混合值不完备决策信息系统的粗糙分类方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (28): 48-51.

混合值不完备决策信息系统的粗糙分类方法

黄恒秋，曾玲

桂林电子科技大学数学与计算科学学院，广西桂林 541004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-01 发布日期:2011-10-01

Rough classification method in incomplete decision information system with hybrid value

HUANG Hengqiu，ZENG Ling

School of Mathematics and Computing Science，Guilin University of Electronic Technology，Guilin，Guangxi 541004，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-01 Published:2011-10-01

摘要/Abstract

摘要： 针对混合值不完备决策信息系统，提出一种将邻域联系度粗糙集与贝叶斯理论相结合的分类方法。定义了一种新的属性辨识矩阵——同异反辨识矩阵，给出了基于同异反辨识矩阵的t分配约简算法，以及对约简后的决策信息系统建立基于邻域联系度粗糙集的最小错误率贝叶斯决策准则，用于对含有混合属性值以及不完备数据的对象进行分类。实验表明所提出的方法是客观有效的。

关键词: 粗糙集, 邻域联系度, 同异反辨识矩阵, 分配约简, 贝叶斯理论

Abstract: A classification method is presented based on the combination of neighborhood connection degree rough set and Bayesian theory in incomplete decision information system with hybrid value.A new attribute discernibility matrix—identical-
discrepancy-contrary discernibility matrix is defined，t-assignment reduction algorithm based on identical-discrepancy-contrary discernibility matrix is proposed.In addition，a Bayesian decision criterion of minimum error rate based on neighborhood connection degree rough set is established to classify the object with hybrid attribute value and incomplete data in reduction decision information system.Experiments show that new method is objective and feasible.

Key words: rough set, neighborhood connection degree, identical-discrepancy-contrary discernibility matrix, assignment reduction, Bayesian theory

黄恒秋，曾玲. 混合值不完备决策信息系统的粗糙分类方法[J]. 计算机工程与应用, 2011, 47(28): 48-51.

HUANG Hengqiu，ZENG Ling. Rough classification method in incomplete decision information system with hybrid value[J]. Computer Engineering and Applications, 2011, 47(28): 48-51.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[4]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[5]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[6]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[7]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[8]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[9]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[10]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[11]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[12]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[13]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[14]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.
[15]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.