模糊规则插值法在约简模糊系统中的应用

本文讨论模糊规则插值法及其在简化模糊决策系统中的应用.在稀疏模糊规则库中,可以利用模糊规则插值法实现模糊推理.而利用模糊插值法进行模糊规则库的约简,则是在规则库中发现一些规则,它们能由其它规则通过插值机制近似表示,这些规则是冗余的规则,可以从规则中去除.     

基于可辨识矩阵的不完备模糊目标信息系统的属性约简

粗糙集理论是用来解决不确定性的新的数学工具,其中属性的约简是粗糙集理论中一个重要的研究课题.J.W.Guan等提出了信息系统下的矩阵算法.本文则是把这种算法推广到信息不完备并且目标是模糊的领域.通过容差关系的上近似集和下近似集重新设计了算法,最后用实例验证算法了算法的可行性.     

变精度优势粗糙集属性约简择优算法

以从多个粗糙集属性约简中选择最优的约简为目的,分析了作为度量工具的现有条件信息熵在应用过程中的缺陷.借鉴变精度粗糙集理论的思想,在对阈值参数进行二次选择的基础上,提出一种新的条件信息熵.基于新的条件信息熵设计了一种变精度优势粗糙集属性约简的择优算法,克服了现有条件信息熵的不足.理论分析和实践结果均表明了所设计算法的有效性.     

一种基于粗糙集理论的规则获取算法

获取规则是数据挖掘中的一项重要技术 ,根据粗糙集理论及决策值归纳函数的概念 ,可以把不相容的决策系统转化为相容的决策系统 ,并提出规则参数的合并方法 .在此基础上 ,利用决策矩阵和决策函数 ,提出了一种在决策系统中获取规则的算法 .同传统的算法相比 ,该算法得出的规则集没有信息丢失的现象发生 .最后以例子作了说明 .     

基于粗糙集的不一致信息系统规则获取方法

本文提出了一种基于粗糙集的既能学习决策性分类规则也能学习非决策性分类规则的方法,目的是获得更一般、更可靠的分类规则,并设计了相应的算法。算法的基本思想是允许用户在学习分类过程中指定三个参数:最小的支持度、分类规则必须满足的一致度、覆盖度,据此推导出满足参数要求的规则。最后将该方法应用于一个算例中,提取了满足给定参数阈值的规则。该方法在处理噪音数据及大型数据库分析等方面具有较强功能。     

基于β-δ0粗糙集模型的属性约简算法

本文针对经典粗糙集模型存在的对噪音数据敏感等缺陷,提出了基于隶属度和特征距离的β-δ0拓展模型,该模型不仅能够处理含有噪音的不完全、不精确信息系统,其结果也能反映大量数据所满足的统计规律;针对β-δ0拓展模型,提出了一种基于属性上下文敏感度的启发式属性约简算法.     

基于粗糙集与主成分分析的属性约简的启发式算法研究

信息系统的属性约简反映了一个决策表的本质信息,为信息系统的数据挖掘奠定的基础。生成一个决策表的所有约简或计算出最佳(定义为属性数目最少)的约简都是NP难问题。目前已有的基于粗糙集的属性约简算法由于计算复杂较高,而不适用大规模数据。本文探讨了一种基于区分矩阵和主成分分析的算法,该算法利用属性在区分矩阵中频率及属性贡献率做为启发规则,寻找最小约简,并在海关通关风险评估系统中得到良好的应用。     

基于模糊聚类和粗糙集提取我国经济增长的模糊规则

提出了一种基于模糊软分类和粗糙集理论来提取模糊规则的一种算法.该算法分为3个步骤①通过模糊软分类对样本进行模糊划分,得到隶属度矩阵;②运用粗糙集理论和得到的隶属度矩阵生成初始决策表;③简化决策表,提取规则.最后运用该算法提取我国经济增长的模糊规则.     

粗糙集在教学质量评价中的应用

粗糙集不依赖于数据集之外的附加信息,是处理含有噪声、不精确、不完整数据的有力工具,是一种新的数据挖掘技术.首先,本文介绍了粗糙集理论和决策表约简算法,然后采用粗糙集数据挖掘技术对多指标教学质量进行评价,挖掘出数据背后隐含的规则.     

风险偏好与属性约简在决策问题中的应用研究

将决策者风险偏好与属性约简算法应用到具有大量属性的决策问题,提出先对决策者分类再进行决策的策略． 根据决策者的风险偏好特征将其分为风险规避型、风险中立型、风险偏好型,针对不同类型的决策者分别采取相应的算法,提取有效属性并利用有效属性进行决策; 针对不同风险偏好的决策者,提出相应的风险偏好预期规则; 提出基于优势关系辨析矩阵的属性赋权算法及基于属性值优势度矩阵的进行信息融合与排序算法; 最后通过属性值为实数与区间数的两个实际案例表明该算法的科学合理性．     

杂合灰色聚类与变精度粗糙模糊集的概率决策方法及应用

在基于粗糙集理论或扩展粗糙集理论的不确定性决策中,仅由数据集无法获得决策表,同时由于决策属性呈现模糊性,以致于难以获取概率决策规则。针对这一类决策问题,基于灰色定权聚类与优势粗糙集变精度方法,本文构建了一种的杂合决策方法。该方法首先利用中心点三角白化权函数的灰色定权聚类方法将包含不同量纲指标的知识表示系统生成多属性决策表,而后运用变精度粗糙模糊集进行决策分析,生成概率决策规则,最后以区域关键技术的选择为例,表明该模型的可行性与实用性。     

基于粗糙集条件信息熵的权重确定方法

权重确定是管理决策和评价的重要环节,现有的权重确定方法基本依赖于专家的先验知识。粗糙集权重确定方法由于其不需要所处理数据集合的先验信息、充分体现数据客观性的特点在管理决策中得到日益广泛应用。但是,原有的粗糙集权重确定方法无法确定冗余属性的权重。本文针对粗糙集的信息表示比代数表示更全面的特点,通过粗糙集条件信息熵属性重要度的分析,提出了新的基于粗糙集条件信息熵的权重确定方法,并分析了其合理性。通过算例证明,新的条件信息熵权重确定方法可以解决原有粗糙集权重确定方法无法解决的问题,从而提高了方法的普适性和可解释性。     

基于粗集理论的属性权重确定方法

通常属性权重的确定方法是根据决策者的先验知识来确定。本文根据粗集理论中属性重要度的判断方法,提出将决策者先验知识给定的权重同粗集理论确定的属性重要度结合起来最终确定属性权重,即基于粗集理论的属性权重确定,实现主观先验知识同客观情况的统一,从而得出更加理想的权重确定结果。     

基于变精度粗糙集的分层知识粒度

本文在研究变精度粗糙集模型中的近似、分类质量与知识粒度关系的基础上,提出了利用嵌套的等价关系集,可以构造基于不同置信阈值β、不同级别分类质量γ的分层知识粒度,并设计了相应的算法,最后以实例构造了分层知识粒度结构图。     

基于粗糙集与未确知模型的供应商风险评估方法研究

供应商是制造商材料的来源,供应商风险的发生可能导致原来井然有序的供应链无法正常运转,因此,供应商风险的预警与评估在供应链风险管理中占据着举足轻重的地位。本文提出一种基于粗糙集和未确知测度理论的供应商风险评估方法,该方法首先运用粗糙集理论对繁杂的供应商风险指标体系进行精简,并确定指标权重,然后运用未确知测度模型对供应商风险进行评估,从而使评估结果更加客观。最后在实证研究中以某汽车制造商企业供应商风险评估体系为例,阐明了该评估方法的科学有效性以及评估结果的合理性。     

A Dominance-Based Rough Set Approach for an Enhanced Assessment of Seasonal Influenza Risk

Accounting for about 290,000–650,000 deaths across the globe, seasonal influenza is estimated by the World Health Organization to be a major cause of mortality. Hence, there is a need for a reliable and robust epidemiological surveillance decision-making system to understand and combat this epidemic disease. In a previous study, the authors proposed a decision support system to fight against seasonal influenza. This system is composed of three subsystems: (i) modeling and simulation, (ii) data warehousing, and (iii) analysis. The analysis subsystem relies on spatial online analytical processing (S-OLAP) technology. Although the S-OLAP technology is useful in analyzing multidimensional spatial data sets, it cannot take into account the inherent multicriteria nature of seasonal influenza risk assessment by itself. Therefore, the objective of this article is to extend the existing decision support system by adding advanced multicriteria analysis capabilities for enhanced seasonal influenza risk assessment and monitoring. Bearing in mind the characteristics of the decision problem considered in this article, a well-known multicriteria classification method, the dominance-based rough set approach (DRSA), was selected to boost the existing decision support system. Combining the S-OLAP technology and the multicriteria classification method DRSA in the same decision support system will largely improve and extend the scope of analysis capabilities. The extended decision support system has been validated by its application to assess seasonal influenza risk in the northwest region of Algeria.     

基于粗糙集属性重要度的岗位评价方法及其应用

提出一种基于粗糙集差别矩阵属性重要度的岗位评价方法,该方法充分考虑各个属性的重要程度,降低了打分的主观影响.从岗位的评价出发,根据评价体系赋值的属性重要度来确定岗位包含各种属性的权重,最后得出岗位的评价值,与传统方法采用的指标得分简单加权求和的方法相比,所提方法更具合理性.     

基于共识模型和ORESTE的扩展概率语言多属性群决策方法

扩展概率语言词集作为一种更具通用性的语言信息表示模型,能够更加充分地描述原始评价信息,提高语言多属性决策的科学性。鉴于此,本文针对扩展概率语言环境下的多属性群决策问题,提出一种基于共识模型和ORESTE方法的多属性群决策方法。首先,给出了扩展概率语言词集的概念以及相关理论。其次,考虑到群决策过程中专家群体因知识背景以及素质能力的不同从而给出不同的评价信息导致群体意见不一致的情况,提出了扩展概率语言环境下的共识模型。再次,鉴于多数情况下备选方案间不存在单一排序顺序,本文对经典的ORESTE方法进行改进,提出扩展概率语言ORESTE方法。基于本文提出的扩展概率语言共识模型和扩展概率语言ORESTE方法,提出了扩展概率语言多属性群决策方法。最后,为了验证本文提出方法的有效性和合理性,采用共享单车设计方案评价算例进行分析,并通过与其他方法的对比分析说明本文提出方法的优越性。