商空间粒度的可逆性研究*

粒计算是近年来人工智能领域的重要研究热点,而商空间理论是最重要的粒计算模型之一,其主要思想是通过保假原理实现求解问题从细粒度到粗粒度的商空间构造过程。这个粒化过程是一个信息有损过程,是不可逆的,于是研究商空间粒度的可逆性。首先,提出逆商空间的概念并定义其构造方法,为商空间(粗)粒度到原空间(细)粒度的可逆转换提供形式化的数学方法;其次,通过分析逆商空间与原空间的一致性,论证并实例分析商空间粒度的两个可逆性条件——定义原空间上的双射函数或保证原空间上所有开集的饱和性。旨在进一步丰富和完善商空间粒度转换理论和粒计算方法。     

商空间合成技术

商空间理论是粒度计算的3种主要方法之一,其合成技术研究的内容是探寻商空间与原空间的关系,目的是将复杂的问题简化,降低计算复杂性。论域合成旨在粒度变化,根据不同需要可进行细粒化和粗粒化。拓扑结构是商空间理论中独有的结构,其合成也有多种形式,除最细合成拓扑及半序结构的合成外,文中给出相对于最细合成拓扑的最粗合成拓扑,及基于逆商拓扑概念的逆商关系拓扑合成。拓扑的合成反映不同结构之间的关系。属性函数的合成意义在于形成不同等价关系下的论域,与论域的形成关系密切。这些研究扩充商空间合成技术的基础理论,使其更完善。     

基于粗糙集的证据合成方法研究

证据理论是处理不确定问题的重要方法,其处理的证据来源于专家,而专家的知识经验是有限的,且存在一定的主观性。在证据合成中,Dempster合成规则为证据理论提供了证据合成公式,但该公式在合成高度冲突的证据时,合成结果将有悖于常理。针对上述问题,将粗糙集理论中属性依赖度的思想引入到证据理论中,以此衡量证据的重要性,更合理地解决冲突证据合成问题。研究表明,该方法避免了传统证据理论的主观因素影响,能有效提高融合结果的准确性,得到符合实际的结论。     

一种遗传量子粒子群的属性约简算法

针对粒子群算法收敛速度不佳和易陷入局部最优的问题,提出了一种遗传量子粒子群优化(GQPSO)的属性约简算法,GQPSO算法利用量子系统较大的搜索范围,并借鉴遗传算法的选择、变异等操作,从而避免了算法过早收敛至局部最优,且能得到可观的收敛速度。实验结果表明,GQPSO算法具有更快的收敛速度和全局搜索能力,提高了属性约简的效率。     

基于决策分类的决策表分解方法研究*

针对当前基于属性重要性的决策表属性集分解方法存在的不足,提出了一种新型的基于决策分类的决策表属性集分解方法。分析了近似分类质量和属性重要性与决策分类之间的关系,利用粗糙集理论,从提高子决策表中决策分类正确性的角度出发考虑条件属性与决策属性之间的关系,提出了决策表分解的条件属性选择量度并对决策表实施属性集分解。     

冲突证据的融合方法研究*

证据理论是处理不确定问题的重要方法,但在现实中不同来源的证据往往存在相互冲突,采用合适的方法对其进行融合是解决这一问题的有效手段。讨论了D-S证据合成规则存在的问题和相对于其他合成方法的优势,提出了评价合成规则融合效果的指标,重点对几种证据合成方法进行分析和比较,指出其特点与不足,提出进一步研究的方向。     

一种基于分布约简的规则获取方法*

基于决策表分布约简定义规则的分布核与分布约简概念,提出一种基于分布约简的规则获取方法.首先确定条件类的分布核,进而采用启发式算法计算其分布约简,挖掘出最简产生式规则.该方法能适应决策表的不一致情形,且运用此方法所提取的规则集能够保持与原信息系统一致.     

基于代数结构的商空间模型研究

现有商空间模型中论域结构一般被指定为拓扑结构,问题的粒度由等价关系唯一地确定。当论域结构由拓扑结构变成应用广泛的代数结构时,引入同余关系的概念,系统地论证了两个重要结论在基于代数结构的商空间模型中依然成立,即全体同余关系构成的完备半序格和保假,保真原理的存在性。而当确定问题粒度的等价关系不是一个同余关系时,对偶地定义了上（下）同余与上（下）商,简捷地证明了它们的存在性并得出了一些重要性质,为商空间的合成与分解提供了理论依据。最后以纠错码进行传输的路由选择算法为实例,分析了基于代数结构的商空间模型在网络安全传输过程中的应用。从结构上扩展了现有商空间模型,为商空间理论与代数理论的结合提供了基础。     

多心理因素的模糊综合评判算法研究

研究表明,心理因素在疼痛产生及疼痛程度中起着重要作用.在此背景下,文中提出了慢性疼痛多心理因素评价指标体系,运用多级、多目标模糊综合评判算法得出了心理因素对慢性疼痛的影响程度,并提出了"评判重心"的概念,将其用于对评判结论的修正上,最终得出一个具有较高信度的结论集.     

模糊关联规则挖掘在电力负荷预测中的应用

提出了一种基于模糊关联规则挖掘的电力负荷预测新方法，采用模糊C-均值算法对连续型属性域上的历史数据进行分类并模糊化，应用文中提出的模糊关联规则挖掘算法挖掘出电力负荷量与其相关环境变量间潜在的有效模糊关联规则。利用这些规则进行匹配预测，得到电力负荷量模糊化的预测结果；最后将其反模糊化，得出预测值。给出了实验仿真结果，表明了该方法的有效性。