肿瘤病理类型绿色诊断方法研究——基于变精度粗糙集理论与贝叶斯网络

为了准确对肿瘤病理类型进行诊断,减轻患者因诊断造成的不便与痛楚,提出了基于变精度粗糙集理论与贝叶斯网络的肿瘤诊断方法。对930例甲状腺肿瘤病例使用变精度粗糙集与贝叶斯网络方法导出诊断规则,并与粗糙集对比后发现,基于变精度粗糙集与贝叶斯网络的诊断规则准确性高于粗糙集理论的诊断准确性。基于变精度粗糙集与贝叶斯网络的肿瘤诊断模型对提高肿瘤诊断水平具有更好的临床使用价值,为肿瘤的诊断与分类提供了一种新思路。     

粗糙集方法在医学影像诊断分析中的应用

医学诊断常面对越来越多的医学影像数据信息,比较不同分析方法对于疾病诊断十分必要.对183例脑胶质瘤的MR资料分别使用粗糙集理论和logistic回归分析方法导出影像诊断规则.与病理结果对比后发现,使用粗糙集理论的诊断规则准确性高于其他统计方法.粗糙集理论对提高医学影像学诊断水平有更好的临床应用价值.     

关于错误系统规则的研究

错误系统规则的约简程度,直接影响到决策的正确程度.文章在现有的错误理论基础上,定义了判别错误规则的知识系统、规则舍有的信息量等;运用粗糙集理论简化了错误系统判别规则.     

Rough Set综合评价算法的优化及应用

粗集理论是由波兰数学家Z.Pawlak,在20世纪80年代初提出的一种处理模糊和不精确性问题的新型数学工具,粗集理论在处理有限元集合数据时,即不需要关于数据的任何附加信息,也无需预先给定某些特征或属性的数量描述,如统计学中的概率分布、模糊集理论中的隶属度或隶属函数等,通过对大量数据进行分析,根据论域中等价关系的依赖关系,剔除相容信息,抽取潜在有价值的规则知识.依据粗糙集理论的对象分类能力,以及粗糙集理论中的知识依赖性和属性重要性度量方法,可以得出一种完全数据驱动的综合评价方法,它克服了传统方法存在的主观性和片面性的问题,本文将属性的同分辨能力数引入到粗糙集评价,优化了评价算法.     

变精度确定优势关系粗糙决策分析方法及应用

文章以不完备信息决策系统为研究对象,提出了基于确定优势关系的变精度粗糙集方法,并给出该方法的一些性质.新的粗糙决策分析方法能有效地排除噪声因素的干扰,从而可以在不完备信息系统中获得更加合理的决策规则.     

基于BIC的粗糙集择优和属性约简

粗糙集优良性评估标准对粗糙集应用至关重要,目前常用的标准是误判率,在测试集中误判率小的粗糙集并不总是具有最高预测准确度。在引入BIC准则评价粗糙集优良性的基础上,给出基于BIC准则的粗糙集择优方法和基于BIC的粗糙集属性约简方法;利用粗糙集分类规则构建Logistic模型,将拟合Logistic模型的BIC值作为该粗糙集的BIC值,并用于粗糙集优良性评估;实际应用显示:基于BIC的粗糙集择优方法能够筛选出预测高准确度的粗糙集,当多个粗糙集的误判率差异小时,新方法更可能选出预测准确度高的粗糙集,信息熵和BIC组合的属性约简结果更好。     

基于属性约简的决策树构建

决策树是典型的分类方法.利用粗糙集的可辨识矩阵进行属性约简,去掉冗余属性,阈得到决策表的核属性.在构建决策树时,使用简化的决策表,从核属性集中选择当前节点,从而减少计算量,得到相对简洁的分类规则.     

粗糙集决策规则置信度的改进定义

粗糙集(Rough Set)理论是一种研究不精确、不确定性知识的工具,由波兰科学家Z.Pawlak于1982年首先提出。粗糙集理论是离散数据推理的一种新方法,它不需任何辅助信息,仅依据数据本身提供的信息就能够在保留关键信息的前提下,对数据进行化简并求得知识的最小表达,从而建立起决策规则,发现给定数据集中隐含的知识。目前,粗糙集方法已经成为数据挖掘应用的主要技术。     

运用粗糙集理论对我国粮食产量的预测

文章将粗糙集理论引入我国粮食产量预测;通过属性约简从诸多影响因素中提取关键因素,并对各因素重要程度进行排序,得到一致、完备的预测规则;通过实际应用验证了其可行性,证明粗糙集的利用能有效地避免人为因素的影响,可以得到更合理的预测结果。     

基于灰粗集属性知识简约算法的海运规则发现

海运市场运营规则能够帮助海运企业找到盈利增长点,针对海运市场营运规则难于被发现的问题,将灰色系统理论和粗糙集理论进行融合,针对知识约简中分辨函数范式转化过程中的逻辑推演难题,提出了一种基于灰色粗集融合属性的改进约简算法,选取2007年、2010年、2013年、2015年典型年份作为样本年份,应用灰色系统、粗糙集和基于灰粗集知识约简算法分别进行海运市场盈运规则发现实证分析,通过比较证明了该算法的时效性,同时发掘出了当前海运市场的船型、货品、航线、运价、运力间的营运管理规则。     

粗糙集理论的最新应用

粗糙集理论是一种较新的软计算方法,是分析和处理不完备信息的一种有效工具.结合最新文献分析了粗糙集理论的最新应用情况,并对粗糙集理论今后的研究方向进行了展望.     

联合风险投资合作伙伴的选择

合作伙伴选择是联合风险投资成功的关键环节.文章分析了主导型风险投资公司选择联合投资合作伙伴的影响因素,将粗糙集理论应用于指标的约简,建立了合作伙伴选择的评价指标体系;运用神经网络法建立合作伙伴选择的评价模型,为联合风险投资选择最佳合作伙伴.将粗糙集理论作为神经网络系统的预处理器,从中挖掘出反应评价指标本质关系的重要属性与伙伴选择知识规则,通过指标的约简提高了神经网络的收敛速度与选择的准确率.最后,实例验证表明,该方法是正确有效的.     

调整型抽样方案两参数中止规则的研究

文章首先定义了调整型抽样方案的两参数中止规则[N,c],利用转移概率流向图方法,得到了中止概率计算公式.其次给出了确定参数的原则并计算了不同抽样方案的参数值.最后对调整型抽样方案中的每个抽样方案的[N,c]规则的中止概率曲线与现有的其他中止规则的中止概率曲线进行了比较.结果表明,[N,c]规则具有更好的统计性质.     

基于粗糙集的随机优势决策方法

随机优势决策是根据状态的先验分布和后果的损失函数进行决策分析的。本文从基于随机优势下的粗糙集角度,对这一问题给予补充阐释。决策者(DM)所需的偏好信息以决策规则表示,决策规则以确定因子和覆盖因子度量。最后,本文提供一个实例解释这种方法。     

MC下基于粗糙集的个性化需求挖掘模型

1粗糙集理论粗糙集理论通过知识或经验将研究对象进行分类,并提供了严格的数学理论方法;粗糙集通过定义不可分辨关系的族集来定义知识,使得知识有了清楚的数学意义。模糊集理论中对象的隶属度函数值不依赖于其他对象,一般是由专家直接给出,因此带有很强的主观意志;粗糙集理论中     

基于权重优势关系的粗糙近似模型

在不完备信息系统中,为了解决不完全的偏好决策问题,相关学者提出了多种优势关系及其相应的粗糙集模型.但在实际情况中,各条件属性对决策属性的影响程度是有差异的.文章提出一种基于权重的优势关系及其粗糙集近似模型,以及基于粗糙集的权重设定方法和阈值的设定方法.通过对比分析,权重优势关系比广义扩展优势关系更符合实际情况.并用实例证明了权重优势关系及其粗糙近似模型的实用性和有效性.     

粗糙集条件信息熵权重确定方法的改进

权重确定是决策和评价的重要环节.文献[1]基于粗糙集条件信息熵的权重确定方法是为了避免冗余属性权重为0的情况,但是该方法得到的冗余属性的重要度却高于非冗余属性的重要度.通过对文献[1]粗糙集条件信息熵权重确定方法的分析,找出相矛盾的原因,并讨论了属性重要度优先级队列的构造,进而在此基础上提出了以粗糙集的代数理论为基础的粗糙集条件信息熵权重确定的改进方法.     

基于加权自回归隐马尔科夫模型的语音识别

对于非特定人语音识别问题,针对隐马尔科夫模型中假设提取的观察矢量之间相互独立且数据不足的困难,文章在连续隐马尔科夫(CHMM)模型的基础上提出了基于加权自回归HMM(WARHMM)的语音识别方法,该方法利用加权自回归过程得到观察矢量,从而获得隐状态输出。这种方法可以充分利用已有的观察数据,适合于实际随机性较强的语音信号的识别。实验结果证明了提出方法的有效性。     

一种基于粗糙集条件信息熵的多指标综合评价方法研究

针对多指标综合评价中各评价指标权重获取的问题,构建了基于粗糙集条件信息熵的多指标综合评价智能模型。考虑到实际综合评价应用分析中常见的小样本数据特点,将决策表进行合理分块划分,以层次式计算的方式基于粗糙集方法逐步实现对各个评价指标权重的客观求取。算例分析和实验比较,验证了该粗糙集智能评价模型的有效性与优越性。     

中国货币工具规则的检验与比较

究竟是利率规则还是货币量规则更适合进入新常态的中国,目前还尚无定论.为此,文章从中国国情出发,分别选取狭义货币供给和银行同业拆借利率构建时变参数泰勒规则和时变参数麦克勒姆规则,通过理论、模型参数、福利损失函数分析等方面对两种不同规则在中国的适用性进行比较.结果证实,中国在2008年以前麦克勒姆规则符合当时的时代需要,能够有效地刺激产出,以其作为货币政策的指导原则是合理可行的;而2008年之后,货币当局逐渐弱化了对货币供应量的管控,市场利率渐渐兴起,中国政府推进的利率市场化改革顺应了时代要求.