检索结果-内蒙古大学图书馆

作者：季雨瑄南昌工程学院

学位级别：硕士

由于计算机技术的广泛使用,数据量正以爆炸性的速度增长。Pawlak粗糙集可以通过减少对系统的分类和决策能力影响最小的属性,从信息系统中去除不重要的知识。但是,Pawlak粗糙集理论处理数值型数据的能力较弱,其在处理数值型数据时需要对... 详细信息

由于计算机技术的广泛使用,数据量正以爆炸性的速度增长。Pawlak粗糙集可以通过减少对系统的分类和决策能力影响最小的属性,从信息系统中去除不重要的知识。但是,Pawlak粗糙集理论处理数值型数据的能力较弱,其在处理数值型数据时需要对数据进行离散化,而离散化可能会导致部分数据失真。为此,学者们提出了邻域粗糙集来处理数值型数据,并取得了较好效果。但是也存在不足,现有的邻域粗糙集理论在定义属性重要度时延续了Pawlak粗糙集属性重度定义方法,没有体现相对必要属性所起的作用。因此,以现有的邻域粗糙集属性重要度为启发信息进行属性约简时,对于某些决策表会导致准确率显著下降。针对此类问题,本研究将等价关系下的分辨矩阵拓展到邻域粗糙集,并引入人工群算法进行优化,提出了改进的属约简算法。主要研究成果和创新点如下:(1)给出了一种邻域分辨矩阵属性重要度的形式化定义,并对得到的相关性质和定理进行了理论证明。与以依赖度为依据的属性重要度定义方法不同的是,邻域分辨矩阵属性重要度是以属性分辨不同邻域对象所起的作用为依据来度量属性重要度,它避免了原有属性重要度定义方法中非核属性重要度都为零的情况,为后续计算重要度提供了更为合理的方法。(2)给出了一种结合分辨矩阵改进的邻域粗糙集属性约简算法。定义一种邻域决策系统下的分辨矩阵,邻域分辨矩阵由能够分辨不同邻域对象的条件属性子集组成。根据条件属性在邻域分辨矩阵中的占比提出一种属性重要度的度量方法,以新的重要度作为启发性因子,设计了一种邻域决策系统下属性重要度启发性约简算法。通过实例分析和UCI数据集实验以及利用CART和SVM两种分类器计算分类精度等证明了该方法的有效性和可靠性。(3)给出了一种基于人工蜂群算法和邻域分辨矩阵优化的属性约简方法。以属性在分辨矩阵中区分不同邻域对象为依据,定义了一种新的属性重要度,把新的属性重要度替代适应度函数中信息熵的属性重要度,提出一种人工蜂群和邻域粗糙集分辨矩阵改进的属性选择算法,实验数据结果表明,该方法减少了迭代次数,降低了时间复杂度,提高了属性约简率和分类精度,Friedman检验与Nemenyi后续检验证明了新的属性约简方法具有较好的性能。

关键词：邻域决策系统属性约简邻域分辨矩阵属性约简重要度人工蜂群算法

来源：评论

学校读者我要写书评

暂无评论

结合分辨矩阵改进的邻域粗糙集属性约简算法

引用

山东大学学报（工学版） 2022年第4期52卷 99-109页

作者：季雨瑄叶军杨震宇敖家欣王磊南昌工程学院信息工程学院江西南昌330000 江西省水信息协同感知与智能处理重点实验室江西南昌330000

针对基于邻域粗糙集属性重要度约简算法在某些决策表中约简正确率下降等问题,结合基于等价关系下的分辨矩阵知识,定义一种邻域决策系统下的分辨矩阵,邻域分辨矩阵由能够分辨不同邻域对象的条件属性子集组成。根据条件属性在邻域分辨矩... 详细信息

针对基于邻域粗糙集属性重要度约简算法在某些决策表中约简正确率下降等问题,结合基于等价关系下的分辨矩阵知识,定义一种邻域决策系统下的分辨矩阵,邻域分辨矩阵由能够分辨不同邻域对象的条件属性子集组成。根据条件属性在邻域分辨矩阵中的占比提出一种属性重要度的度量方法,以新的重要度作为启发性因子,设计一种邻域决策系统下属性重要度启发性约简算法。该算法以核属性集作为初始集合,依次选择重要度大的属性加入到核集,直至找到最小属性约简时,算法终止。实例分析和UCI数据集试验结果表明,与基于属性依赖度的约简算法相比,该算法能够更有效地找到最小属性约简集,并且可以有效减少计算工作量,证明了算法的有效性和可实用性。

关键词：邻域决策系统重要度属性约简邻域分辨矩阵最小约简集

来源：评论

学校读者我要写书评

暂无评论

基于测试代价的三支邻域属性约简算法

引用

计算机应用研究 2024年第3期41卷 836-841页

作者：张欣蕊万仁霞岳晓冬陈瑞典北方民族大学数学与信息科学学院银川750021 上海大学计算机工程与科学学院上海200444 福建弘扬软件股份有限公司健康大数据研究院福州350002

针对粗糙集属性约简时很少考虑属性自身的测试代价等问题,提出了一种基于测试代价的三支邻域属性约简算法。算法根据各属性在邻域分辨矩阵中出现的频次和比例来计算属性重要性,并结合属性自身的测试代价来构造性价比指标,以此指导属性... 详细信息

针对粗糙集属性约简时很少考虑属性自身的测试代价等问题,提出了一种基于测试代价的三支邻域属性约简算法。算法根据各属性在邻域分辨矩阵中出现的频次和比例来计算属性重要性,并结合属性自身的测试代价来构造性价比指标,以此指导属性的甄选。三支决策方法被用于划分属性集,为属性的约简处理提供数据支撑。在7个UCI公共数据集上进行对比实验,结果表明,该算法可得到比对比算法更小的属性约简集合,在分类精度不降低的情况下,该算法具有更少的运行时间和更小的测试代价。基于财政收入的预测应用实例进一步证明了所提算法的有效性和实用性。

关键词：邻域粗糙集邻域分辨矩阵属性约简测试代价三支决策

来源：评论

学校读者我要写书评

暂无评论

基于邻域粗糙集和TOPSIS法组合决策方法及其应用

基于邻域粗糙集和TOPSIS法组合决策方法及其应用

引用

作者：卢岚南昌工程学院

学位级别：硕士

传统的粗糙集-TOPSIS法组合决策方法有效改善了TOPSIS法在构造评价矩阵存在的主观性问题,提高了决策精度。但该方法只适应于处理离散型数据的决策表信息系统,对于连续形数据的决策表信息系统,需要对数据进行离散化处理,而离散化处理后... 详细信息

传统的粗糙集-TOPSIS法组合决策方法有效改善了TOPSIS法在构造评价矩阵存在的主观性问题,提高了决策精度。但该方法只适应于处理离散型数据的决策表信息系统,对于连续形数据的决策表信息系统,需要对数据进行离散化处理,而离散化处理后会改变数据原始的属性性质,有时可能会导致数据失真,从而导致决策精度显著下降。邻域粗糙集与TOPSIS法组合评价方法可以直接处理连续型数据,其广泛应用于数值型数据信息系统决策领域,但是该类评价方法在某些决策表中可能会存在部分评价指标权重失真的情况,从而导致评价结果不准确。针对此类问题,提出改进方法。主要研究成果和内容如下: (1)给出了一种邻域粗糙集与TOPSIS法相结合的组合属性权重决策方法。针对传统的粗糙集与TOPSIS法组合决策方法不能有效处理连续数据的决策表等问题,引入邻域粗糙集与TOPSIS法结合,提出了改进方法。首先,以属性在区分不同的邻对象所起的作用为依据,给出一种邻域粗糙集中分辨矩阵属性重要度定义方法,合理反映各属性在决策时所起的作用,可以有效改进原有邻域粗糙集只有核属性变化才能引起重要度改变的问题。然后,将邻域分辨矩阵属性重要度得到的客观属性权重与TOPSIS法得到的主观属性权重进行结合以解决主观性带来的影响问题。将邻域粗糙集和TOPSIS法的组合决策方法运用到辐射源威胁排序上,辐射源威胁等级判断是指侦察机利用侦察到的辐射源参数如载频、重复频率、脉冲宽度、方位来判定威胁等级。合适的排序方式很重要,本方法充分考虑到了各属性对于决策的意义,使得最后给出的排序结果也将更客观准确。 (2)提出了一种邻域边界域条件熵与TOPSIS法相结合的决策方法。针对邻域粗糙集和TOPSIS法组合评价方法,在某些决策表中会存在部分评价指标权重失真等问题。提出新的改进方法,新方法主要工作包括方法三个方面:一是基于邻域条件熵给出了一种新的属性重要度度量方法,该方法以边界域对象变化为依据,通过邻域边界域信息熵和条件熵计算属性重要度;二是在新的属性重要度基础上定义了一种属性贡献度,并且证明了所有属性的贡献度均为非零;三是采用属性贡献度计算评价指标在决策系统中所占权重,从而确保了所有评价指标所占权全为非零,并以此为基础,提出了一种邻域条件熵和TOPSIS法的组合决策方法;最后,使用实例验证了本文提出的组合决策方法的实用性和有效性,与原有决策方法相比更贴近事实,并且能提高决策精度。 (3)将组合决策方法应用于灌溉用水效率评价中。灌溉用水效率反映了不同尺度条件下不同灌区的工程状况、管理水平和灌溉水平,研究提高灌溉水利用效率对于环境保护、缓解水资源危机、促进绿色生态农业发展以及可持续社会建设具有重要意义。将邻域粗糙集和TOPSIS法的组合决策方法运用到灌溉用水效率评价上,将影响灌溉用水效率的每个指标因素的权重进行计算,得到每个评价指标对灌溉用水效率所起到的作用,算例表明组合决策方法得到排序结果更客观准确,可以帮助决策者更快的了解到每个灌区的灌溉用水情况,并采取相应措施提升灌溉用水效率,减少水源消耗。

关键词：邻域粗糙集 TOPSIS法邻域分辨矩阵属性重要度评价指标边界域条件熵

来源：评论

学校读者我要写书评

暂无评论

一种基于邻域粗糙集和TOPSIS法的组合决策方法及应用

引用

南昌工程学院学报 2023年第6期42卷 76-83,92页

作者：卢岚叶军谢立周浩岩李兆彬南昌工程学院信息工程学院江西南昌330099 江西省水信息协同感知与智能处理重点实验室江西南昌330000

传统的粗糙集-TOPSIS组合决策方法有效解决了TOPSIS法在构造评价矩阵时存在主观性的问题,提高了决策精度。但该方法只适应于处理离散型数据的决策表信息系统,对于连续数据的决策表信息系统,需要对数据进行离散化处理,而离散化处理会改... 详细信息

传统的粗糙集-TOPSIS组合决策方法有效解决了TOPSIS法在构造评价矩阵时存在主观性的问题,提高了决策精度。但该方法只适应于处理离散型数据的决策表信息系统,对于连续数据的决策表信息系统,需要对数据进行离散化处理,而离散化处理会改变数据原始属性,产生数据失真,从而导致决策精度显著下降。针对此类问题,结合邻域粗糙集理论,提出了一种邻域分辨矩阵改进的邻域粗糙集-TOPSIS综合评价方法。该方法可以直接应用于连续数据的决策表信息系统,不仅能计算核心评价指标权重的重要度,而且能计算非核心评价指标权重的重要度;在辐射源威胁排序案例中的应用表明,其可显著提高连续数据决策表信息系统的决策精度。

关键词：邻域粗糙集 TOPSIS法邻域分辨矩阵属性重要度评价指标

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：