基于粗糙集的多标记决策系统知识获取方法

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。

关键词：粗糙集、多标记、决策系统、规则提取

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61273304;the Fundamental Research Funds for the Central Universities of China under Grant No.2013KJ010;the Natural Science Foundation of Jiangxi Province of China under Grant No.20132BAB201045;the Natural Science Fund of Jiangxi Agricultural University

在线出版日期：2015-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：94-104