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．     

基于粗集理论的决策因素分析

针对城市交通可持续发展决策控制的复杂性,基于粗集理论,以成都市为实例,用Eosetta软件提取了城市交通可持续发展影响因素,为有关部门解决城市交通可持续发展问题提供了决策规则,经检验有较高识别率.     

基于粗糙集的最小规则生成算法

讨论了可辩识矩阵的内容的深层次含义，分析了它与属性值约简的关系，并提出了一种利用可辩识矩阵实现属性值约简的方法，分析了利用可辩识矩阵实现属性约简和属性值约简的方法，设计了基于可辩识矩阵的最佳约简的算法，使得属性约简和属性值约简得以一致计算，使知识推理过程变得统一且相对简单．     

一种知识距离的集值信息系统属性约简算法

在研究集值信息系统和知识距离性质的基础上,提出了一种基于知识距离的集值信息系统属性约简算法.该算法首先利用知识距离来描述知识间的差距,进而度量集值信息系统模型的划分和知识粒度的大小,然后根据知识距离的性质有效的判定集值信息系统模型的宽松度和属性重要性.最后通过理论分析和实例的结果表明,该算法降低了时空复杂度,从而提高了算法的运行效率.     

基于粗集多属性决策理论的综合客运枢纽服务水平评价

采用综合量化分析法,构建综合客运枢纽服务水平评价指标体系,提出各指标的量化方法。根据评价指标体系的结构特点,提出基于粗集多属性决策理论的综合客运枢纽服务水平的评价模型,并用案例验证模型的有效性和可操作性,为未来综合客运枢纽建设提供一定的理论基础。     

粗集及遗传算法在交通事故黑点分析中的应用

交通事故黑点是由好多种因素综合到一起而形成的。利用粗集理论及遗传算法对冗余的黑点成因进行删减,得到主要的黑点成因,从而进行有针对性的治理,以达到减少交通事故的目的。     

改进可辨识矩阵的启发式知识约简及规则算法

首先提出了改进可辨识矩阵,然后对属性重要性进行了重新定义,并且将模糊聚类应用于属性重要性划分,从而在此基础上提出了一种启发式知识约简及决策规则提取算法.给出了新的不相容率的概念,用于描述知识数据库中数据不相容特征和修正提取的决策规则的决策错误率.经过实验,该算法具有优良的性能.     

基于粗糙集理论的决策系统属性约简

介绍了粗糙集理论的基本概念,包括等价关系、划分、条件信息量等．介绍属性约简的原理,在此基础上提出了基于条件信息量的数据约简方法,优选出有用的属性,并通过实例表明该方法是可行和有效的．     

基于粗糙集的最小规则生成算法

讨论了可辩识矩阵的内容的深层次含义,分析了它与属性值约简的关系,并提出了一种利用可辩识矩阵实现属性值约简的方法,分析了利用可辩识矩阵实现属性约简和属性值约简的方法,设计了基于可辩识矩阵的最佳约简的算法,使得属性约简和属性值约简得以一致计算,使知识推理过程变得统一且相对简单.     

基于可分辨重要度的属性约简算法

在可分辨关系和分辨强度指数概念的基础上,构造出“基于可分辨重要度的属性约简算法”．算法采用自底向上的方法,利用启发式信息可分辨重要度SIG作为属性选取的依据．算法无需生成中间结果,并将相关的逻辑运算转换成矩阵运算,从而达到降低系统时空开销、有效处理大规模数据的目的．理论分析和UCI数据集的测试结果表明,文中提出的算法有效、可行．     

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.     

基于粗糙集理论的公交信号优先算法研究

提出一种基于粗糙集理论的公交信号优先控制算法,以绿灯阻塞参数和红灯拥挤度为条件属性,以绿灯延时率为决策属性,构造知识库和边界域函数并约简规则,然后利用VISSIM仿真软件,以车辆延误和人均延误为评价指标对该算法进行评价。结果表明,该算法能减少交叉口4．93％的车辆延误和8．25％的人均延误。     

基于粗糙集的城市交通拥堵预警算法分析

通过摒弃传统的以分析交通流参数来判断是否会发生交通拥堵的方法，综合考虑各种导致城市交通拥堵因素（包括天气、时间段等），以粗糙集理论为依据，建立一套判断城市交通拥堵算法，为交通拥堵预警提供分析与支持，并进行模拟实验仿真。仿真结果表明：该方法是可行有效的，可改善拥堵预警的准确率并减少误报率。     

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.     

粗糙集理论在立交桥方案比选决策支持的应用

立交型式选择是立交建设中重要的前期工作,立交型式不同,将使整个立交的交通功能、投资、景观及社会和经济效益等方面受到影响。本文采用粗糙集理论,通过对相同道路条件下不同立体交叉口设计方案进行粗糙集评价,建立了对已有的立交桥设计方案的评价模型,针对具体问题对冗余指标进行筛选,再根据数据自身特点赋予其权重,这种方法可以有效避免传统的主观评价和层次分析法主观确定各个指标隶属度的弊端。