不完备模糊目标信息系统的规则提取研究
|
摘要
经典粗糙集理论是完备信息系统的数据分析与处理的重要工具之一,其主要思想是在保持分类能力不变的前提下,通过知识约简,进而导出问题的分类规则或决策规则。但是完备信息系统只是一种理想化的情况,而在实际问题中,往往会遇到条件属性值域不完备,目标属性值域是模糊的情形,,本文称之为不完备模糊目标信息系统(Incomplete and Fuzzy Objective Information System,简称IFOIS),对它的研究具有重要的现实意义。
本文以IFOIS作为研究对象,以粗糙集理论和模糊集理论为工具,研究不完备模糊目标信息系统的知识获取方法:以基于改进型相容关系、限制容差关系、对称相似关系下不完备信息系统的粗糙集模型为基础,进一步拓展到不完备模糊目标信息系统,建立了基于改进型相容关系、限制容差关系、对称相似关系下的不完备模糊目标信息系统的粗糙集扩展模型;基于以精度相等思想,讨论了各种模型下不完备模糊目标信息系统知识约简方法,给出了基于改进型相容关系的(α,β)精度约简算法、基于限制容差关系的β-上协调约简算法(α-下协调约简算法),基于对称相似关系的(α,β)协调约简分辨矩阵算法;最后研究了基于相容关系、改进型相容关系、限制容差关系、对称相似关系等四种二元关系下不完备模糊决策信息系统的决策规则提取方法,给出了相应的规则提取算法,并通过实例验证了方法是可行的。
Classical Pawlak rough set theory is one of important tools for data analyzing and processing in complete information system. The main idea is to deduce the classification rules or decision-making rules by knowledge reduction on the conditions of the same capability of classification. In fact, the complete information system is only an ideal situation. Because conditional attributes may be incomplete, objective attributes may appear ambiguous situations, which is called the rough set model of incomplete and fuzzy objectives information system (It is called IFOIS for short) in this paper. So, it has very important practical significance to research IFOIS.
In this paper, addressing IFOIS, we research the knowledge acquisition approach based on rough set theory and fuzzy set theory. The expanded rough set models of IFOIS are established under the condition of improved-tolerance relation, limited-tolerance relation and symmetric similarity relation. Furthermore, we discussed all kinds of knowledge reduction approaches among different models and proposed three advanced algorithms, which include precision reduction algorithm which is (α,β) binary relation under improve-tolerance relation,β-upper precision reduced (orα-lower precision reduced) under limited-tolerance relation and (α,β) coordinated reduction resolution matrix algorithm under symmetric similarity relation. At last, through analysising extraction of the decision-making rules of IFOIS for four different binary relations, we proposed the corresponding rule extraction algorithms and proved their feasibility by some examples .
本文以IFOIS作为研究对象,以粗糙集理论和模糊集理论为工具,研究不完备模糊目标信息系统的知识获取方法:以基于改进型相容关系、限制容差关系、对称相似关系下不完备信息系统的粗糙集模型为基础,进一步拓展到不完备模糊目标信息系统,建立了基于改进型相容关系、限制容差关系、对称相似关系下的不完备模糊目标信息系统的粗糙集扩展模型;基于以精度相等思想,讨论了各种模型下不完备模糊目标信息系统知识约简方法,给出了基于改进型相容关系的(α,β)精度约简算法、基于限制容差关系的β-上协调约简算法(α-下协调约简算法),基于对称相似关系的(α,β)协调约简分辨矩阵算法;最后研究了基于相容关系、改进型相容关系、限制容差关系、对称相似关系等四种二元关系下不完备模糊决策信息系统的决策规则提取方法,给出了相应的规则提取算法,并通过实例验证了方法是可行的。
Classical Pawlak rough set theory is one of important tools for data analyzing and processing in complete information system. The main idea is to deduce the classification rules or decision-making rules by knowledge reduction on the conditions of the same capability of classification. In fact, the complete information system is only an ideal situation. Because conditional attributes may be incomplete, objective attributes may appear ambiguous situations, which is called the rough set model of incomplete and fuzzy objectives information system (It is called IFOIS for short) in this paper. So, it has very important practical significance to research IFOIS.
In this paper, addressing IFOIS, we research the knowledge acquisition approach based on rough set theory and fuzzy set theory. The expanded rough set models of IFOIS are established under the condition of improved-tolerance relation, limited-tolerance relation and symmetric similarity relation. Furthermore, we discussed all kinds of knowledge reduction approaches among different models and proposed three advanced algorithms, which include precision reduction algorithm which is (α,β) binary relation under improve-tolerance relation,β-upper precision reduced (orα-lower precision reduced) under limited-tolerance relation and (α,β) coordinated reduction resolution matrix algorithm under symmetric similarity relation. At last, through analysising extraction of the decision-making rules of IFOIS for four different binary relations, we proposed the corresponding rule extraction algorithms and proved their feasibility by some examples .
引文
[1]张文修,梁怡,吴伟志编著.信息系统与知识发现.北京:科学出版社,2003
[2]丁勇生编著.计算智能—理论技术与应用.北京:科学出版社,2004
[3]杨善林,倪志伟著.机器学习与智能决策支持系统.北京:科学出版社,2004
[4]刘春亚,何伟.一种基于粗集的缺损数据的处理方法.计算机科学,2002,29(9):44-46
[5]Kryszkiewicz M.Rough set approach to incomplete information systems.Information Sciences,1998,112:39-49
[6]Kryszkiewicz M.Rules in incomplete information systems,Information Sciences,1999,113:271-292
[7]J.Stefanowski.,Tsoukias A.On the extension of rough sets under incomplete information.Proceedings of 7th International Workshop on New Directions in Rough Sets,Data Mining,and Granular-Soft Computing,Yamaguchi:Physica-Verlag,1999:73-81
[8]王国胤.Rough集理论在不完备信息系统中的扩充.计算机研究与发展,2002,39(10):238-1243
[9]黄兵,周献中.不完备信息系统中基于联系度的粗集模型拓展.系统工程理论与实践,2004(1):88-92
[10]魏大宽,周献中,朱宇光.基于改进型相容关系的不完备信息系统知识约简.计算机科学,2005,32(8A):53-56
[11]Da-kuan Wei.Knowledge reduction in incomplete system basedon γ-tolerance relation.In:Jerome Lang,Fangzhen Lin and Ju Wang(Eds.).Proceedings of the First International Conference on Knowledge Science,Engineering and Management.Guilin,China,August 2006.Springer-Verlag Berlin Heidelberg 2006,LNAI 4092,pp.504-513.
[12]邓毅雄,黄兆华.不完备信息系统的基于集对分析粗糙集模型.华东交通大学学报,2005,22(2):56-58
[13]黄兵,周献中.不完备信息系统分配约简与规则提取的矩阵算法.计算机工程,2005,31(17):20-22
[14]DuboisD,PradeH.Rough fuzzy sets and fuzzy sets[J],international Jounral of General Systems,1990,17:191-209.
[15]黄正华,胡宝清.模糊粗糙集理论研究进展.模糊系统与数学,2005,19(4)
[16]袁修久,张文修.模糊目标信息系统的属性约简.系统工程理论与实践,2004(5):116-120
[17]Banerjee M,PaI M S K.Roughness of a fuzzy set[J].Information Science,1992,45:157-160.
[18]管涛,冯博琴.模糊目标信息系统上的知识约简方法.软件学报,2004,Vol.15(10):1470-1478
[19]管涛,冯博琴.模糊目标信息系统上的逻辑及决策规则.西安交通大学学报,2004,Vol.38(2):140-143
[20]张梅,朱朝晖.Fuzzy目标信息系统的知识发现,模糊系统与数学,2005,19(3):122-126
[21]Dakuan Wei,Yaqin Zhao,Xianzhong Zhou.A Rough Set Approach to Incomplete and Fuzzy Decision Information System.2006 IEEE 6th World Congress on intelligent Control and Automation,June 21-23,2006,Dalian,China,pp:4219-4223
[22]Da-kuan Wei,Xian-zhong Zhou,Dongjun Xin,Zhi-wei Chen.Variable Rough Set Model and Knowledge Reduction for Incomplete and Fuzzy Decision Information Systems.International Journal of Information Technology,2006,3(2):140-144
[23]Dakuan Wei,Lujin Tang.Attribute reduction based on inclusion degree for incomplete and fuzzy decision information system.Journal of Communication andComputer,2006,3(5),pp:22-28
[24]魏大宽,黄兵,周献中.不完备模糊目标信息系统粗集模型与知识约简.计算机工程,2006,Vol.32(8):48-51
[25]魏大宽,周献中,黄兵.不完备模糊决策信息系统的粗集模型与精度约简.计算机科学,2006,Vol.33(6):182-185
[26]汤路金,魏大宽,汤路生.基于对称相似关系的不完备信息系统粗糙集拓展模型 湖南农业大学学报(自然科学)2007,Vol.33(2):18-23
[27]姜萱.基于不完备信息系统相容关系的分配约简遗传算法.延边大学学报(自然科学版),2006,32(1):59-63
[28]孙晶晶,刘镔,刘粉林.基于遗传算法的不完备信息系统表约简方法.计算机工程与应用,2005(22):174-176
[29]袁修久,何华灿.优势关系下模糊目标信息系统约简的辨识矩阵.空军工程大学学报(自然科学学报),2006,7(2):32-35
[30]张文修,仇国芳编著.基于粗糙集的不确定决策[M].北京:清华大学出版社.2005.7
[31]刘贵龙.模糊近似空间上的粗糙模糊集的公理系统.计算机学报,2004, 27(9):1187-1191
[32]张文修,吴伟志,梁吉业,李德玉编著.粗糙集理论与方法[M],北京:科学出版社,2001
[33]管延勇,薛佩军,王洪凯.不完备信息系统的可信决策规则提取与E2相对约简[J].系统工程理论与实践,2005,12:76-82
[34]Leung Y,Li D.Maximal consistent block technique for rule acquisition in incomplete information systems[J].Information Sciences,2003,153:85-106.
[35]常犁云,王国胤,吴渝.一种基于Rough Set理论的属性约简及规则提取方法.软件学报,1999,10(11):1206-1211
[36].A.Skowron,C.Rauszer.The discernibility matrices and functions in information systems.In:Slowinski,R.(ed.)Intelligent Decision Support:Handbook of Applications and Advances of the Rough Sets Theory,1991:331-362
[37].X.H.Hu,N.Cercone.Learning in relational databases:A rough set approach.Computational Intelligence,1995,11(2):323-337
[38]叶东毅,陈昭炯.一个新的差别矩阵及其求核方法,电子学报,2002,30(7):1086-1089
[39]刘文军,谷云东,李洪兴.基于区分矩阵求决策算法的约简.北京师范大学学报(自然科学版),2003,38(3):311-315
[40]刘文军,谷云东,冯艳宾等.基于可辨识矩阵和逻辑运算的属性约简算法的改进.模式识别与人工智能,2004,17(1):119-123
[41].叶东毅,陈昭炯.不相容决策表属性约简计算的一个可辨识矩阵方法.福州大学学报(自然科学版),2005,33(1):11-15
[42]赵荣泳,张浩,李翠玲,陆剑锋等.粗糙集理论中分辨函数的析取范式生成算法.计算机工程,2006,32(2):183-185
[43]王光明,魏长华.基于布尔函数的Rough集差别矩阵属性约简方法.计算机工程与应用,2005(11):160-163
[44]代建华,李元香.粗集中属性约简的一种启发式遗传算法.西安交通大学学报,2002,36(12):1286-1290
[45]李旗号,赵卫东.遗传算法在决策表最小约简中的应用.计算机工程,2001,27(2):80-81
[46]苗夺谦,胡桂荣.知识约简的一种启发式算法.计算机研究与发展,1999,36(6):681-684
[47]于洪,杨大春,吴中福,李华.基于信息熵的一种属性约简算法.计算机工程与应用,2001,17:22-24
[48]王国胤,于洪,杨大春.基于条件信息熵的决策表约简,计算机学报,2002,25(7):759-766
[49]李鸿.一种基于粗糙熵的知识约简算法.计算机工程与应用,2005(14):78-80
[50]王加阳,廖超.基于粗糙熵的时序数据属性约简及规则提取研究.湖南大学学报(自然科学版),2005,32(4):112-116
[51]袁修久,何华灿.优势关系下广义决策约简和上近似约简.计算机工程与应用,2006(5):4-7
[52]黄兵,周献中.不一致决策表的分配序约简,南京理工大学学报(自然科学版),2005,29(3):360-362
[53]米据生,吴伟志,张文修.基于变精度粗糙集理论的知识约简方法,系统工程理论与实践,2004,24(1):76-82
[54]张宏宇,梁吉业.不完备信息系统下的变精度粗糙集模型及其知识约简算法.计算机科学,2003,30(4):153-155
[55]常犁云,王国胤,吴渝.一种基于Rough Set理论的属性约简及规则提取方法.软件学报,1999,10(11):1206-1211
[56]黄金杰,李士勇.一种基于粗糙集的决策规则综合方法.电机与控制学报,2003,7(3):242-246
[57]蒋良孝,蔡之华,刘钊.一种基于粗糙集的决策规则挖掘算法.微型机与应用,2004(3):7-9
[58]王常伟,马英红,朱颖翠.一种基于粗糙集的决策算法挖掘方法.科技信息,2007(7):5-6
[59]吴陈,杨习贝,傅凡,杨静宇.基于扩展粗糙集模型的集值不完备信息系统决策研究.计算机工程与应用,2005(15):57-58
[60 邓九英,毛宗源,杜启亮,姜永生.基于粗糙集的决策规则设计算法研究.计算机工程与应用,2007,43(30):209-212
[61]李磊.基于粗糙集的决策表最小化方法研究.中国科技信息,2006(2):66-67
[2]丁勇生编著.计算智能—理论技术与应用.北京:科学出版社,2004
[3]杨善林,倪志伟著.机器学习与智能决策支持系统.北京:科学出版社,2004
[4]刘春亚,何伟.一种基于粗集的缺损数据的处理方法.计算机科学,2002,29(9):44-46
[5]Kryszkiewicz M.Rough set approach to incomplete information systems.Information Sciences,1998,112:39-49
[6]Kryszkiewicz M.Rules in incomplete information systems,Information Sciences,1999,113:271-292
[7]J.Stefanowski.,Tsoukias A.On the extension of rough sets under incomplete information.Proceedings of 7th International Workshop on New Directions in Rough Sets,Data Mining,and Granular-Soft Computing,Yamaguchi:Physica-Verlag,1999:73-81
[8]王国胤.Rough集理论在不完备信息系统中的扩充.计算机研究与发展,2002,39(10):238-1243
[9]黄兵,周献中.不完备信息系统中基于联系度的粗集模型拓展.系统工程理论与实践,2004(1):88-92
[10]魏大宽,周献中,朱宇光.基于改进型相容关系的不完备信息系统知识约简.计算机科学,2005,32(8A):53-56
[11]Da-kuan Wei.Knowledge reduction in incomplete system basedon γ-tolerance relation.In:Jerome Lang,Fangzhen Lin and Ju Wang(Eds.).Proceedings of the First International Conference on Knowledge Science,Engineering and Management.Guilin,China,August 2006.Springer-Verlag Berlin Heidelberg 2006,LNAI 4092,pp.504-513.
[12]邓毅雄,黄兆华.不完备信息系统的基于集对分析粗糙集模型.华东交通大学学报,2005,22(2):56-58
[13]黄兵,周献中.不完备信息系统分配约简与规则提取的矩阵算法.计算机工程,2005,31(17):20-22
[14]DuboisD,PradeH.Rough fuzzy sets and fuzzy sets[J],international Jounral of General Systems,1990,17:191-209.
[15]黄正华,胡宝清.模糊粗糙集理论研究进展.模糊系统与数学,2005,19(4)
[16]袁修久,张文修.模糊目标信息系统的属性约简.系统工程理论与实践,2004(5):116-120
[17]Banerjee M,PaI M S K.Roughness of a fuzzy set[J].Information Science,1992,45:157-160.
[18]管涛,冯博琴.模糊目标信息系统上的知识约简方法.软件学报,2004,Vol.15(10):1470-1478
[19]管涛,冯博琴.模糊目标信息系统上的逻辑及决策规则.西安交通大学学报,2004,Vol.38(2):140-143
[20]张梅,朱朝晖.Fuzzy目标信息系统的知识发现,模糊系统与数学,2005,19(3):122-126
[21]Dakuan Wei,Yaqin Zhao,Xianzhong Zhou.A Rough Set Approach to Incomplete and Fuzzy Decision Information System.2006 IEEE 6th World Congress on intelligent Control and Automation,June 21-23,2006,Dalian,China,pp:4219-4223
[22]Da-kuan Wei,Xian-zhong Zhou,Dongjun Xin,Zhi-wei Chen.Variable Rough Set Model and Knowledge Reduction for Incomplete and Fuzzy Decision Information Systems.International Journal of Information Technology,2006,3(2):140-144
[23]Dakuan Wei,Lujin Tang.Attribute reduction based on inclusion degree for incomplete and fuzzy decision information system.Journal of Communication andComputer,2006,3(5),pp:22-28
[24]魏大宽,黄兵,周献中.不完备模糊目标信息系统粗集模型与知识约简.计算机工程,2006,Vol.32(8):48-51
[25]魏大宽,周献中,黄兵.不完备模糊决策信息系统的粗集模型与精度约简.计算机科学,2006,Vol.33(6):182-185
[26]汤路金,魏大宽,汤路生.基于对称相似关系的不完备信息系统粗糙集拓展模型 湖南农业大学学报(自然科学)2007,Vol.33(2):18-23
[27]姜萱.基于不完备信息系统相容关系的分配约简遗传算法.延边大学学报(自然科学版),2006,32(1):59-63
[28]孙晶晶,刘镔,刘粉林.基于遗传算法的不完备信息系统表约简方法.计算机工程与应用,2005(22):174-176
[29]袁修久,何华灿.优势关系下模糊目标信息系统约简的辨识矩阵.空军工程大学学报(自然科学学报),2006,7(2):32-35
[30]张文修,仇国芳编著.基于粗糙集的不确定决策[M].北京:清华大学出版社.2005.7
[31]刘贵龙.模糊近似空间上的粗糙模糊集的公理系统.计算机学报,2004, 27(9):1187-1191
[32]张文修,吴伟志,梁吉业,李德玉编著.粗糙集理论与方法[M],北京:科学出版社,2001
[33]管延勇,薛佩军,王洪凯.不完备信息系统的可信决策规则提取与E2相对约简[J].系统工程理论与实践,2005,12:76-82
[34]Leung Y,Li D.Maximal consistent block technique for rule acquisition in incomplete information systems[J].Information Sciences,2003,153:85-106.
[35]常犁云,王国胤,吴渝.一种基于Rough Set理论的属性约简及规则提取方法.软件学报,1999,10(11):1206-1211
[36].A.Skowron,C.Rauszer.The discernibility matrices and functions in information systems.In:Slowinski,R.(ed.)Intelligent Decision Support:Handbook of Applications and Advances of the Rough Sets Theory,1991:331-362
[37].X.H.Hu,N.Cercone.Learning in relational databases:A rough set approach.Computational Intelligence,1995,11(2):323-337
[38]叶东毅,陈昭炯.一个新的差别矩阵及其求核方法,电子学报,2002,30(7):1086-1089
[39]刘文军,谷云东,李洪兴.基于区分矩阵求决策算法的约简.北京师范大学学报(自然科学版),2003,38(3):311-315
[40]刘文军,谷云东,冯艳宾等.基于可辨识矩阵和逻辑运算的属性约简算法的改进.模式识别与人工智能,2004,17(1):119-123
[41].叶东毅,陈昭炯.不相容决策表属性约简计算的一个可辨识矩阵方法.福州大学学报(自然科学版),2005,33(1):11-15
[42]赵荣泳,张浩,李翠玲,陆剑锋等.粗糙集理论中分辨函数的析取范式生成算法.计算机工程,2006,32(2):183-185
[43]王光明,魏长华.基于布尔函数的Rough集差别矩阵属性约简方法.计算机工程与应用,2005(11):160-163
[44]代建华,李元香.粗集中属性约简的一种启发式遗传算法.西安交通大学学报,2002,36(12):1286-1290
[45]李旗号,赵卫东.遗传算法在决策表最小约简中的应用.计算机工程,2001,27(2):80-81
[46]苗夺谦,胡桂荣.知识约简的一种启发式算法.计算机研究与发展,1999,36(6):681-684
[47]于洪,杨大春,吴中福,李华.基于信息熵的一种属性约简算法.计算机工程与应用,2001,17:22-24
[48]王国胤,于洪,杨大春.基于条件信息熵的决策表约简,计算机学报,2002,25(7):759-766
[49]李鸿.一种基于粗糙熵的知识约简算法.计算机工程与应用,2005(14):78-80
[50]王加阳,廖超.基于粗糙熵的时序数据属性约简及规则提取研究.湖南大学学报(自然科学版),2005,32(4):112-116
[51]袁修久,何华灿.优势关系下广义决策约简和上近似约简.计算机工程与应用,2006(5):4-7
[52]黄兵,周献中.不一致决策表的分配序约简,南京理工大学学报(自然科学版),2005,29(3):360-362
[53]米据生,吴伟志,张文修.基于变精度粗糙集理论的知识约简方法,系统工程理论与实践,2004,24(1):76-82
[54]张宏宇,梁吉业.不完备信息系统下的变精度粗糙集模型及其知识约简算法.计算机科学,2003,30(4):153-155
[55]常犁云,王国胤,吴渝.一种基于Rough Set理论的属性约简及规则提取方法.软件学报,1999,10(11):1206-1211
[56]黄金杰,李士勇.一种基于粗糙集的决策规则综合方法.电机与控制学报,2003,7(3):242-246
[57]蒋良孝,蔡之华,刘钊.一种基于粗糙集的决策规则挖掘算法.微型机与应用,2004(3):7-9
[58]王常伟,马英红,朱颖翠.一种基于粗糙集的决策算法挖掘方法.科技信息,2007(7):5-6
[59]吴陈,杨习贝,傅凡,杨静宇.基于扩展粗糙集模型的集值不完备信息系统决策研究.计算机工程与应用,2005(15):57-58
[60 邓九英,毛宗源,杜启亮,姜永生.基于粗糙集的决策规则设计算法研究.计算机工程与应用,2007,43(30):209-212
[61]李磊.基于粗糙集的决策表最小化方法研究.中国科技信息,2006(2):66-67