一种高效的不协调决策表约简算法

目前,不协调决策表的分布约简、最大分布约简和分配约简算法复杂度较高,不适合处理大数据集。在分析已有算法基础上,分析了基于相对可区分度的属性重要性度量的性质,解决了正域度量属性重要性的缺陷。针对不协调决策表,给出了多种简化协调决策表的定义,从而大大缩减了约简的实例数。以相对可区分度为启发函数构造了一种高效完备的不协调决策表约简算法。理论分析和实验结果表明,该约简算法解决了现有算法在复杂度和属性重要性度量上的缺陷,适合处理不协调的大数据集。     

杂合数据的粗糙集属性约简方法

针对决策表中属性取值为杂合数据的情况,提出了基于粗糙集理论的属性约简算法.首先给出了对象间在杂合数据下的相似度计算定义.为了获取合理的对象集合的软划分,给出了阈值计算的最优化模型,并基于粗糙集的上、下近似的概念,得到对象集合在条件属性下的上、下近似的覆盖划分.之后,通过各对象基于条件属性和决策属性的上、下近似下的分布矩阵描述,利用最大分布矩阵,直观地得到两种不同观点下的约简结果.实验结果表明了本算法的合理和有效性.     

基于一般二元关系的不确定性度量方法研究

针对一般二元关系,从知识的区分能力角度提出一种带有可调节参数的新的不确定性度量-α熵,给出了其在一般二元关系下的重要性质,指出一般二元关系下的α熵是现有多种不确定性度量的扩展,统一了完备和不完备信息系统中知识的不确定性度量.结合知识的α熵,给出了一般二元关系下粗糙集的α精度和α粗糙度的定义,证明了α精度、α粗糙度和知识...     

基于粗糙集与最小二乘支持向量机的飞机综合智能论证

结合粗糙集的属性约简理论与最小二乘回归支持向量机的回归思想,提出了一种基于粗糙集与最小二乘回归支持向量机的飞机设计综合智能论证模型。首先根据历史数据建立属性决策表,然后应用粗糙集理论对飞机综合论证指标参数属性进行约简来获得影响飞机设计综合论证的核心指标,最后再利用支持向量机回归模型建立与飞机综合论证核心因素之间的非线性映射模型来对飞机的作战效能进行预测。仿真实例验证了该方法可以降低模型的复杂度,加快SVM的训练速度并具有良好的预测效果。     

粗糙集知识约简在武器装备研制费用影响因素分析中的应用

文章将粗糙集知识约简应用于地空导弹研制费用影响因素分析,克服传统相关分析方法中缺乏费用影响因素之间相互影响分析的缺陷。利用专家评价法对分析结果进行了验证,粗糙集知识约简得到的结论与专家结论基本一致。结果表明,粗糙集知识约简是开展费用影响因素分析较为可行的数学方法。     

粗糙集理论的电子设备诊断规则提取

为了解决现有诊断规则提取方法中的不一致性问题,得到具有良好适应能力和最大匹配能力的诊断决策规则,结合电子设备故障征兆特点,提出一种基于粗糙集的电子设备故障诊断规则提取方法.该方法先对原始数据进行预处理,形成决策表,用粗糙集进行属性约简和值约简,最后提取诊断决策规则,并对诊断规则进行评价.通过实例分析表明,该方法能提取出具有一定泛化能力的诊断规则,在故障诊断中能够提高诊断决策规则的匹配效率.     

基于粗糙集理论的飞行轨迹识别

针对飞行轨迹人工识别对专家经验依赖性强,识别准确率不稳定的问题,提出一种基于粗糙集理论的飞行轨迹识别方法。首先,对飞行轨迹进行特征提取,获取用于轨迹类别判定的条件属性和决策属性;其次,利用模糊自组织神经网络对飞行轨迹决策表离散化,采用启发式遗传约简算法对条件属性约简,消除了冗余属性对识别结果的影响;最后,利用实际飞参数据进行轨迹识别,结果证明该方法准确有效。     

粗糙集和FSVM结合的雷达信号识别法

结合粗糙集的属性约简和支持向量机的分类机理,研究了一种混合算法,即应用粗糙集的属性约简过程作为预处理器,可以把冗余的属性及值和冲突的对象从决策表中删去,但不损失任何有效信息;由于传统支持向量机在多分类问题时出现的不可分区域现象,使用了模糊支持向量机进行后面的分类建模和预测,使得训练时间大大缩短和分类性能显著提高。将这种混合方法应用到雷达信号识别中,仿真实验证明该方法是有效的。     

粗糙集理论的支持向量机建模研究及应用

结合粗糙集的属性约简和支持向量机的分类机理,提出了一种混合算法.将粗糙集理论中的属性约简引入到支持向量机中来,把粗糙集作为支持向量机的预处理器,先降低原问题的维数,以支持向量机方法建立预测模型.提高了SVM的推广能力,减少存储空间,加快了支持向量机的训练速度,取得了满意的预测结果.     

设备健康状态评估指标体系约简方法

针对设备健康状态评估涉及指标多、指标间关系复杂的问题,提出基于粗糙集和遗传算法的设备健康状态评估指标体系约简方法.将粗糙集理论和遗传算法相结合,对设备健康状态评估指标进行约简的同时,提高约简效率.某燃气轮机健康状态评估指标体系约简案例显示,该方法能够在不失代表性、系统性的前提下,将复杂指标体系约简为较为简洁、明了的指标体系,保持评估结果准确的同时减少信息收集工作量.     

坦克搭乘输送平台海上射击目标决策方法

通过粗糙集方法分析影响坦克对岸滩目标射击效果的各种因素,建立坦克搭乘输送平台海上射击的知识表达系统,将射击效果作为决策属性,将已有数据或作战经验作为条件属性,依粗糙集理论方法挖掘射击决策规则,最后约简得到一些简单的射击决策规则,为单坦克射击决策提供依据。     

粗糙集理论在装备保障训练效果评估中的应用

装备维修保障训练效果评估中最关键的步骤就是评估指标体系的构建及优化,为了克服传统评价方法中存在指标关联性大和权重确定主观性强的问题,将粗糙集和信息熵理论引入装备维修保障训练效果评估领域。采用信息熵的算法对连续指标离散化,基于粗糙集区分矩阵的方法对指标体系进行属性约简,降低了模型的复杂性;在此基础上提出了粗糙集属性重要度和AHP法相结合确定指标权重的方法,进而通过专家评议应用于训练效果评估实例,得到了较好的评估效果,为装备维修保障训练评估提供了新的参考方法。     

空战关键信息与战术规则提取算法

将粗糙集理论引入到空战研究中 ,提出了一种通过属性约简提取空战决策的关键信息和战术规则的算法 ,以便对空战过程中的冗余信息进行约简 ,提高决策实时性。通过一个空战战术选择示例对该算法进行了验证 ,结果表明 :在保证空战战术分类结果不变的情况下 ,该算法可提取出对空战决策起关键作用的信息以及最小简化战术规则。     

属性约简与近似集的关系研究

上近似和下近似是在粗集理论中最基本的概念,而粗集理论的主要思想又是在保持分类能力不变的前提下通过对属性的约简导出问题的决策和分类规则。本文讨论了属性的约简和相对约简与上近似和下近似的关系,并在此基础上提出了一种新的相对约简———保近似约简。     

基于Rough集理论的数据库推理通道动态消除

提出了一种基于Rough集理论的数据库推理泄漏通道消除方法。在由数据库中所有数据生成的不完备决策表上,该方法应用Rough集理论,分析提取出敏感和非敏感数据之间的确定性推理关系,以此产生推理控制规则。利用这些规则对数据库系统返回给普通用户的数据动态地做最小修改,防止推理通道的产生。实验结果表明,该方法可扩展性强,在保证较高的数据库安全性的同时提高了数据可用性。     

粗糙集中不确定性测量的修正粗糙熵方法

分析了引起粗糙集中不确定性的因素,对已有的测量不确定性的粗糙度与粗糙熵方法进行了比较,提出了一种修正的粗糙熵方法,证明了此粗糙熵的性质,并将基于等价关系的修正粗糙熵拓展到基于一般二元关系下的广义修正粗糙熵,同时给出了广义修正粗糙熵的定义及性质.通过分析和实例可以看出,所提出的修正粗糙熵方法可以用来更合理、更精确地测量粗糙集中的不确定性.     

基于粗糙集的空袭目标威胁评估排序

通过对影响空袭目标威胁排序因素的分析,针对定性与定量因素并存的情况,提出利用粗糙集理论进行威胁排序的方法.将已有决策表转化为成对比较表,利用优势属性集来推理决策规则,从而确定各目标的排序.案例表明此方法有效地解决了空袭目标威胁排序中的如何处理不确定信息的问题,大大提高了决策的准确性和客观性.     

基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

再生分辨矩阵与决策熵的不完备决策系统属性约简

为了有效地解决不完备决策系统的属性约简问题,提高属性约简的效率,提出了基于再生分辨矩阵与决策熵的不完备属性约简算法。该算法利用基于容差关系的分辨矩阵来计算相对核,通过再生分辨矩阵计算再生集和再生集属性来缩小加入约简集的条件属性选择范围,以再生集属性的分辨度和决策熵为依据,选择加入约简集的条件属性,并通过实例进行验证分析。结果表明,该算法适用于协调不完备决策系统与不协调不完备决策系统,能够有效地降低时间复杂度,并得到最优属性约简。