基于粗糙集的多标记决策系统知识获取方法

• 作者: 余鹰 王映龙 苗夺谦 赵才荣
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 粗糙集 多标记 决策系统 规则提取
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 94-104
• 页数: 11页
• 分类号: TP391
• 字数: 7821字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1406024

摘要

在多标记决策系统中，每个对象由单个实例进行表示，同时对应于多个决策属性。粗糙集理论已有的研究工作主要集中在单一决策系统的研究上，对于多决策系统只是简单地将它分解成多个单一决策系统。直接变换的方法忽视了决策属性之间的相关性和共现性，影响决策的精度。基于粗糙集模型，分别针对属性值为离散型和连续型的情况，提出了离散型多标记决策系统知识获取算法DML和连续型多标记决策系统知识获取算法CML。这两种算法均考虑了标记之间的相关性，在离散多标记决策系统中，采用决策链方式传递属性间的相关性，而在连续多标记决策系统中，扩展了传统粗糙集模型，重新定义了粗糙近似。实验表明，不论是离散型还是连续型决策系统，考虑决策属性之间的相关性均可以提高预测的准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王映龙		82	408	13.0	17.0
2	苗夺谦	同济大学计算机科学与技术系	123	2389	25.0	44.0
6	余鹰	华东交通大学软件学院	12	35	3.0	5.0
22	赵才荣	同济大学计算机科学与技术系	6	22	2.0	4.0