基于“不可区分相似优势”关系的定序分类模型

J4 ›› 2012, Vol. 34 ›› Issue (9): 143-148.

基于“不可区分相似优势”关系的定序分类模型

钱慎一,李红婵

(郑州轻工业学院计算机与通信工程学院,河南郑州 450002)

收稿日期:2012-04-13 修回日期:2012-06-20 出版日期:2012-09-25 发布日期:2012-09-25

Sequencing Classification Model Based on IndiscernibilitySimilarityDominance Relation

QIAN Shenyi,LI Hongchan

(School of Computer and Communication Engineering,
Zhengzhou University of Light Industry,Zhengzhou 450002,China)

Received:2012-04-13 Revised:2012-06-20 Online:2012-09-25 Published:2012-09-25

摘要/Abstract

摘要：

经典粗糙集方法的优点在于能够通过不可区分关系来获取知识，但其不足之处在于不能够处理定性属性、定量属性以及准则属性同时出现的定序分类问题。为此，本文对经典粗糙集进行扩展并提出了一个新的决策分析方法，该方法采用“不可区分相似优势”关系来代替经典粗糙集中的不可区分关系以获取知识的粗糙近似，从而不但能够解决上述定序分类问题，而且还能处理决策表中可能存在的不一致现象。实例验证了该方法的有效性与优越性。

关键词: 粗糙集, 定序分类问题, 不可区分相似优势&rdquo, 关系, 决策分析方法

Abstract:

The classic rough set theory can solve problems by means of indiscernibility relation,but it is powerless to resolve the sequencing classification problems that contain qualitative attributes and quantitative attributes as well as criterias.In view of this situation,thelassic rough set theory is firstly extended,and then,a decision analysis method based on the extended rough set theory is proposed.This method replaces the indiscernibility relation in the original rough set theory by the "indiscernibilitysimilaritydominance" relation and obtains rough approximation of knowledge.The effectiveness and superiority of the method are demonstrated by a real example.

Key words: rough set;sequencing classification problem;indiscernibilitysimilaritydominance relation;decision analysis method

钱慎一,李红婵. 基于“不可区分相似优势”关系的定序分类模型[J]. J4, 2012, 34(9): 143-148.

QIAN Shenyi,LI Hongchan. Sequencing Classification Model Based on IndiscernibilitySimilarityDominance Relation[J]. J4, 2012, 34(9): 143-148.

[1]	赵瑞平, 降爱莲. 基于自编码器和局部嵌入的无监督特征选择[J]. 计算机工程与科学, 2023, 45(07): 1282-1291.
[2]	排日旦·阿布都热依木, 吐尔地·托合提, 艾斯卡尔·艾木都拉, . 基于深度学习的实体关系抽取方法研究[J]. 计算机工程与科学, 2023, 45(05): 895-902.
[3]	余杰, 纪斌, 吴宏明, 任意, 李莎莎, 马俊 , 吴庆波. 一种基于span的实体和关系联合抽取方法[J]. 计算机工程与科学, 2022, 44(03): 502-508.
[4]	赵路瑶, 王海辉, 李平. 几类带空转移的n元伪加权自动机的关系[J]. 计算机工程与科学, 2022, 44(02): 364-371.
[5]	骆公志, 陈佳馨. 多源覆盖信息系统下的加权广义多粒度粗糙集模型及其应用[J]. 计算机工程与科学, 2021, 43(12): 2231-2237.
[6]	马俊, 周凯, 任怡, 朱浩, 秦莹, 王静. 面向操作系统版本构建的软件包依赖关系分析[J]. 计算机工程与科学, 2021, 43(11): 1926-1933.
[7]	李雨晨, 魏巍, 白伟明, 王达. 基于标签共现关系的多标签特征选择[J]. 计算机工程与科学, 2021, 43(11): 2049-2055.
[8]	谢明鸿, 冉强, 王红斌, . 基于同义词词林和规则的中文远程监督人物关系抽取方法[J]. 计算机工程与科学, 2021, 43(09): 1661-1667.
[9]	熊中敏, 汪博, 陶然, 郑宗生, 陈明, . 一种基于主属性判定的关联规则挖掘约简算法[J]. 计算机工程与科学, 2021, 43(04): 738-745.
[10]	张琦, 张祖凡, 甘臣权. 融合社会关系的社交网络情感分析综述[J]. 计算机工程与科学, 2021, 43(01): 180-190.
[11]	姜春茂, 刘安鹏. 三支决策视角下的属性约简加速方法[J]. 计算机工程与科学, 2020, 42(12): 2280-2286.
[12]	闫雄, 段跃兴, 张泽华. 采用自注意力机制和CNN融合的实体关系抽取[J]. 计算机工程与科学, 2020, 42(11): 2059-2066.
[13]	王虹, 李敏赢. 局部广义多粒度粗糙集[J]. 计算机工程与科学, 2020, 42(08): 1463-1471.
[14]	刘辉, ., 曾斌, 刘子恺. 融合邻居选择策略和信任关系的兴趣点推荐[J]. 计算机工程与科学, 2020, 42(02): 365-372.
[15]	庄传志1,2，靳小龙1,2，李忠1,2，孙智1,2. 基于注意力机制的混合神经网络关系分类方法[J]. 计算机工程与科学, 2020, 42(01): 64-70.