决策表

摘要： 针对传统粗糙集算法准确率较低,精度较差,分析大规模数据时难以获得理想结果等问题,提出了基于互信息的属性约简改进算法。为了提高算法精度,引入了对条件熵的计算;采用条件概率考量属性重要性,降低了算法的复杂度;计算时,优先计算数据相容性,优化了样本计算数量;利用多组数据集,对比不同分类器和现有算法。实验结果表明,在不增加时间复杂度前提下,改进算法能得到更好的约简规则,获取理想的约简结果。

摘要： 在决策树数据挖掘技术上提出PEP后剪枝算法,对数据预处理、决策树的生成和导出决策规则及测试等问题进行了分析和研究,并建立了一个可视化系统,在分析有关医学诊断数据表的数据挖掘中,有些规则对于医学诊断具有一定的借鉴意义,取得了比较满意的实际应用成效.

摘要： 本文以医生诊断病人症状(条件属性)来确定是否得流感(决策属性)的决策表作为实例,引入知识约简、知识依赖性、依赖度等概念,系统地阐明了知识库中的知识(条件属性)有些是冗余的,需要删除,所有的知识也并非同等重要,确定条件属性重要性的原理.

摘要： 本文以医生诊断病人症状(条件属性)来确定是否得流感(决策属性)的决策表作为实例,引入知识约简、知识依赖性、依赖度等概念,系统地阐明了知识库中的知识(条件属性)有些是冗余的,需要删除,所有的知识也并非同等重要,确定条件属性重要性的原理。

摘要： 针对在大数据的处理过程中,对大数据任务的划分和资源分配缺乏合理性的问题,提出一种面向大数据任务的调度方法.该方法首先引入了调度理论用于处理大数据任务,帮助建立合理的大数据任务管理体系并规范大数据任务处理流程;然后,基于大数据任务的本质对数据集进行分析处理,引入决策表进行属性约简,以减小大数据分析任务的数据量和提高大数据分析效率;最后,采用模糊综合评价方法,将模糊综合评价的结果作为对任务调度的依据,以提高任务资源分配合理性.在UCI(University of California Irvine)数据集上进行测试,实验结果表明,该调度算法在平均预测准确度上比朴素贝叶斯(NB)算法高7.42个百分点,比误差反向传播(BP)算法高5.16个百分点,比均方根传递(RMSProp)算法高3.74个百分点.而对于特征数较多的数据集,所提算法在预测精度上较其他算法有显著提高.所提算法在平均调度长度比(SLR)上较HCPFS(Heterogeneous Critcal Path First Synthesis)算法和HIPLTS(Heterogeneous Improved Priority List for Task Scheduling)算法分别下降了12.14％和4.56％,在平均加速比上分别提升了7.14％和42.56％,表明该算法能有效提高大数据系统中任务调度的效率.综合比较分析,所提方法具有较高的预测精度,且高效可靠.

摘要： 针对围岩稳定性分级大多是对未受工程扰动岩体进行分级,以及分级结果难以为支护方式提供决策的现状,建立围岩稳定性的岩体及地质因素和工程因素二维分级指标体系.运用云理论确定岩体及地质因素和工程因素的等级期望值、熵和超熵,通过二维云发生器绘出围岩稳定性分级的二维云图,并向二维体系等级图进行投影,得到围岩稳定性的综合等级.将该模型应用于工程实例,并与一维云模型和实际进行对比,验证了该模型的准确性.该模型得到不同系统耦合作用下的围岩稳定性等级,实现了等级的可视化.通过Apriori算法进行关联挖掘得到围岩稳定性的综合等级决策表,可以快速确定工程的综合稳定性等级,并根据已知综合等级和岩体及地质因素等级确定工程因素的等级.

摘要： 通过医生诊断病人是否患流感的决策表为实例,对以元素个数及元素支持数2种方法确定的决策规则确定性因子进行对比,系统地阐明了以元素个数确定的决策规则中,不确定规则的确定性因子对医生诊断病症没有任何参考作用,从而引入了由大量历史数据确定的附带支持数的决策表,通过支持数确定的决策规则的规则确定性因子对医生诊断病症具有很好的参考价值.

摘要： 属性约简是粗糙集的一个核心研究课题,但经典属性约简及其延伸算法是基于有决策属性的决策表的属性约简算法,它们对无决策属性的决策表的属性约简无能为力.为此,本文以粗糙集理论为基础,对无决策属性的决策表从分形维数方面进行研究,提出了一种适用于无决策属性的决策表的启发式属性约简算法.该算法在一定程度上能够解决无决策属性的决策表的属性约简问题,进一步扩展了粗糙集理论的应用范围.实例表明该算法是有效可行的。

摘要： 本文将基于粗糙集的二进制粒矩阵的知识约简算法引入到基于SDG模型的故障诊断中，以离心泵与液位系统为例，用粒语言来描述和表达SDG故障诊断模型中的元素，建立反映故障—征兆因果关系的决策表，进而对冗余属性及属性值进行约简，有效地约简了SDG诊断规则，提高了故障诊断的效率。

摘要： 求解决策表最小属性约简是典型的NP-hard问题,现在还没有十分有效的方法解决这个问题.基于蚁群优化算法提出一种求决策表最小属性约简的启发式算法,该算法以信息熵作为启发式信息,充分利用了蚁群算法全局搜索和隐含并行性的特点,并通过相关的实验对比分析,证明了该算法的实际有效性.

摘要： 决策表是粗糙集理论和应用中的重要问题,是粗糙集研究的主要对象,因此决策表的属性约简的研究更为重要。本文在粗糙集理论的基础上,分析传统的盲目删除属性算法和基于属性重要度的属性约简算法,根据两种方法各自的优缺点,提出一种结合上述两种方法改进的基于属性重要度的属性约简算法,最后给出了基于属性重要度算法和改进后算法的时间复杂度分析,通过比较得出改进后算法的可行性。

摘要： 为了能够客观、有效的对电能质量做出评价，提出一种粗糙集和D-S证据理论相结合的电能质量综合评价方法。该方法结合粗糙集理论，通过定义决策强度和决策扩充规则，利用决策表获取D-S证据理论中的基本概率赋值，再应用证据理论的融合规则将电能质量各指标进行融合，得到各观测点电能质量的优劣排序，实现电能质量的综合评价。算例表明，该方法得到的电能质量综合评价结果更客观、合理，证明了方法的正确性和优越性。

摘要： 本文定义了近似空间上相对于某个特定集合的自同态映射,阐述了自同态映射的性质和判断定理,给出了近似空间上映射为自同态的条件,并进一步应用到决策表的压缩中,得到了在保持局部约简不变的前提下压缩决策表的条件.

摘要： 为了能够客观、有效的对电能质量做出评价,提出了一种基于粗糙集和D-S证据理论相结合的电能质量综合评价方法.该方法结合粗糙集理论,通过定义决策强度和决策扩充规则,利用决策表获取D-S证据理论中的基本概率赋值,再利用证据理论的组合规则将各个证据进行融合,实现电能质量的综合评价.最后通过算例表明,该方法可以有效的对不同地区的电能质量水平做出更为客观的评价.

摘要： 分析了当前一般属性约减算法的特点,给出了广义汉明距离、广义汉明距离矩阵、决策表最小广义汉明距的定义,在此基础上提出了一种保持决策表最小广义汉明距的属性约简算法.该算法对影响决策表最小广义汉明距的关键属性不进行约简,并约去非关键属性,从而有效保持了决策规则的抗噪声能力.仿真实验结果表明:与一般属性约减算法相比,保持决策表最小广义汉明距的属性约简算法的误识率显著下降.

摘要： 软件测试是软件工程中非常重要的一个环节,是保证软件质量的重要手段.本文主要从质量控制的角度,分析和探讨了低空空管系统的测试用例设计和测试方法选择.

摘要： 软件测试是软件工程中非常重要的一个环节,是保证软件质量的重要手段.本文主要从质量控制的角度,分析和探讨了低空空管系统的测试用例设计和测试方法选择.

摘要： 本发明提出了一种基于决策表的配电网计划孤岛在线划分方法。在线孤岛划分方法包括划分模型离线优化与决策表在线修正两个过程。在大停电发生前，定期执行划分优化模型离线得到最优划分方案；在大停电发生时，根据系统状态利用决策表对划分方案进行在线修正，使得负荷与电源功率实时匹配。为了加快求解速度，一方面采用线性化潮流方程与大M算法将划分模型简化为混合整数线性问题；另一方面，采用启发式算法生成决策表。所提在线孤岛划分方法可以实现故障瞬间系统不停电地平滑过渡到孤岛模式，有效提高了系统的供电可靠性与韧性。

摘要： 本发明公开了一种基于粗糙集信息决策表的基本概率赋值计算方法，包括步骤：1)将信息源中条件属性按粗糙集信息决策表中条件属性顺序进行排序；2)建立基于信息源的条件属性子集R’，并计算R’在粗糙集信息决策表中的不可分辨关系[x]R’，形成不可分辨关系集合IND(R’)；3)计算集合IND(R’)中各元素所属粗糙集信息决策表中不同决策属性的个数d；4)计算信息源对于粗糙集信息决策表中各决策属性的基本概率赋值P。本发明能够克服现有技术的缺点与不足，广泛用于证据理论中基本概率赋值的计算，通过从粗糙集信息决策表中提取一组不可分辨关系计算基本概率赋值，使得基本概率赋值的计算复杂程度相比传统方法大大减少，有利于粗糙集信息决策表的快速实现和响应。

摘要： 本发明参照模糊粗糙集的理论，提出一种基于决策表的模糊粗糙单调依赖数据挖掘方法，通过区间映射，重新定义了基于决策表的模糊单调依赖概念，用于挖掘条件属性和决策属性之间的模糊单调依赖关系，提出用模糊单调关系挖掘出对决策输出的增多或减少有重要影响的条件输入属性，而等价关系等方法由于自身的局限性不容易在输入与输出之间建立模糊单调关系，而模糊单调关系在复杂的输入输出环境中比等价关系和严格单调关系更加普遍，因此这种新方法改善了已有方法的局限性。

摘要： 本发明公开了一种基于决策表法的测试代码生成方法及装置，该方法包括：获取业务模型中一个或多个业务属性对象的取值范围；基于决策表法，根据各个业务属性对象的取值范围，生成约束值关系表，其中，约束值关系表中包含：多组约束值关系，每组约束值关系对应一个业务场景下各个业务属性对象之间的约束值关系；根据约束值关系表，生成一个或多个测试案例，其中，每个测试案例对应一组约束值关系；根据每个测试案例中各个业务属性对象的取值范围，以及各个业务属性对象之间的约束值关系，生成每个测试案例对应的测试代码。本发明基于决策表法，以可视化方式生成测试案例代码，减少了代码编写量，降低了测试门槛，能够实现业务逻辑场景的全覆盖。

摘要： 本发明提出了一种基于决策表的配电网计划孤岛在线划分方法。在线孤岛划分方法包括划分模型离线优化与决策表在线修正两个过程。在大停电发生前，定期执行划分优化模型离线得到最优划分方案；在大停电发生时，根据系统状态利用决策表对划分方案进行在线修正，使得负荷与电源功率实时匹配。为了加快求解速度，一方面采用线性化潮流方程与大M算法将划分模型简化为混合整数线性问题；另一方面，采用启发式算法生成决策表。所提在线孤岛划分方法可以实现故障瞬间系统不停电地平滑过渡到孤岛模式，有效提高了系统的供电可靠性与韧性。

摘要： 本发明公开了一种基于粗糙集信息决策表的基本概率赋值计算方法，包括步骤：1)将信息源中条件属性按粗糙集信息决策表中条件属性顺序进行排序；2)建立基于信息源的条件属性子集R’，并计算R’在粗糙集信息决策表中的不可分辨关系[x]

摘要： 本发明提供的决策表的分布及变精度局部约简方法，能够在满足对决策表的某个决策类进行属性约简的同时，降低计算复杂度。所述变精度局部约简方法包括：通过获取的决策表数据，确定用于局部属性约简的某个决策类；计算所述决策类的局部分布矩阵；计算所述局部分布矩阵的β截矩阵；根据预先设置的局部属性变精度约简的定义及得到的β截矩阵，计算所述决策类的分辨矩阵；根据得到的分辨矩阵，将相应的分辨函数，从主合取范式转换为主析取范式，得到全部的约简结果。本发明适用于粗糙集的属性约简。

摘要： 本发明提供一种基于粗糙集的适用于不完备决策表的规则提取方法，概述：输入要提取规则的集合B和用户感兴趣的属性集A；从未选择的属性集中选择某一属性，然后更新已选择属性集，利用已选择属性集，从未被规则集覆盖的对象中提取规则,并对提取到的规则进行简化；重复上述步骤，直到B的已选择属性SA的下近似和B的全部属性的下近似相等，或B中对象全部被规则覆盖，最后对规则集R进行简化，该方法可以直接从含有缺失值的数据中提取规则。

摘要： 本发明提供一种决策表下近似不变的局部属性约简定义及方法，能够在满足对决策表的某个决策类进行属性约简的同时，降低计算复杂度。所述定义包括：获取决策表(U,C∪D)，其中，U表示论域，C表示条件属性集，D表示决策属性集；确定论域U关于决策属性集D的商集，得到决策类Dl；设集合B为集合C的非空子集，若B满足预设的条件，则称B为C的关于决策类Dl的下近似不变的局部属性约简。所述方法包括：基于保持决策表下近似不变的属性约简算法，计算决策表的Dl决策类的分辨矩阵；根据得到的分辨矩阵，将相应的分辨函数，从主合取范式转换为主析取范式，得到局部属性约简的全部约简结果。本发明适用于粗糙集中决策表的属性约简。

摘要： 本发明参照模糊粗糙集的理论，提出一种基于决策表的模糊粗糙单调依赖数据挖掘方法，通过区间映射，重新定义了基于决策表的模糊单调依赖概念，用于挖掘条件属性和决策属性之间的模糊单调依赖关系，提出用模糊单调关系挖掘出对决策输出的增多或减少有重要影响的条件输入属性，而等价关系等方法由于自身的局限性不容易在输入与输出之间建立模糊单调关系，而模糊单调关系在复杂的输入输出环境中比等价关系和严格单调关系更加普遍，因此这种新方法改善了已有方法的局限性。