决策表
- 基于粗糙集理论的配电网运行故障定位方法
理论的故障定位决策表生成本次采用粗糙集理论综合分析故障信息，以决策表的形式对故障信息进行分类，对故障定位决策，并生成初始决策表。为适应配电网拓扑结构的多变性，在构建决策表之前，使用编码技术将其转化为数学模型[3]。将配电网首个节点编码为1，从首节点开始编程，表示为式中：G表示配电网拓扑结构中的首节点；Un表示当前采样节点；E表示当前节点编码；P表示子编码[4]。检查配电网所有元件的首节点是否存在与当前节点相连的元件。如果有，则找到该元件。该元件编码公式为式
通信电源技术 2023年15期2023-09-11
- 可变精度邻域区间值决策表的属性约简
。同时,区间值决策表[3-4]作为一个分支,能很好描绘不精确对象的特征,在医学、金融、机械制造等领域意义重大。Lin和Hu在Zadeh的知识粒化的基础上将邻域引入粗糙集,以粗糙集理论为基础,衍生出了邻域粗糙集理论。 该理论重新定义上下近似,实现了一种全新的近似逼近。 邻域粗糙集理论已经广泛应用在决策分析、过程控制以及模式识别等[5-9]领域。在使用过程中需要对属性值进行属性约简。 属性约简是粗糙集理论研究的核心问题之一,决策表中有一些条件属性,由于其属性值
西北大学学报（自然科学版） 2022年5期2022-11-13
- 直觉模糊偏好度量序决策表的近似约简
模糊偏好度量序决策表， 在序决策表的基础上引入了隶属度、 非隶属度和犹豫度， 并对其加权得到得分函数， 进一步根据得分函数研究了在直觉模糊偏好度量序决策表的基础上如何进行近似约简， 从而进一步拓展知识约简的应用范围．1 直觉模糊偏好度量序决策表决策表作为一种特殊的信息系统， 同时具有条件属性和决策属性， 下面给出决策表的相关概念．令DT=(U，C∪D，F，G)为一个五元组， 称I为决策表． 其中U为非空有限对象集，U={x1，x2， …，xn}；C为有限条
西南大学学报（自然科学版） 2022年9期2022-09-19
- 基于粗糙集理论的多标记数据互补决策约简加速算法
1.1 多标记决策表多标记数据可以用多标记决策表[10]S=(U,A,L)来形式化表示，其中U={x1,x2,…,xn}是对象集合，称为论域；A={a1,a2,…,am}是条件属性集合，称为条件属性集；L={l1,l2,…,lq}是标记的集合，称为标记集。每个条件属性a∈A形成一个满射a:U→Va，其中Va表示条件属性a的值域。每个标记l∈L形成一个满射l:U→Vl，其中Vl={0,1}表示标记l的值域。如果对象x和标记l相关联，那么l(x)=1，否则l(
南华大学学报（自然科学版） 2022年3期2022-08-22
- 基于贴进度的模糊决策表属性约简启发式算法
证明了找出一个决策表的最小约简是NP-hard 问题。导致NPhard 问题的主要原因是属性的组合爆炸问题。在很多属性约简算法中，一般都要求先求出核属性集，然后再由核属性通过启发式知识扩展到最小约简。因此，求核成了属性约简求解的关键步骤。2.1 对原算法的一些分析Cheng 等〔8〕通过模糊粗糙集的粒结构引入辨识矩阵的方法，提出计算相对核的方法，CoreD（R）＝｛R：cij=｛R｝｝，i≥1，j≤n，从而得到约简属性集为RedD（R）=∪RoreD（R）
大理大学学报 2022年6期2022-07-07
- 基于决策表相容度和属性重要度的连续属性离散化算法*
化过程是否考虑决策表中条件属性与决策属性之间的关系可以分为无监督离散化和有监督离散化，其中无监督离散化的常用方法有等距法、等频法等，该类方法易于理解、计算简便，但是离散化过程可能改变原决策表的不可分辨关系，导致决策表不相容的问题。有监督离散化算法在过程中对条件属性与决策属性的关系予以考虑，避免了决策表不相容问题的出现，衣晓等[4]提出一种改进的基于断点重要性的离散化方法，通过对每个条件属性逐一判断其断点的重要性以达到离散化的目的，通过实例分析证明了该方法的
舰船电子工程 2022年4期2022-05-11
- 区间值决策表中基于相对知识粒度的属性约简
与启发式算法是决策表进行属性约简的重要手段，值得推广使用。区间值决策表[14]是经典决策表的一种扩展，其属性值为区间值(即用上下边界来表示一个不确定概念)，从而能更好地刻画不确定性对象，当前具有深入研究。例如，文献[15]基于相似关系，将近似精度和近似粗糙度推广到区间值决策表中，研究了不确定性度量问题；文献[16]基于信息熵研究了区间值信息(决策)系统的属性约简，并提出2个启发式约简算法；文献[17]针对不完备区间值信息系统，提出基于弱相似关系的不确定性度
重庆理工大学学报(自然科学) 2021年11期2021-12-14
- 粗糙集理论条件属性重要性的确定
通过某些病人的决策表来阐述知识约简的具体过程。注：知识约简只需考虑条件属性，不需要考虑决策属性，为了节省篇幅，例1、例2 共用一个知识表达系统，所以本例的表格中也列出了决策属性。例1：表1 是某些病人的决策表。表1U 是集合{m1，m2，m3，m4，m5，m6，m7，m8}，C={头痛，肌肉痛，体温}，设S=（U，A，V，f）为一知识表达系统，A 是属性集，即C ∪D，C ∩D 非空，C 表示条件属性集，D 表示决策属性集。我们称具有条件属性以及决策属性的
数学大世界 2021年2期2021-03-11
- 基于模糊粗糙集的区间集决策表不确定性度量
广使用。区间集决策表拓展了经典决策表，其属性值为两个精确集（即用上下边界集来表示一个不确定概念），从而具有更好的不确定性刻画能力，当前具有深入研究［10］。例如：文献［11］基于优势关系，提出4 个基于粒度的区间集信息表的不确定性度量；文献［12］将区间集引入到概率粗糙近似中，研究区间集概率粗糙集的单调性；文献［13］基于δ－相似关系，研究区间集信息表的不确定性度量；文献［14］提出决策条件熵刻画区间集决策表的不确定性；文献［15］提出修正δ－区间决策条件
智能计算机与应用 2021年12期2021-03-01
- 基于灰色粗糙集和神经网络的控制系统故障预测
糙集方法对故障决策表进行属性约简，以此优化BP 神经网络的输入，从而提高控制系统故障预测的正确性和预测精度。1 基于灰色关联分析进行横向数据精简灰色系统理论和粗糙集理论在处理信息不完全或者不确定方面均具有各自的不同优势。灰色系统理论通过分析部分已知信息，以灰色序列生成为基础，以灰色模型为核心，实现对控制系统分析、数据建模和故障预测。灰色系统理论的最大优势是能够采用多种手段处理不确定和不精确的原始采样数据，但是在对这些原始数据进行建模时，需要获得原始数据的特
科技与创新 2020年23期2020-12-09
- 带权决策表的属性约简
论研究成果。将决策表和不同应用背景相结合，研究人员提出了正域约简[2-3]、变精度约简[4-5]、分配约简[2，6]、覆盖约简[7-8]、分布约简[9]、局部约简[10-12]等多种类型的约简。已有的研究已通过容差关系[13]、量化容差关系[14]、限制容差关系[15]等拓展了正域约简的应用范围。Liu[16]在一致决策表和不一致决策表上提出了一般关系，从而推广了二元关系。文献[11]在一般关系下，提出了上下近似的概念，并给出了严格证明。在决策表中，正域约
计算机工程与应用 2020年12期2020-06-18
- 带权决策表的变精度约简算法
处理信息丢失的决策表,已有研究通过容差关系[3]、相似关系[4]、量化容差关系[5]、限制容差关系[6]拓展了粗糙集约简研究.目前,Liu[7]在一致决策表和不一致决策表上提出了一般关系,从而推广了决策表中的二元关系,并研究了关系决策系统上的属性约简.文献[8]用一般关系给出了正区域约简的概念及相应的辨识矩阵,并给出严格证明.文献[9]在变精度模型下讨论了7种不同形式的约简,进一步阐述了变精度模型和经典粗糙集模型的差异.文献[10]通过概括了变精度模型的定
小型微型计算机系统 2019年10期2019-11-11
- 基于粗糙集理论的提升机故障诊断方法研究
中，对故障诊断决策表进行约简，同时对条件属性的重要性进行排序，从而获取的简约规则集，可以准确快捷的找到故障发生的故障源，实现了提升机故障的诊断。1 基于粗糙集理论的约简算法矩阵的约简方法就是根据定义将决策表转化为相应的区分矩阵，然后通过区分矩阵得出区分函数，根据吸收律来对区分函数化简，化简成为最小析取范式，其中每个主蕴含均为决策表的约简[1]。例如：设定两个除核属性之外的条件属性组合，这两个条件属性组合为：{C1、C2、C3…..Cm}和{d1、d2、d3
中国金属通报 2019年9期2019-10-21
- 基本路径测试用例设计的改进方法
此，本文拟借助决策表解决基本路径集求解中的条件拆分问题。1 条件拆分问题的对应思路研究发现[6-7]：所有程序都是由若干基本程序结构(顺序、分支和循环)构成，提出了基于Z路径覆盖的基本单元图，从而可得到构成基本单元图的基本子路径。程序基本单元通过嵌套(并联)组合或顺序(串联)组合形成各种应用程序的控制流图，由此探索出了基本子路径按照一定方式组合生成基本路径集的算法。但该算法将所有分支结构的判断语句视为一个节点，没考虑判定语句中含多个条件的情况，这将导致程序
计算机应用与软件 2019年10期2019-10-18
- 基于粗糙集和图论的ZPW-2000A轨道电路故障诊断模型
简方法2.1 决策表信息系统与加权多部决策表图利用文献[9]的定义构造决策表图、分部决策表图以及加权多部决策表图。2.2 利用加权多部决策表图判断核属性若决策表信息系统是可约简决策表，那么其加权多部决策表图中的单边即为核属性；若该决策表系统为不可约简决策表，那么该决策表不存在核属性。2.3 基于属性置信度的近似计算方法定义1将属性Ci的单边的个数与该样本空间中所有属性的单边数之和的比值定义为属性Ci的置信度。即:(1)当所诊断的信息系统很大，且由其所得到的
计算机应用与软件 2019年9期2019-09-13
- 基于图的粗糙集属性约简方法
点覆盖方法获取决策表的属性约简。数值实验结果表明,所提出的基于图论的属性约简方法在面对较大规模数据集时具有有效性和高效性。1 基本知识1.1 属性约简定义1[21]称S=(U,A)是一个信息系统,其中U和A分别是非空有限论域和属性集;对于任意的属性a,称a:U→Va是信息函数,满足:∀x∈U,a(x)∈Va,其中Va称为属性a的值域。对任意的B⊆A,记IND(B)={(x,y)∈U×U|a(x)=a(y),∀a∈B},显然IND(B)是U上的一个等价关系,
西北大学学报（自然科学版） 2019年4期2019-07-22
- 基于压缩决策表的乐观多粒度粗糙集粒度约简算法
7-10]，对决策表的全部对象利用粒度重要性进行约简，采取的是“求同排异”的近似策略，即所有决策者使用共同满意的方案进行决策，存在分歧的方案则不能用于决策。随着粒空间的增加，悲观多粒度粗糙集的近似精度反而越小，因此，该策略在一定程度上略显保守和苛刻[11]。同时，决策表中存在的冗余数据会影响粒度约简的效率。本文从另一个角度出发，针对乐观多粒度粗糙集，利用线性时间排序算法，对冗余的决策表进行压缩，引入分布约简的概念[12]，提出一种高效的基于压缩决策表的乐观
重庆邮电大学学报(自然科学版) 2019年2期2019-04-23
- 模糊决策表中基于OWA算子的三支属性约简
,2]。在模糊决策表中，数据往往被认为是一个模糊概念,于是研究者们对经典的粗糙集理论进行扩充[3,4]。许多学者在构造各种不同区分关系的基础上，讨论各种属性约简的理论和方法，并进行了相关应用研究[5,6]。管涛[7]等基于模糊集合的贴近度，构造模糊相似关系，取其截集后得到不可区分关系，利用水平集粗糙成员函数给出分布约简与分配约简；Jensen和Shen提出以依赖度函数作为启发信息的相对约简算法[8,9]，但Bhatt[10]指出该算法在许多实际分析中不收敛
数据采集与处理 2018年4期2018-09-10
- 基于粗糙集-C4.5的轨道电路故障诊断方法研究
具有处理不完备决策表、去除冗余信息的能力，与决策树方法有较好的相容性。由于ZPW-2000A型轨道电路系统设备结构复杂，故障现象和故障特征属性之间没有明确的对应关系，存在较大的随机性和复杂性，单凭某种单一的智能方法进行轨道电路故障诊断往往存在很大的局限性。本文结合粗糙集对故障决策表进行属性约简，采用C4.5对约简决策表训练学习提取诊断规则，将得到的规则应用于轨道电路故障诊断，达到快速准确诊断的目的。1 算法描述1.1 C4.5规则提取1986年自J. R.
铁路通信信号工程技术 2018年3期2018-07-06
- 基于差别矩阵的属性集求核算法
念定义1[4]决策表信息系统S=(U,C,D,V,F)中，b∈C，如果POSC(D)=POSC-{b}(D)，则称b为C中相对D不必要的；否则，称b为C中相对D必要的.C中所有必要属性的集合称为C相对D的核，记为coreC(D).命题1coreC(D)={α(α∈C)∧(∃mij((mij∈IDM)∧(mij={α})∧mij=1))}.定义2表明，差别矩阵算法求不相容决策表信息系统中核属性时，首先将论域U中所有对象分为完全相容子论域U1与完全不相容子论域
郑州大学学报（理学版） 2018年1期2018-03-08
- 区间值决策表的决策风险最小化属性约简
090)区间值决策表的决策风险最小化属性约简徐菲菲(上海电力学院 计算机科学与技术学院, 上海 200090)针对目前海量数据分析较多情况下从传统的单条记录转变为一个区间对象,将决策粗糙集中风险的概念引入至区间值决策表中,给出了区间值决策表决策风险的定义,并提出了决策风险最小化的属性约简方法.该方法可以保证所得到的约简集合相对于决策属性具有较强的分类能力,同时保证约简集合的决策风险最小.区间值决策表的决策风险最小化约简使得定义的约简具有更强的理论性和可解释
上海电力大学学报 2017年5期2017-12-19
- 属性值细化的矩阵增量约简算法
学习方法。针对决策表属性值动态变化，提出了基于属性值细化的矩阵增量约简算法，当一部分属性值被细化时，同非增量约简方法相比，增量方法能快速找到新的约简，最后通过UCI数据进行性能测试，实验仿真结果表明所提增量约简算法是有效的。属性值细化；增量学习；属性约简；粗糙集；知识粒度1 概述在现实生活中，许多领域的数据如经济研究、社会调研和医药研究的数据都是动态变化的，使用传统获取知识的方法处理这些数据需要重复操作才能获得新知识，重复操作造成时间消耗巨大，故传统获取知
中成药 2017年11期2017-11-28
- 基于不可区分序偶的属性约简算法
合一致与不一致决策表的属性约简算法，该算法能快速求最少属性且实现简单，最后通过实例证明了其正确性。：粗糙集；差别矩阵；序偶；属性约简粗糙集理论是Pawlak等学者在1982年提出的处理不确定、不精确和不完全数据的一种新的数学工具，主要用于知识的简化及知识依赖性的分析[1]。粗糙集的主要思想是，在保持信息系统分类能力不变的前提下，通过属性约简，导出问题的决策或分类规则。属性约简是粗糙集挖掘知识的核心内容之一,它描述了信息系统属性集中的每个属性是否都是必要的以
苏州科技大学学报(自然科学版) 2017年2期2017-05-15
- 电力稳控系统在石化企业的应用
矩阵 优先级 决策表1 稳控系统简介稳控系统采用高精度的同步向量测量技术进行现场数据采集，当出现逆功率或在电网联络线N-2断电时根据当时电网運行数据分级快速精确地切除相应当量的次要负荷，避免因发电和用电不平衡引起频率降低从而造成的电网崩溃。1.1 实时数据采集系统稳控系统实时收集各站的运行数据和系统的拓扑结构，实时进行动态负荷跟踪，依据动态跟踪的系统运行网路拓扑结构，结合负荷重要性等级制定负荷平衡策略表，动态调整切负荷的执行策略表，来作为稳控系统的主要调节
电子技术与软件工程 2016年15期2017-04-27
- 基于粗集决策规则性质的研究
键词：粗糙集，决策表，决策规则0 引言为了从海量数据中提取未知的、隐藏的有用的知识，近几年来，已经提出了许多基于归纳学习的理论方法，其中1982年Pawlak教授提出来的粗糙集理论[1]，在这方面起着重要的作用。它已被成功应用于模式识别、机器学习和知识获取等领域[2][3]。命题1：设决策规则r：C→xD，则如下的性质成立。说明：性质（5）和（6）是通过性质（1），（2），（3），（4）推理得来的。我们通过一个例证对命题1进行验证，指出其不完备之处。同时，
海峡科技与产业 2016年11期2016-12-26
- 基于决策等价性的决策表属性集分解研究*
于决策等价性的决策表属性集分解研究*张 政 胡 沛(南阳理工学院软件学院 南阳 473000)决策表属性集分解是处理决策大型决策表数据复杂性,提高数据分析的一种有效手段,已得到深入研究。但在属性集分解过程中,有可能出现决策规则的泛化,从而导致从原决策表与从子决策表得到的规则不一致性。论文深入研究了决策表属性集分解的等价性问题,从保持决策表等价性和提高子表分类质量的角度,提出了基于决策等价的决策表属性集分解方法,并与现有的属性集分解方法做了比较。决策表; 属
计算机与数字工程 2016年11期2016-12-13
- 基于宽松下近似的模糊决策树归纳算法
似关系对连续型决策表进行模糊化,进而运用宽松下近似定义启发式作为选择扩展属性的标准，从模糊决策表学习模糊决策树.连续型决策表；宽松下近似；模糊决策树MSC 2010:68T37如何从连续型决策表归纳出模糊决策树，是机器学习研究的重要问题.所谓连续型决策表是指用实数值条件属性和决策属性刻画的样例集合.一个有n个条件属性值和1个决策属性值的样例可记为e=(a1,a2,…，ai,d)，其中ai,d∈R,i=1,2,…，n(R为实数集合).模糊决策树是一种由模糊属
河北大学学报（自然科学版） 2016年3期2016-11-09
- 一种基于属性变化的增量约简算法
短时间内找到新决策表的约简，仿真结果表明所提算法是有效的。属性约简;增量学习;知识粒度;决策表;粗糙集粗糙集是一种新的软计算工具用来分析和处理各种不确定性的、不精确的数据，已经引起国内外学者广泛重视，成功地应用到图像处理、特征选择、规则提取、知识发现等领域[1]。属性约简是粗糙集中的一个重要操作，它就是保持信息系统分类能力不变的情况，把不重要的和删除冗余的属性删掉。最近几年来很多研究者已经提出了大量约简方法。王磊[2]根据等价关系矩阵和知识粒度之间的关系，
山西大同大学学报(自然科学版) 2016年1期2016-11-02
- 一种新的决策表属性值分类方法
32）一种新的决策表属性值分类方法汪小燕，程泽凯，申元霞（安徽工业大学计算机科学与技术学院，安徽马鞍山243032）在粗糙集值约简算法中，常常需要对决策表的条件属性值进行分类。基于Skowron分辨矩阵，提出一种新的属性值分类矩阵。通过该矩阵可以方便的获取决策表中各条件属性的冲突记录集和重复记录集，并能够确保对这些冲突记录集和重复记录集的条件属性值进行处理后，决策表中剩下的条件属性值被删除后不会产生新的冲突记录和重复记录。理论分析与实例表明：该方法能有效处
苏州科技大学学报(自然科学版) 2016年1期2016-10-26
- 面向成组对象集的增量式属性约简算法
都是针对静态的决策表，不适合处理动态的信息系统。现实世界是不断变化的，数据会源源不断地添加到原始决策表中，一般不希望将原有的决策表和新产生的增量数据整合成一个新的决策表进行属性约简，因为这样会对原有数据不断地进行重复的计算。因此，如何利用原决策表中所含的信息并结合增量数据来进行属性约简成为粗糙集理论新的挑战。数据的动态变化主要有3种情况：1)属性集保持不变而对象不断增加[5-8]；2)对象集保持不变而属性集不断增加[9]；3)对象集和属性集同时增加[10]
智能系统学报 2016年4期2016-09-27
- 基于链表结构的启发式属性约简算法
算法先对挖掘的决策表进行简化，因为此过程效率高低影响整个算法的时间和空间性能。目前，求简化决策表效率较高的算法有文献[2]基于基数排序的属性约简算法，时间复杂度为O(|C‖U|)、基于文献[8]快速排序思想的属性约简算法，时间复杂度为O(|C‖U‖log(U)|)。为了更进一步缩短求解简化决策表时间，本文提出基于链表结构的快速求正区域方法，比文献[2]的算法效率略有提高。在求解属性约简过程中，本文采用不可区分对象对数的函数，作为衡量属性重要性的依据，既达到
计算机应用与软件 2016年3期2016-09-26
- 基于粗糙集与遗传算法的采摘机器人路径规划
环境下，制定出决策表，并使用粗糙集对决策表进行约简，得到最小决策表，将其作为遗传算法初试种群，进行遗传交叉和复制操作，优化路径规划算法。为了验证采摘机器人算法性能的可靠性，对采摘机器人的性能进行了测试，包括果实图像的识别和机器人路径规划能力。通过测试发现：采摘机器人可有效地分割提取出成熟果实，并可完成多目标任务。对粗糙集和遗传算法的性能进行了测试，结果发现：使用粗糙集可以大大降低所需训练种群的数目，减少平均迭代次数；增加障碍物的复杂程度后，使用粗糙集遗传算
农机化研究 2016年8期2016-03-23
- 基于小波变换和粗糙集的电力电子电路故障诊断方法
［8］利用约简决策表实现了故障的诊断，但因为应用傅里叶变换得到故障的特征，导致其决策表的建立过程相对比较繁琐，推广有一定困难。本文利用小波变换较强的信号局部处理能力，提取故障特征能量值，建立决策表，应用粗糙集进行故障诊断。最后通过建模仿真，验证了建立决策表的快速和方法的有效性。1 粗糙集理论基础定义1［9］51:令决策表系统为 M≤U，R，V，f＞ ，R=P∪D 是属性集合，子集P={ai/i=1……，m}和D={d}分别称为条件属性集和决策属性集，U={
电气自动化 2015年3期2015-12-15
- 一种快速求核算法
算法在对不一致决策表求核中存在错误，在改进差别矩阵的基础上，给出了一个新的差别矩阵的定义和求核方法；赵军［5］等基于决策系统的一致性，提出了一种不需要建立差别矩阵的核属性计算方法，但是该方法在处理不相容策表时，具有很大的局限性，为了解决因决策表的不相容性导致所求得的核出现错误的问题，闫德勤等将决策表规范化后再构造差别矩阵，然后利用规范化后建立的差别矩阵求核属性，其时间复杂度为O（|U||C|2）；杨明［7］提出了一种改进的差别矩阵及其求核方法.徐章艳［8］
赤峰学院学报·自然科学版 2015年10期2015-11-18
- 集值信息下的粗集与知识获取
通常适用于完全决策表。本文对粗集理论在集值信息下进行了初步的拓展，为从集值决策表中挖掘知识提供一定的理论基础。粗集；集值信息；规则0 引言集值信息系统是不完备的信息系统，传统的关系数据库不支持含集值的元组，但在现实中，集值信息系统又是不可避免的，此时，有些信息往往难以得到。传统的粗集的研究对象是完全信息系统，它能够有效地利用约简算法分析决策表，提取决策表中属性之间存在的潜在模式。许多学者对空值型的信息系统进行了深入的研究［1-3］，得到了一些很好的知识获取
网络安全与数据管理 2015年23期2015-07-24
- 基于完备相容Rough决策表的备件品种确定方法
相容Rough决策表的备件品种确定方法池 阔1，康建设1，王广彦1，姜新亮1，2（1.军械工程学院，石家庄 050003；2.解放军73158部队，福建 厦门 361100）针对备件品种确定问题，分析了常用的备件品种确定方法，探讨了影响备件品种确定的主要因素，包括装备单元的关键性、易损性、经济性、可更换性和获得难度。采用了Rough决策表的属性约简与属性值约简相结合的方法，对决策表进行信息挖掘，得到了备件品种确定的简化决策规则。最后，通过案例分析验证了该方
火力与指挥控制 2015年10期2015-01-08
- 粗糙集属性约简方法研究
主要研究对象是决策表，一个决策表就是一个决策信息系统。下面是Pawlak关于决策表以及下上近似集的定义：定义 1:五元组 S=（U，C，D，V，f）是一个决策表，其中 U={x1，x2，x3，…，xn}表示研究对象的非空有限集；D 表示决策属性C∪D→V是一个信息函数，它给U中每一个对象的所有属性赋予信息值，即对∀x∈U，a∈C∪D，有 f（x，a）∈Va；每一个属性子集P⊆（C∪D）决定了一个二元不可分辨关系：IND（P）={（x，y）|（x，y）∈U×
电子设计工程 2015年12期2015-01-04
- 不确定数据下多Agent智能群决策模型
糊性，进而运用决策表、属性约简和决策网络等不确定处理技术、方法进行粗糙集智能决策。1 粗糙集智能不确定决策知识的表达方式在智能数据处理中占有十分重要的地位[4]，而决策表是一种特殊的知识表达系统。决策表的数据以关系表的形式表示，行对应论域中要研究的对象，列对应描述对象的属性，一个对象的全部信息由表中一行属性值反映。决策表本质上由一个多值属性集合描述一个对象集合，每个属性对应一个等价关系，而属性子集对应不可分辨关系，不可分辨关系揭示出论域知识的颗粒状划分结构
统计与决策 2015年12期2015-01-03
- 基于决策表分解的属性约简算法
提出了一种基于决策表分解的属性约简算法，不仅能得到较优的约简集，更能降低时间复杂度，较快地得到约简结果。1 粗糙集理论的基本概念［1，2］定义1 决策表信息系统用S＝（U，C∪D，V，f）来表示，其中，U表示一个有限非空对象集 （论域），U ＝ ｛0，1，2，…，n｝；C为条件属性集，D为决策属性集，通常决策属性只有一个，且C∩D＝；V＝∪Va，Va为属性a的值域；f为信息函数f：U×（C∪D）→V，a∈（C∪D），x∈U，有f（x，a）∈Va。定义2 令
计算机工程与设计 2014年8期2014-11-30
- 基于粗糙集理论的冗余规则处理方法
，把规则作为新决策表中的条件属性进行约简找出约简属性集，从而剔除大量规则，但是，这种方法仅仅以原始数据集为出发点，不包含任何领域知识，可能剔除用户感兴趣的规则。文献[10]提出了综合主观领域知识和客观度量的规则重要性评价方法，对规则进行重要性排序，但是没有剔除冗余规则，且会产生与事实不符的规则。文献[11]提出了将客观评价标准和主观评价标准结合在一起的思想，产生一个包含主客观的度量标准，但是存在评价指标权重难以确定的问题；文献[12]将所有的主客观度量方法
计算机工程与设计 2014年1期2014-11-30
- 一种改进的基于差别矩阵的求核属性算法
矩阵方法应用在决策表的属性约简中，得到基于差别矩阵的Hu属性约简[6]。现有研究结果表明基于正区域的属性约简模型的核，基于Skowron差别矩阵的属性约简的核和基于信息熵的求核模型得到的结果是不完全等价的[3，9]，因此，改进Hu差别矩阵方法是当前研究的热点[10]，张振林等提出了改进的差别矩阵方法，大大减少了数据存储空间。本文基于张振林等的改进的差别矩阵方法基础上提出分决策属性“D集”的求核方法。1 粗糙集理论基本知识有关粗糙集的相关基础知识请参考文献[
森林工程 2014年2期2014-08-23
- 基于粗糙集理论的电力系统配电网故障诊断的研究
的开关保护讯息决策表进行约简，删除冗余讯息，划分出关键信号和非关键信号，继而从故障样本集获得诊断规则，从而达成在不完整讯息下迅速、确切的进行故障诊断的目标。关键词：粗糙集；决策表；电力系统；配电网；故障诊断中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）18-4315-04Based on Rough Set Theory in the Research of Power System Power Distribution N
电脑知识与技术 2014年18期2014-07-28
- 粗糙条件熵算法在故障诊断中应用分析
表达系统S称为决策表[5-6]。在决策表中，需要考虑的是哪个条件属性对决策更重要，这就需要考虑条件属性与决策属性之间的互信息或者条件熵[7-8]。这里，假设决策属性D在论域U上的划分为D：D={D1,D2,…,Dm}，则定义条件属性C相对于决策属性D的一个条件信息熵为：式（1）中：P(Ci) 为条件属性Ci的概率；P(Dj|Ci) 和P(Ci|Dj)分别为条件概率。由条件熵的定义可知，若条件属性Ci完全属于决策属性Dj，则P(Dj|Ci)=1，log2P(
海军航空大学学报 2014年2期2014-03-24
- 基于改进粗糙集理论与概率神经网络的变压器故障诊断研究
约简变压器故障决策表，得到了4个最小属性集，然后根据征兆获取的难易程度选择故障诊断模型，以抉择最小约简表，这种方法带有很大的人为因素.本文采用可辨识矩阵的理论对变压器故障决策表进行约简，得到唯一的最小决策表，并将该最小决策表引入改进的概率神经网络(Probabilistic Neural Network，PNN)的训练与仿真中，这样不仅能够减少神经网络的训练内容，而且能够更加准确地建立故障诊断模型.1 粗糙集理论及其约简1.1 粗糙集的基本概念粗糙集理论是
上海电力大学学报 2014年6期2014-01-15
- 基于宽松下近似概念的连续型决策表的属性约简方法
似概念的连续型决策表的属性约简方法张群峰1，张天一2(1.河北大学 数学与计算机学院，河北 保定 071002；2.河北大学 临床医学院，河北 保定 071000)针对连续型决策表，利用模糊相容关系对样例聚类产生模糊决策表,运用宽松下近似概念定义属性重要度,利用函数弹性概念定义决策属性关于条件属性的敏感度，将其作为属性重要度的权重得到加权重要度，并以此为启发式信息提出了一种连续型决策表的属性约简方法.决策表；属性约简；模糊粗糙集决策表是一种广泛存在的信息系
河北大学学报（自然科学版） 2013年4期2013-10-28
- 基于集合枚举树的最小属性约简算法
一般来讲，一个决策表的属性约简不是唯一的，通常人们往往希望能够找到一个冗余度最小的属性约简，该属性约简被称为最小属性约简。对任一给定决策表，若属性约简算法能确保找到其最小属性约简，则该算法称为最小属性约简完备算法。然而，S.K.M Wong和W.Ziarko已经证明了找一个决策表的最小约简是NP-hard问题[3]。导致NP-hard问题的主要原因是属性的组合爆炸问题。目前已存在一些属性约简算法能够找到决策表的最小属性约简[4-12]，但它们要么不是完备的
计算机工程与应用 2013年11期2013-08-04
- 基于变精度粗糙集的不完备决策表属性约简
粗糙集的不完备决策表属性约简林春杰1，张瑞玲1，韩晓琴21.洛阳师范学院 信息技术学院，河南 洛阳 471022 2.洛阳师范学院 教育科学学院，河南 洛阳 4710221 引言粗糙集理论[1]是一种无需先验知识，能够处理不精确、不确定、不完备数据的数学工具，是经典集合论的重要发展，在知识定义、知识约简、规则发现等方面[2-5]，为知识获取提供了一种崭新的工具。然而经典粗糙集模型对噪声敏感，其对数据的过拟合而降低了对对象的预测能力。为了克服这些局限性，Zi
计算机工程与应用 2013年13期2013-07-20
- 基于区分对象对的不完备决策表求核
对象对的不完备决策表求核曾艳燕1，徐章艳1，曾玲珍2，张姣1，宋腊香31.广西师范大学计算机科学与信息工程学院，广西桂林 5410042.江西蓝天学院商学院，南昌 3300293.鄂州市高级中学，湖北鄂州 4360001 引言属性约简是粗糙集理论的核心内容之一，而决策表中属性核的计算对解决属性约简这一核心问题具有极其重要的意义，他能有效缩小属性约简算法在属性空间的搜索范围，降低属性约简算法的复杂度，因此如何高效地求不完备决策表的核非常重要。近年来，许多学者
计算机工程与应用 2013年19期2013-07-19
- 基于服务决策表的产品配置规则研究
挖掘，建立服务决策表，提取产品配置规则。1 产品服务特征与服务决策表1.1 产品服务特征产品服务特征表征产品服务过程中各种不同的工况特性，产品服务特征的不同取值代表了产品服务过程的差异。产品服务特征分为3类:①产品服务环境参数，包括产品服务环境的温度、湿度、经纬度、海拔高度等;②产品运行工艺参数，包括载荷、功率、速度、持续运转时间等;③与配置模块相关的产品组成模块的规格型号。每个配置模块对应一个产品服务特征集合，产品服务特征集合中所有特征的取值决定了配置模
中国机械工程 2012年21期2012-12-03
- 一种改进的最小属性约简算法＊
该信息系统称为决策表．定义1 设S＝（U，R，V，F），对于每个属性子集P⊆R，定义属性P的不可区分关系IND（P）＝｛（x，y）∈U2｜∀r∈P，f（x，r）＝f（y，r）｝，如果（x，y）∈IND（P），则称x与y 是P 不可区分的．不可区分关系也可称为等价关系．IND（P）是U 的一个划分，记为U／P，U／P中的任意元素［x］P＝｛y｜∀a∈P，f（x，a）＝f（y，a）｝称为等价类．定义2 设S＝（U，R，V，F），对于每个子集X⊆U和一个等价关系
武汉理工大学学报（交通科学与工程版） 2012年3期2012-12-01
- 不相容决策表求核方法
方向。核属性是决策表中最重要的特征集合，它包含在所有属性约简之中，可以作为属性约简的基础，因此很多属性约简算法都从核属性出发，在核属性之上通过一定的方法选取属性增加到核中，从而得到约简集合［1］。HU XIAOHUA等学者在文献 ［2］中给出的利用改进差别矩阵求核的方法是一个很有效的方法，但是有学者已经证明该方法不适用于不相容决策表求核［3－4］。目前，在不相容决策表的求核问题上，主要的方法有使用代数定义［11，13－14］、HU 差别矩 阵［9－10，1
计算机工程与设计 2012年3期2012-07-25
- 基于属性约简的混凝土抗冻性挖掘方法
U，A)为一个决策表，其中C中的属性称为条件属性，D中的属性称为决策属性。定义2 设S＝(U，A，V，f)为一个信息系统，|U|=n，则S的区分矩阵M是一个n×n矩阵，其任一元素a(x，y)={a∈A|f(x，a)≠f(y，a)}，即矩阵元素a(x，y)是区别对象x和y的所有属性的集合。2．混凝土抗冻性的条件属性粗糙离散化影响混凝土抗冻性的主要因素有外加济、含气量、骨料、水灰比和坍落度等。本文利用连续属性粗糙离散化、属性约简、属性值约简算法以及其改进算法，
铜仁学院学报 2012年5期2012-07-16
- 基于D-S证据理论直接求代数约简和代数核*
等价。对于一致决策表,上述各约简方法所得约简结果是一致的,但在不一致决策表下,它们所得的各约简结果及核属性都不尽相同[9-12]。针对不一致决策表，目前通常的处理过程是将不一致决策表转化为一致决策表，再对所得到的一致决策表计算其代数约简[6-9]，其中文献[6]的方法先将不一致决策表转化为一致决策表，然后基于D-S证据理论求出其广义决策约简，然而具体的算例表明广义决策约简与原始决策表的代数约简并不相同。本文的研究结果表明广义决策约简仅与分配约简等价。与广义
中山大学学报(自然科学版)(中英文) 2011年5期2011-07-24
- 属性重要性的启发式属性约简算法
该信息系统称为决策表。定义2 设R是一个等价关系族，r∈R，如果IND（R）=IND（R-{r}），则称r在R中是可被约去的知识；如果P=R-{r}是独立的，则P是R中的一个约简。定义3 在信息系统S中,若P,Q∈A，则Q的P正域POSP（Q）定义为：其中P_X为X的P下近似。Q的P正域是U中所有根据分类U/P的信息可以准确地划分到关系Q的等价类中去的对象集合。2 二进制可辨矩阵[8]定义4 设决策表为T=（U,C,D,V,f），其中U={u1,u2,…,
制造业自动化 2011年3期2011-02-19
- 基于重要性联系度粗糙集模型的规则提取
,定义了不完备决策表中对象间的重要性联系度,进而定义了相应的重要性联系度容差关系,提出了基于重要性联系度的粗糙集扩展模型.同时,在此模型中给出了对不完备决策表进行属性约简和规则提取的算法,并进行了实验验证.1 基本概念其中,a+b+c=1.定义2 不完备决策表,S=(U,C∪D,V,f), A⊆C,给定一个阈值θ,则定义重要性联系度容差关系LWR(A,θ)为,(x,y)∈LWR(A,θ)⇔(a≥θ,且c=0)或(x=y).定义3 对象 x的重要性联系度容差
成都大学学报（自然科学版） 2011年2期2011-01-10
- 基于经典粗糙集约简方法的高层结构智能方案设计
对核。2.3 决策表与决策规则定义 9决策表:形式上,称四元组DT=(U,A(A=C∪D),V,f)是一个决策表,其中,U={x1,x2,…,xn}为对象的非空有限集合,称为论域;C={a∣ a∈C}为条件属性集,每个 aj∈C(j∈[1 m])为C的一个简单属性;D={d∣d∈D}为决策属性集,且C∩ D= φ,C ≠ φ,D ≠ φ;V=∪Va(∀a∈C∪D)为信息函数 f的值域。定义 10决策规则:设DT= (U,A(A=C∪D),V,f),C为条件
土木建筑工程信息技术 2011年2期2011-01-06
- 改进的差别矩阵属性约简方法
础上,根据二元决策表所特有的性质,提出一种新的差别矩阵的定义,将一个大的差别矩阵分化成两个小矩阵。与建立一个差别矩阵的方法相比,改进的差别矩阵方法减少了矩阵中元素的比较次数。数据分析表明,该方法在改进差别矩阵定义的同时简化了计算过程,提高了运算效率。决策表;核;属性约简;差别矩阵;差别函数0 引 言随着信息化时代的发展,人们在各个领域获取的信息急剧膨胀,这些数据的不确定性也更加显著。如何从这些模糊的、不精确的、不完整的大量信息中获取有价值的知识已经对智能信
黑龙江科技大学学报 2010年2期2010-12-23
- 基于Rough集的集成离散化算法
特征就是不考虑决策表离散化前后的相容性问题，虽然离散化处理速度较快，离散化后却可能会导致决策表中的对象产生新的不相容.另一类算法则充分考虑离散化前后决策表的相容性.如文[9，10]提出了基于断点重要性的离散化算法和贪心算法，这是两种被广大研究人员认可的识别率较高的离散化算法，文[11]提出了基于信息熵的离散化算法.此类算法虽考虑了决策表的相容性，但算法的计算复杂性较高，当决策表的候选断点数时较大时，运算速度较慢，处理大数据集的性能有待提高.文[12]提出了
重庆三峡学院学报 2010年3期2010-12-22
- 图书馆信息资源数据约简
，D），是一个决策表。定义1 函数dX:A→V，使得dX（a）=a（x），其中a∈A，X⊆U，x⊂U，称dX是T上的一条决策规则。若a∈C⊂A，则记dX|C是决策规则的条件部分;若a∈D⊂A，则记dX|D是决策规则的结论部分。定义2 如果对任一个体y≠x，dX|C=dY| C→dX|D=dY|D，称dX是一致的，否则，dX是不一致的。一致性决策规则说明条件值相同必须隐含着决策值相同，即决策规则完全依赖于条件值。定义3 如果对所有的决策规则都是一致的，则它们
长春工业大学学报 2010年5期2010-03-27