性准则函数的模糊C均值聚类算法对连续属性进行离散化;然后利用粗糙集理论由历史数据样本提取约简规则集,对应的T-S模型具有反映数据特征的良好拓扑结构;最后T-S模型参数由梯度下降混合最小二乘法进行精调。该方法应用于铁矿氧化球团回转窑生产过程控制取得了良好效果,增强了系统容错及抗干扰的能力。     

基于粗糙-模糊神经网络的焊接图像缺陷识别

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重以及现有的识别算法准确率低的问题,提出了一种基于粗糙模糊神经网络的缺陷识别算法。该算法充分利用了粗糙集的属性约简、模糊集的处理不精确数据以及神经网络的自学习、对任意函数逼近的优点,有效地解决了不确定建模过程中样本数据受到噪声干扰、模型结构难以确定的问题。仿真结果表明:该算法能有效地提高焊缝图像的缺陷识别能力。