基于概率的有序信息系统

若信息系统中所有的条件属性都是偏好有序的,则称此信息系统为有序信息系统。首先,分析了区间值有序信息系统没有蕴含属性值区间上的概率分布信息的缺点,建立了一种基于概率的有序信息系统。然后,在这种信息系统上,研究了关于单调偏好有序属性和非单调偏好有序属性的二元偏好关系,建立了一种基于概率的优势关系,定义了基于这种优势关系的粗糙集模型。最后研究了基于概率的有序决策表及其决策规则。     

Vague决策表的知识获取

本文提出一种Vague决策表的知识获取方法。首先根据样本对于决策者需求的适合程度构造Vague值之间的一个序关系，将Vague决策表转化为二元决策表，然后利用粗糙集理论进行分析并推理出最优规则，最后再将二元决策表的决策规则转化为Vague决策表的有序规则。实验分析表明了该方法的有效性。     

基于粗糙集的变电站故障诊断规则提取方法研究

运用粗糙集理论研究了变电站故障诊断规则提取,提出了基于属性重要度和分辨矩阵的诊断规则提取算法.通过改进基于属性重要度的粗糙集属性约简算法,得到决策表的一个最小约简,然后将分辨矩阵引入值约筒中得到决策规则.采用该算法对变电站故障决策表进行属性约简和值约简,抽取出变电站故障诊断的精确规则库进行故障诊断.实验结果表明了该方法的有效性.     

一种基于特征矩阵的一致决策表的规则提取方法

基于粗糙集的数据挖掘方法研究主要集中在决策表的属性约简和决策表的规则提取。该文主要研究了一种基于特征矩阵的一致决策表的规则提取方法。     

基于HCM聚类的连续域模糊关联算法

针对粗糙集对于连续域属性决策表的处理能力差以及不容易获得模糊集之间关系等问题,提出一种基于连续型属性模糊关联规则约简算法。该算法引入三角隶属度函数将连续属性值转化为模糊值,并使用硬C均值聚类方法获得数据集之间关系,采用遗传算法优化该模型。仿真结果验证了该模型的有效性。     

基于粗糙集和神经网络理论的规则提取算法

提出了一种基于粗糙集和神经网络组合进行规则提取的方法。首先对初始数据集进行离散化,并利用粗糙集对决策表中的条件属性进行初步约简,然后利用神经网络对数据进行学习和预测,并通过删除网络不能分类的数据来对决策表中的噪声进行过滤,最后再由粗糙集值约简算法进行规则提取。实验表明,该方法相对于传统规则提取算法快速有效,在保留神经网络高鲁棒性的同时,避免了从神经网络中提取规则的困难。     

规则分层约简算法

针对传统粗糙集方法处理问题时所遇到的离散化以及属性约简的NP难题,将粗糙集中下近似概念与分层思想相结合,提出一种新的粗糙集数据处理方法——规则分层约简算法HRR．该算法直接从决策表中提取规则,利用对规则进行约简来代替属性约简,以避开NP难题,同时针对传统离散化算法对不同离散化区间采取不同编码的局限,实现了不同区间的聚类编码,并在此基础上提出等价决策表的概念．实例表明,HRR算法在计算量以及性能上具有非常明显的优势．     

基于粗糙集理论的客户关系管理

粗糙集理论是一种新型的数据挖掘和决策分析方法,利用粗糙集理论进行决策表的知识约简与决策规则挖掘已经成为研究热点。本文介绍了粗糙集的基本理论,通过决策属性支持度定义的条件属性对决策属性重要性的启发式信息,求取决策表的最小约简。并将该方法用于对企业客户进行分类,为客户关系管理的决策支持提供了新的解决方法。     

一种基于粗糙集理论的最简决策规则挖掘算法

研究粗糙集理论中可辨识矩阵，扩展了类别特征矩阵，提出一种基于粗糙集理论的最筒决策规则算法．该算法根据决策属性将原始决策表分成若干个等价子决策表．借助核属性和属性频率函数对各类别特征矩阵挖掘出最简决策规则．与可辨识矩阵相比，采用类别特征矩阵可有效减少存储空间和时间复杂度。增强规则的泛化能力．实验结果表明，采用所提出的算法获得的规则更为简洁和高效．     

基于二进制的决策表求核算法

决策表属性约简是粗糙集理论中的核心内容之一,其中求核运算是决策表属性约简的基础,提出了基于二进制的新的决策表求核算法,将求核运算转化为数值的比较运算,并给出了属性绝对必要性和相对必要性的新的判定规则,与传统算法相比,其速度更快,效率更高,易于计算机实现,为扩展粗糙集的应用提供了理论基础。     

区间值属性决策表的数据挖掘

Data mining in incomplete information systems is a hard problem but inevitable in uncertain decision. In thispaper ,an extended rough set model based on dominance relation is combined with fuzzy set theory for data mining ininterval valued decision table ,then decision rules can be obtained from the decision table. Simulation results show that the method is effective.     

基于二进制可辨矩阵的决策规则约简算法

决策规则的约简是利用决策逻辑分别消去每一条决策规则中的冗余属性值,是粗糙集理论知识约简的重要内容,一般是在属性约简之后采用启发式信息实现决策规则的约简。基于二进制可辨矩阵给出一个简单的直接求取决策规则核的方法,并提出一种决策规则的约简算法。所给算法简单直观,不但适用于相容决策表,也适用于不相容的决策表。     

基于二元联系数的区间直觉模糊数多准则决策方法

针对准则值为区间直觉模糊数且准则权重为区间数的多准则决策问题,提出一种基于二元联系数的区间直觉模糊型多准则决策方法.首先,介绍区间直觉模糊数和二元联系数;其次,研究区间数转化为联系数、二元联系数转化为实数的3种转化方法,对传统区间数和二元联系数的运算结果进行比较;再次,将区间型贴近度转化为基于二元联系数的实数进行方案优选;最后,运用算例表明所提出方法的优越性和可行性.     

Dominance relation and rules in an incomplete ordered information system

Rough sets theory has proved to be a useful mathematical tool for classification and prediction. However, as many real‐world problems deal with ordering objects instead of classifying objects, one of the extensions of the classical rough sets approach is the dominance‐based rough sets approach, which is mainly based on substitution of the indiscernibility relation by a dominance relation. In this article, we present a dominance‐based rough sets approach to reasoning in incomplete ordered information systems. The approach shows how to find decision rules directly from an incomplete ordered decision table. We propose a reduction of knowledge that eliminates only that information that is not essential from the point of view of the ordering of objects or decision rules. © 2005 Wiley Periodicals, Inc. Int J Int Syst 20: 13–27, 2005.     

有序规则挖掘问题的研究

许多关于数据挖掘和机器学习的研究都集中于分类的研究，然而现实世界涉及到的不仅仅是分类问题，比如对象的排序问题。将有序规则的挖掘问题加以形式化，挖掘有序规则即要找到各个属性产生的排序与对象整体排序之间的关系。提出了有序信息表的形式化概念，然后提出了通过将有序信息表转化为一个二值信息表，继而挖掘有序规则的方法。     

带Rough算子的决策规则及数据挖掘中的软计算

文中讨论决策规则及其与演绎推理中的假言推理规则之间的关系,通过数据挖掘中的软计算使决策表中的属性简化和性值区间化,从而找到一种具有广泛表达能力的数据隐含格式,从中选择有代表性的,并删去冗余或过剩的规则,并保持决策表的原有用途和的有性能,我们通过开发一个中医诊疗专家系统的实例说明了这种软计算的过程,并分别用于统计或专家计算带可信度因子的产生式规则和基于Ｒｏｕｇｈ集方法计算带Ｒｏｕｇｈ算子的决策规则两     

Set-valued ordered information systems

Set-valued ordered information systems can be classified into two categories: disjunctive and conjunctive systems. Through introducing two new dominance relations to set-valued information systems, we first introduce the conjunctive/disjunctive set-valued ordered information systems, and develop an approach to queuing problems for objects in presence of multiple attributes and criteria. Then, we present a dominance-based rough set approach for these two types of set-valued ordered information systems, which is mainly based on substitution of the indiscernibility relation by a dominance relation. Through the lower/upper approximation of a decision, some certain/possible decision rules from a so-called set-valued ordered decision table can be extracted. Finally, we present attribute reduction (also called criteria reduction in ordered information systems) approaches to these two types of ordered information systems and ordered decision tables, which can be used to simplify a set-valued ordered information system and find decision rules directly from a set-valued ordered decision table. These criteria reduction approaches can eliminate those criteria that are not essential from the viewpoint of the ordering of objects or decision rules.     

关于对象排序的研究

排序和分类是人类的两种基本的知识,一般文献中讨论的都是关于分类规则的挖掘,分类规则是一种刚提出的新思想,文章对犤3犦犤4犦提出的挖掘排序规则的算法作了更为全面深入的探讨和改进,所做的工作包括:比较可用于比较对象优劣的基于支配关系(dominancerelations)的扩充粗集理论的算法犤1,2犦和直接挖掘有序规则的算法犤3,4犦,分析各自的优缺点;指出犤3犦犤4犦中的算法存在两种情况下的对决策表的过分匹配;用定量翻译决策表的方法和翻译后的决策表的对称性改进犤3犦犤4犦的算法;针对翻译后的决策表基数往往很大和在扩充的粗集理论下是对联合(union)而不是对决策类求规则造成的时间复杂度高的问题,提出了一种启发式的寻找最小规则的算法。