规则"真"的一般概念和"真"规则形式算法

在粗糙集理论框架内研究基于不完备信息系统的决策规则"真"的一般概念,讨论在一般"真"意义下最优决策规则的统一获取算法,其中首先探讨了在研究不完备决策系统时的基本考虑,然后讨论了决策规则的"真"的一般框架,引入了在一般"真"意义下广义决策向量概念,以此为基础,研究了最优决策规则的形式获取算法.     

决策演化集的卷积预测

决策演化集是处理决策规则在时间序列上演化问题的理论,它将着眼点从静态的决策信息系统转移到动态的时间序列上,研究决策信息系统随时间变化时的演化规律,是一种新的决策规则研究方法 .在决策演化集理论体系下预测规则伴随实际规则产生,因此预测规则必然对实际规则产生影响.为了解释预测规则和实体规则之间的相互关系,引入卷积方法,在时间序列上构建预测规则和实际规则的演化混合矩阵,并利用该矩阵对决策信息系统进行预测分析.     

不协调决策表的不协调度

针对不协调决策信息系统中的不协调决策规则,定义了不协调决策规则对。对于属性或对象较多的不协调决策表,用辨识矩阵提取不协调决策规则对较为繁琐。首先利用包含度筛选含有不协调决策规则对的等价类,然后由辨识矩阵提取不协调决策规则对,并计算其数目。也可以根据广义决策分布函数的分量直接计算不协调决策规则对的数目。进而计算出不协调决策表的不协调度。最后研究约简前后不协调决策表的不协调度之间的关系。     

政策分析研究要体现国际化与本土化相统一

受本土传统文化的影响,我国决策体制存在着某些缺陷.加入WTO我们如何克服弊端,从容应对国际化的管理规则,本文则提出"本国国情与国际标准化规则相结合"的政策分析方法之拙见.     

决策概念格及决策规则的提取

针对含有决策信息的决策形式背景,提出了决策概念格模型,并定义决策概念格中的决策规则及规则的置信度和支持度,用户可根据实际的需求,从规则中提取满足最低置信度及支持度的规则.     

高速公路浓雾环境下换道决策规则提取及决策算法

依据换道决策规则进行换道是当前无人驾驶车辆常用的决策方法之一。针对浓雾环境下换道决策规则提取困难和研究较少的问题,研究了高速公路浓雾环境下的换道决策行为。首先,招募24名职业司机,利用Auto Sim驾驶模拟舱搭建虚拟高速公路浓雾环境进行驾驶实验;其次,提出了基于CART决策树的换道决策规则提取方法,提取出15条换道决策规则;最后,对换道决策规则进行了验证。结果表明,用CART决策树算法提取高速公路浓雾环境下换道决策规则是可行的,提取的规则能准确反应驾驶员换道行为的决策过程,可为高速公路浓雾环境下无人驾驶车辆的换道决策提供一定的理论支撑。     

基于邻域粒化的多数据源高投票决策规则的挖掘

多数据源高投票决策规则挖掘是指从多数据源中挖掘存在大部分数据源且具有重要意义的决策规则,此类规则在银行理财产品营销、市场营销、疾病诊断等领域中具有指导性作用.利用样本邻域粒化来构建决策规则的表现形式,在此基础上定义了覆盖度、投票数等多种决策规则的度量指标,用以挖掘满足这些度量指标的高投票决策规则.实验结果验证了所提算法挖掘多源决策信息系统中的高投票决策规则挖掘的有效性.     

基于优势关系的正协调模糊决策形式背景的规则融合

形式概念分析理论(Formal concept analysis, FCA)是知识发现的重要工具,促进了人工智能的发展。FCA重要的研究课题之一就是规则提取,提取决策规则能够帮助解决不同内涵取值的概念的决策问题。该文首先提出了基于优势关系的模糊决策形式背景的3种协调性定义,并针对其关系进行讨论。然后基于确定性的粒决策规则提出正协调模糊决策形式背景上的决策规则融合方法,给出其对应算法从而获取包括确定性和不确定性的所有决策规则,且通过实例描述了该方法的有效性。     

一种基于粗糙集的决策算法挖掘方法

属性约简和属性值约简是利用粗糙集理论从决策表中挖掘决策规则的基础,挖掘决策规则是粗糙集理论的重要研究领域之一。本文根据属性的重要度和条件差别矩阵来进行条件属性约简,找出有效约简。同时定义了决策表的不一致度,并根据属性重要度来进行属性值约简,在保持决策表不一致度不增加的前提下挖掘出决策规则,该决策规则集满足独立性、覆盖全域性、可接受性和一致性,即决策规则集为决策算法,最后运用实例对该方法的有效性进行说明。     

决策规则的加密通信与数字签名方案

基于椭圆曲线的加密理论基础,利用椭圆曲线作为决策规则C→D的加密通信和数字签名的工具,对决策规则的安全问题从决策条件和决策结论两个方面分别进行计论,使得决策规则的安全性在椭圆曲线加密的优势下,有了更多的安全保证。     

一种基于关联规则的缺省规则挖掘算法

传统的基于Rough集的缺省规则挖掘算法须计算差别矩阵并生成大量的条件属性类，挖掘效率低．为此，本文引入相容关联规则和决策关联规则的概念，提出基于关联规则的缺省规则挖掘算法——DRMBAR，该算法借助FP-tree存储结构挖掘出决策关联规则，并用相容关联规则性质对决策关联规则进行有效修剪后生成相应的缺省规则,DRMBAR可有效地过滤噪声、提高缺省规则挖掘效率，且克服了传统算法依赖于主存的限制，为缺省规则的挖掘提供了一种新的框架。实验结果表明该算法是有效且可行的。     

决策细化的粗糙集理论分析

对基于粗糙集的决策系统,从理论上分析了决策数据细化的程度对规则近似质量、近似分类精度、核属性和信息熵的影响.证明了决策属性的属性值划分越细,则其规则近似质量、近似分类精度和信息熵就越小,并且决策表中决策属性值细化后所得到的核属性集一定包含细化前的核属性集.因此,在对决策属性离散化时,决策数据细化的程度要适宜.研究结果对研究决策表属性的约简、决策规则的形成和有效性等问题具有实际意义.     

基于遗传算法和粗糙集理论的增量式规则获取方法

规则获取的增量式算法是数据挖掘领域的一个热点问题.基于粗糙集理论,从规则获取和优化两方面研究了基于遗传算法的增量式规则挖掘方法,它具有结构简单、搜索效率高、求解速度快等优点.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识,并且将遗传算法和规则挖掘算法相结合,建立了新的优化方法,提出了一种基于遗传算法的增量式规则挖掘的方法.在原有规则集的基础上进行规则和规则参数的增量式更新,避免了为更新规则而重新运行规则获取算法.试验结果表明,执行增量式GA的能够有效地获取最优规则.     

基于多元组Rough集的不相容决策

Ｒｏｕｇｈ集理论是一种具有模糊边界集合理论,它被广泛应用于不相容决策 规则提 文讨论了基于多元组Ｒｏｕｇｈ集的不相容决策方法,并给上应的算法,同时 不相容规则的相容度作了分析,该方法比普通Ｈｏｕｇｈ集方法更简单、更有效、文中所给出的算法特别适用于具有重复元素且的决策表。     

传感器观测相关条件下的最优分布式检测融合算法

针对分布式串行检测融合系统的检测性能优化问题,研究了一种各部传感器判决规则联合优化的系统性能优化方法.融合系统由N部传感器构成,系统性能优化准则采用Bayes准则.在各部传感器观测相关的条件下,为了使系统检测性能达到最优,推导出了传感器判决规则联合最优化的必要条件,得出了最优传感器判决规则满足的一组系统方程,并根据系统方程组设计了求解各部传感器最优判决规则的数值迭代算法.仿真结果表明,采用该数值迭代算法联合优化各部传感器的判决规则,可使融合系统的Bayes风险显著低于单部传感器.     

一种基于粗糙集的决策树规则提取算法

文章提出了一种新的决策树构建算法，算法选择使生成的规则满足给定可信度阀值且支持度最大的属性作为结点，不仅简化了生成的决策树；且可以根据用户输入的可信度，得到相应的决策规则集，提高了决策树的泛化能力，有效地去除了噪音规则。应用实例分析，结果表明算法提取的决策规则简洁有效。     

一种基于关联模式的完全决策规则的提取方法

针对基于粗糙集理论提取完全的决策规则是NP难问题,提出一种获取统计意义下的完全的简化规则的算法.该算法结合关联规则挖掘方法和粗糙集方法的优点,从决策表中提取出具有一定支持度和可信度阈值的决策规则,具有实际的应用意义.通过实例验证了算法的有效性.