不协调决策表正域约简与其它约简的关系

主要分析了不协调决策表正域约简与分配约简、最大分布约简的关系，证明了分配约简必为正域约简．     

一种基于Rough集的不一致和不完全决策表处理方法

本文利用Rough集理论针对不一致和不完全数据,提出了一种基于匹配度和覆盖度的处理方法.数据实验证明了该方法的可行性和有效性.     

不协调决策信息系统协调化的一种决策算法

对于条件属性值一致而决策结果不一致的决策信息系统,利用系统自身规则,给出一个将不协调决策信息系统转化为协调决策信息系统进而获取决策规则的有效算法,并通过实例进行验证．     

一种改进的属性约简方法

属性约简是粗糙集理论的核心问题之一,寻找最优约简现已证明是NP—hard问题。本文在差别矩阵的基础上,采用贪心算法的策略,提出了一种启发式算法来寻求最优约简。该算法不仅能在有核的决策表中通过核进行属性扩充求得最优约简,而且在无核的决策袁中也能根据属性在差别矩阵中出现的频率求得最优约简。经实例验证该算法是有效的。     

基于包含度的一种不一致决策规则处理方法

不一致决策表的处理一直是比较困难的问题.鉴于不一致规则的不确定性,基于包含度这一描述不确定性关系的有效度量方法,综合不一致规则信息与整个决策表信息,对不一致规则进行修正,进而获取较理想的决策规则,并通过实例进行验证.     

不完备决策表中条件属性的重要性度量

首先通过示例说明了度量条件属性的公式不适用于不完备决策表,进而针对不完备决策表提出了新的度量公式,阐述了新的公式能合理地度量不完备决策表中条件属性的重要性,并证明了该公式用于计算完备决策表条件属性的重要性与先前度量条件属性公式的计算结果相同,即新的度量公式同样适用于完备决策表,所以新的公式是度量条件属性公式的推广.     

一种改进的ROUSTIDA数据填补方法

针对数据稀疏度大的信息系统提出了一种基于序数属性相似度的不完备数据分析方法。通过采用差值替代等值的方式改进可辨识矩阵,从而实现填补稀疏度较大的信息系统的目的。弥补了原算法对于某些缺失值不能填充的情况,改善了其它改进方法对于序数属性处理不准确的缺点,并通过实验证明了改进后的方法可以更精确更有效地填充缺失值。     

一种化不相关基本变量的初等变换法

利用矩阵初等变换法，通过把相关矩阵对角经和求逆矩阵同步进行，以获得统计学上一种化相关随机变量组为不相关随机变量组的线性变换原理。     

一种不完备模糊目标信息系统的精度属性约简算法

信息不完备并且目标是模糊的信息系统在很多实际问题中存在．本文把J．W．Guan等人提出的完备信息系统下的可辨识矩阵属性约简算法推广到信息不完备并且目标模糊的领域．通过客差关系的上近似集和下近似集重新设计了属性约简的精度算法,最后用实例验证算法的可行性．     

机器人无标定手眼协调方法研究

无标定情况下的视觉定位是机器人视觉伺服领域的热点和难点。提出一种基于快速自适应滤波的机器人无标定手眼协调方法。首先根据机器人三维基坐标建立运动空间和图像特征空间的微分映射关系,在不预先标定视觉传感器与机器人参数情况下,设计一个直接估计增益矩阵 Kk 的自适应滤波器,在线辨识图像雅可比矩阵。采用最小二乘法获得状态估计的初始值,在此基础上设计视觉控制器和计算运动控制量。在 MAT?LAB 环境下建立机器人手眼协调控制系统仿真模型,将该方法用于观测噪声统计特性未知情况下的定位反馈,并对机器人空间螺旋运动的跟踪情况进行分析。实验结果表明,该自适应滤波器能够完成不规则环境下视觉引导的追踪任务,定位效果优于常规卡尔曼滤波和 Sage-Husa 自适应滤波,具有较强的鲁棒性。     

基于正域的决策树构造方法

决策树是数据挖掘中的一种重要分类方法.在此以粗糙集理论中的正域为启发式函数,设计了一种新的、有效的决策树构造方法.该算法具有较大的灵活性.能从测试属性空间逐次删除已使用过的属性.避免对这些属性进行重复测试,减少测试空间,降低了树的复杂性,从而提高了分类效率.最后,实例验证了算法的可行性与有效性.     

基于决策规则信息库表的决策支持

随着数据技术的迅速发展以及数据库管理系统的广泛应用，被积累的数据越来越多，激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更深入的分析、研究，从中得到更有价值、有意义、深层次的信息，并且希望这些信息能够对人们的决策有一定的帮助。对决策支持模式，决策表的部分决策支持能力的损失问题，获得决策规则信息的响应时间等进行了论述。     

基于条件信息量的决策表连续属性离散化算法

该文提出了一种新的决策表连续属性离散化算法.首先使用条件信息量来度量条件属性的重要性,并据此对条件属性按照条件信息量从大到小排序,然后按排序后的顺序,考察每个条件属性的所有断点,将冗余的断点去掉,从而将条件属性离散化.该算法易于理解,计算简单.     

基于分组的决策规则信息库表的决策支持方法

决策支持是数据挖掘[1-3]的主要目的之一,研究决策支持方法具有实用价值.基于分组的决策规则信息库表的决策支持方法,是在基于决策规则信息库表的决策支持方法的基础上提出来的.该方法不仅能够充分挖掘决策表的决策支持能力,提供强有力的决策支持,弥补多数决策规则对于决策表的部分决策支持能力的损失问题,还可以进一步提高获得决策规则信息的响应时间.     

决策表知识表示的应用探讨

本文主要探讨了决策表作为一种知识表示在专家系统中的应用及其算法.由于决策表非常类似于关系数据库的关系模式,我们设想利用飞速发展的关系数据库技术来解决决策表知识表示在应用中的实现问题.     

Vague决策表理论研究及其决策表的应用

决策系统中最为核心的问题是关于决策规则的获取问题.在有关学者的研究基础上,讨论了 Vague决策表中有关性质;此基础上提出一种新的决策规则--Vague决策规则,并将决策表应用于心电图分类识别,准确地对具体病例进行判断,取得了比较好的效果.     

基于区分能力大小的决策表属性约简算法

The attribute reduction algorithms of decision table based on discernible matrix are required to construct discernible matrix, which reduces efficiency of algorithms. In this paper, the relationship between attribute discernible matrix and its discernibility is first established for general information systems. Based on the idea that the equivalent discernible matrix has a same attribute reduction, existing matrices are modified and a formula of attribute discernibility associated with algebraic reduction for decision table is proposed. A heuristic attribute reduction algorithm based on attribute discernibility is presented. Experimental results indicate that the algorithm can more easily explore an optimal or sub-optimal reduction, and is efficient.