基于粗糙集和混合聚类法的决策表约简算法

在分析粗糙集理论、分层聚类算法和k-means聚类算法的基础上,提出一种基于粗糙集和混合聚类法的决策表约简算法,该算法首先是使用基于分层聚类的k-means混合聚类法离散化决策表中的连续属性,然后利用粗糙集理论对离散后的决策表进行属性约简,得到决策规则集,并通过在铁路客运量预测系统中的应用验证了算法的可行性和有效性.     

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.     

概率信息系统中扩展决策规则的决策推理

用概率信息系统表示对象与属性值之间的概率关系．根据粗糙集理论，采用平均算子，获取概率信息系统的扩展决策规则集．用关系合成的模糊推理方法，实现了扩展决策规则集的决策推理．     

基于粗糙集的公路客运量预测

公路客运量预测不仅是进行客运发展规划的基础,也是制定城市综合客运枢纽规划及综合交通规划的前提。通过对公路客运量预测决策表连续属性的离散化、决策矩阵构造及最简决策规则的获取,建立了基于粗糙集的客运量预测模型。该模型获取的最简决策规则避免了因历年统计数据波动而造成的预测误差,最终的预测结果为增长区间而不是绝对数值,更好的反映了公路客运需求。最后应用该模型预测成都市未来5 a的公路客运量,得到了客运量的增长区间。     

���ڴֲڼ����г����е��������о�

粗糙集是一种处理不完备、不精确数据的新方法,其数据处理过程与行车调度员进行列车运行调整的决策过程非常相似,都是从已有的大量经验数据中提取出决策规则并用于指导新的决策判断．通过对行调人员运行调整和决策的详细剖析,构建了列车运行调整的粗糙集模型,提出了基于粗糙集的列车运行调整系统知识的获取与表达的方法,改进了运行调整的粗糙集决策规则的约简算法,思路更清晰,步骤更完善;最后通过对DMIS系统中部分列车运行数据的挖掘,证明了算法的实用性,从提取出的规则能直观地判断出各条件属性对决策的影响程度,为行调做出新的决策提供了有价值的参考;形成了完整的粗糙集列车运行调整体系．     

用粗集理论挖掘项目审查(评估)中的专家共识

为了改进现有的评估方法。在项目审查(评估)中，采用基于决策表的粗糙集模型算法。从众多专家的决策中找到潜在地存在于各个决策中的、公认的决策共识作为项目审查的依据和最终结果．应用该算法可以找出条件属性集中对决策最为重要的影响因素，确定实际应用中的数据采集规则．提出采用条件属性集的约简作为新的条件属性集的方法，以降低决策的复杂性，防止决策者个体的舞弊行为．     

基于Rough Sets的医学诊断知识挖掘研究

针对医学诊断知识获取问题，提出了基于Rough Sets理论的知识获取方法，利用该理论对数据进行分析，推理出可能规则，并提出了一种概率优化规则，通过实例分析，说明了该方法的实现步骤，包括连续信息系统的离散化、信息系统的约简、决策规则提取、决策模型生成等，讨论了知识处理的完整过程，能够有效地解决专家系统中知识获取的瓶颈问题。     

基于粗糙集理论的模糊控制规则的获取方法

将粗糙集理论与模糊逻辑技术相结合，提出了一种通过测量数据来获取模糊控制规则的方法。基于MATLAB／SIMULINK环境及其模糊逻辑工具箱，并结合粗糙集数据分析软件ROSET—TA，应用MATLAB语言实现了粗糙-模糊控制器控制规则的自动获取．通过对一个典型的二阶系统的仿真和对比分析，验证了本方法的可行性和有效性．     

基于粗糙集和遗传算法的道路交通事故分析

通过对道路交通事故的原因分析,确定了造成道路交通事故的影响因素.研究了利用粗糙集理论从交通事故历史数据中提取有效信息的方法,并给出了基于遗传算法的道路交通事故决策表属性约简算法,得出了道路交通事故决策规则表.计算结果表明:文中所建数学模型科学合理,算法高效可行.为建立道路交通事故智能分析系统提供了一个有效的方法.     

基于粗糙集的相邻交叉口信号控制方法研究

复杂交通区域的交通状况难以利用具体模型直接描述,而粗糙集理论能够在分析大量经验数据的基础上找到用于决策的规则。以交大东路上的行人和机动车为研究对象,提出一种基于粗糙集的信号配时算法,对交大东路上的两个相邻交叉口的信号灯进行控制,提出控制规则,对该复杂交通区域进行优化和疏导,是对多交叉口交通管理与控制的一次有益尝试。     

粗集决策与聚类分析的改进模型

通过分析粗集理论与聚类分析的内在联系，从理论上探讨了两者的融合机理，并给出了相关的数学证明．考虑到粗集决策难以构造决策表的缺陷，采用聚类分析构造等价关系扩展信息表，提出了等价聚类的概念。建立了基于聚类分析的粗集模型；考虑到聚类分析权重确定存在的问题，采用粗集理论的属性约简思想，解决聚类分析中的权重和冗余性问题，建立了基于粗集理论的聚类分析模型，从而解决了原有模型的不足．     

基于云变换和特性关系下粗糙集的决策树构造

为了从不完备信息系统中挖掘分类知识,提出了一种基于云变换和特性关系下粗糙集的决策树构造算法(DTCCRSCR).其核心思想是,利用云变换离散化连续型数据,选择特性关系下加权平均粗糙度最小的属性作为当前的分裂节点.实验表明,由DTCCRSCR构造的决策树不仅结构简单,分类准确率较高,而且分类规则也容易理解.     

基于优势关系粗糙集的驾驶行为研究

在分析驾驶行为影响因素的基础上,提出了用粗糙集理论求解驾驶员的轨迹决策问题的方法.将驾驶员模糊多目标轨迹决策模型看成是一个具有偏好信息的多属性决策问题,用优势关系代替不可分辨关系,并通过优势属性集来推理决策规则,从而确定各预期轨迹点的排序.     

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.     

用于数据分析的变精度模糊粗糙模型

利用模糊集理论扩展Ziarko的变精度粗糙集模型,得到变精度模糊粗糙数据模型(VPFRDM).以属性重要性为启发式信息,提出了模糊信息系统中的属性约简方法.通过计算各模糊模式类相对于决策类的分类能力,生成相应的模糊规则.仿真实验表明,与Ziarko的变精度粗糙集方法相比,VPFRDM具有更好的数据概括能力.