不完备信息系统的基于集对分析粗糙集模型

粗糙集理论作为一种研究不确定性信息系统的教学工具,在数据挖掘和知识发现等方面得到了广泛应用,由于经典的粗糙集理论是基于等价关系的,它在不完备信息系统中的应用受到限制．近来不少研究成果将经典粗糙集中的等价关系的条件放宽,使粗糙集理论的应用更加广泛．文献利用集对分析研究了不完备信息系统的粗糙集模型,本文注意到空值在信息系统中也提供了一定的知识,建立了一个比更一般性的模型,并对此模型的基本性质、算法等进行了讨论。     

基于Rough熵的决策表约简算法研究

知识约简是Rough 集理论研究中的核心内容之一,已证明求决策表的最小约简是NP-hard问题,解决办法一般是采用启发式算法.本文分析了信息熵在Rough集理论中的应用,利用Rough熵定义了决策表中条件属性的相对重要度,讨论了其性质,在此基础上提出了一种用于计算决策表中的相对约简的启发式算法.     

基于粗集理论的决策规则约简算法的研究与应用

粗集理论是一种新型的数据挖掘方法，其中约简是它的重要概念．粗集理论的主要思想是在保持分类能力不变的前提下，通过属性约简和值约简，导出问题的决策或分类规则．本文不同于目前将属性约简作为决策规则挖掘的重点，而是在属性约简的基础上又进一步提出了值约简算法，大大提高了规则的挖掘效率．该算法对原有算法进行了改进，最终可获得更简的决策规则．实例分析表明了该算法是较优的、有实用价值的．     

属性序下的增量式Pawlak约简算法

为了对动态变化的决策表进行属性约简处理,在给定的属性序下,提出了一种基于分辨矩阵元素集的增量式Pawlak约简算法.该算法根据新增对象的不同情况快速更新分辨矩阵元素集,并依据其元素的变化,在给定属性序下快速更新Pawlak约简.实例和仿真实验结果表明,该算法是有效、可行的,与非增量式算法相比,效率平均提高91.4%.     

基于粗糙集属性约简的异步电机速度模型结构辨识

提出了一种针对决策信息系统的属性约简方法,并将其应用到异步电机速度模型结构辨识上.同时,讨论了去除离散化数据中不一致规则的方法.结果表明,约简之后的速度模型结构与实际调速系统中影响电机转速的因素相符合,从而表明该算法是有效的.     

基于粗糙集属性约简的异步电机速度模型结构辨识

提出了一种针对决策信息系统的属性约简方法,并将其应用到异步电机速度模型结构辨识上.同时,讨论了去除离散化数据中不一致规则的方法.结果表明,约简之后的速度模型结构与实际调速系统中影响电机转速的因素相符合,从而表明该算法是有效的.     

基于粗糙集的立体停车库选址决策研究

提出了一种应用粗糙集理论选址方法,利用粗糙集理论建立模型,考虑到高峰时段停车数量、步行距离、土地价格等客观因素的影响,选取条件属性和决策属性建立决策表,采用差别矩阵属性约简算法进行约简,并对约简结果进行验证,最后归纳得到决策规则.以某城市一地区为例,介绍了该方法的应用,得出了该地区修建立体停车库选址的决策方法.     

有偏好的多属性灰色关联路径选择模型

路径选择模型是动态交通诱导的核心问题.针对出行者不同偏好及路径属性不 完全确定条件下,提出了一种路径属性为区间值的有偏好路径选择模型.建立了以交通拥 挤程度、行程时间、行程距离和行程时间可靠性为属性的路径选择指标体系,给定路径属 性的区间值及出行者偏好值,计算每条路径客观信息与主观偏好的灰色关联系数.为了减 少主观偏好与客观信息的偏差,构建了单目标最优化模型,得到路径属性的权重值,进而 求得各路径主观偏好与客观信息的关联度,并根据关联度大小进行排序.最后以福州三坊 七巷交通网络为例,给出路径选择实例.结果表明该方法简单有效.     

基于粗糙集理论的模型结构选择与知识发现

为了合理选择决策模型，提出了一种基于粗糙集理论获取模型选择知识并利用获取的知识选择模型的方法．通过随机设定模型参数，得到备选模型的属性值为连续值的决策表；通过设定误差范围，获得决策表中对象之间的关系；利用该关系和粗糙集理论，对决策表进行属性约简，获得决策规则；按该决策规则进行推理，实现智能决策的模型选择．实例表明，该算法是可行的。     

基于多尺度区域网格的公路车辆自动检测识别

提出距离相关的变N值区域采样目标检测方法和距离无关的自相关目标识别方法用于检测识别特定公路段行驶的车辆.特点是不用对摄像机进行标定,使用方便,算法简单,运算速度快,识别距离远.用不同的N值对不同距离处公路宽度进行水平等分并且在车辆目标位置形成区域采样网格.由于模型图像采样网格密度也由N值决定,利用网格上的点集自相关方法将实际序列图像中不同大小目标区域与同一模型进行匹配.