第1章 绪论 1
1.1 背景介绍 1
1.1.1 产生背景 1
1.1.2 研究意义 4
1.2 国内外研究现状 5
1.2.1 不确定信息处理研究 5
1.2.2 不确定信息知识发现研究 7
1.2.3 粗糙集理论及应用研究 10
第2章 粗糙集及其相关理论 14
2.1 引言 14
2.2 粗糙集理论的基本概念 14
2.2.1 知识与知识库 14
2.2.2 不精确范畴与近似集 15
2.2.3 近似精度与分类质量 16
2.3 知识的约简与决策规则 17
2.3.1 知识的约简与核 17
2.3.2 知识的相对约简与相对核 18
2.3.3 知识的依赖性及依赖度 19
2.3.4 决策系统与决策规则 19
2.4 粗糙集扩展模型 20
2.4.1 概率粗糙集模型 20
2.4.2 相容粗糙集模型 21
2.4.3 相似粗糙集模型 22
2.4.4 限制容差关系粗糙集模型 23
第3章 决策系统中连续数据的离散化 24
3.1 引言 24
3.2 粗糙集中离散化问题描述 25
3.3 典型的连续属性离散化算法 26
3.4 基于布尔逻辑的离散化算法及其改进 31
3.4.1 基于布尔逻辑的离散化算法 31
3.4.2 改进的启发式离散化算法 34
3.4.3 算法分析 35
3.4.4 实验结果及分析 36
3.4.5 实例分析 36
3.5 基于改进粒子群优化算法的连续属性离散化 38
3.5.1 改进粒子群优化算法相关概念 38
3.5.2 粒子群优化算法及其改进 39
3.5.3 基于改进粒子群优化算法的连续属性离散化 40
3.5.4 算法分析 43
3.5.5 实验结果及分析 43
3.6 粗糙集离散化算法的评价 45
第4章 决策系统中不确定信息约简 47
4.1 引言 47
4.2 典型的属性约简算法 48
4.2.1 基于分辨矩阵的约简算法 48
4.2.2 基于属性依赖度的约简算法 49
4.2.3 基于互信息的启发式约简算法 50
4.2.4 基于遗传算法的属性约简算法 51
4.3 属性约简的一种新型启发式算法 52
4.3.1 相对分辨矩阵 52
4.3.2 算法理论基础 53
4.3.3 算法描述 56
4.3.4 算法分析 57
4.3.5 实例分析 58
4.4 基于属性区分频度的约简改进算法 61
4.4.1 求异矩阵 61
4.4.2 算法原理 64
4.4.3 算法描述 65
4.4.4 算法分析 66
4.4.5 实例分析 67
第5章 决策系统中不确定信息知识挖掘 70
5.1 引言 70
5.2 典型的决策规则获取算法 71
5.2.1 一般值约简算法 71
5.2.2 基于决策矩阵的规则获取算法 72
5.2.3 基于投影的缺损规则获取算法 72
5.3 全局寻优的完备信息系统规则获取算法 73
5.3.1 连续属性离散化 74
5.3.2 属性约简 74
5.3.3 属性值约简 75
5.3.4 算法描述 76
5.3.5 决策解释 76
5.3.6 算法分析 77
5.3.7 实例分析 78
5.4 不完备信息系统的规则获取算法 81
5.4.1 不完备信息系统与广义决策函数 81
5.4.2 条件属性矩阵和决策属性矩阵 83
5.4.3 基于矩阵的不完备信息决策系统规则获取算法 84
5.4.4 算法分析 86
5.4.5 实例分析 86
第6章 不确定信息处理在城市交通管理中的应用 91
6.1 引言 91
6.2 城市交通管理中的不确定性因素分析 92
6.3 城市交通管理中交通流状态识别概述 94
6.3.1 交通流状态模式识别 94
6.3.2 交通流状态模式识别过程 94
6.3.3 交通流状态模式识别方法 96
6.4 基于不确定信息的交通流状态模式分类 97
6.4.1 特征属性选取 97
6.4.2 交通流状态模式分类知识发现 98
6.4.3 集成分类系统 100
6.5 应用实例分析 102
6.5.1 数据来源及预处理 102
6.5.2 特征属性约简 104
6.5.3 交通流状态模式分类知识发现 106
6.5.4 交通流状态模式分析与预测 107
参考文献 109