Decision evolution set is a theory to deal with evolution problem of decision rules in time series. Decision evolution set transfers the focus from static decision information system to dynamic time series,which is a new decision research method to study the evolution regulations in decision information system following the time variation. In the decision evolution set theory system,the forecast rules are accompanied by the real rules,so that the forecast rules inevitably have an impact on the real rules. In order to explain the relationship between forecast rules and real rules,in this paper,the convolution method is used to construct the evolution mixed matrix of forecast rules and real rules on time series,and the matrix is used to forecast and analyze the decision information system.
Keywords:rough set
;
forecast rules
;
real rules
;
convolution forecast
Hu Yuwen, Xu Jiucheng, Zhang Qianqian. Convolution forecast of decision evolution set. Journal of nanjing University[J], 2022, 58(1): 1-8 doi:10.13232/j.cnki.jnju.2022.01.001
随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析.
例2 对数据集的第一步预处理使用Xu et al[16]的方法,为了确保实验结果的可靠性,数据集都选自公共数据源.UCI数据集中常用的标准数据集wdbc,数据类型为数值型,样本数为569,基因数俄日30,类别为2.每50条数据记录作为一个时间粒进行粒度划分,获得粗糙约简后各个时间粒的约简规则.数据集中有30个基因数作为条件属性,分别用表示,决策属性用F来表示,得到表4.表中数字0表示对应的条件属性被约简,而1表示对应的条件属性未被约简.
Table 4
表4
表4经过预处理后的wdbc数据集中各属性的约简情况
Table 4 Reduction of attributes in the preprocessed wdbc database
Dynamic computing rough approximations approach to time?evolving information granule interval?valued ordered information system
1
2017
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
Fuzzy time?series model based on rough set rule induction for forecasting stock price
1
2018
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
A novel data partitioning and rule selection technique for modeling high?order fuzzy time series
1
2018
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
Dynamic rough?fuzzy support vector clustering
1
2017
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
A unified framework of dynamic three?way probabilistic rough sets
1
2017
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
多粒度时间序列下粒度决策的演化模型研究
3
2011
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
... 定义1[6] ...
... 定义2[6] ...
多粒度时间序列下粒度决策的演化模型研究
3
2011
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
... 定义1[6] ...
... 定义2[6] ...
12
2013
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
1
2010
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
决策表信息系统演化模型的回归分析预测算法
0
2010
决策表信息系统演化模型的回归分析预测算法
0
2010
粒度决策演化模型的决策稳定性研究
0
2012
粒度决策演化模型的决策稳定性研究
0
2012
决策演化集的纵向演化
0
2015
决策演化集的纵向演化
0
2015
决策演化集的膜结构
0
2017
决策演化集的膜结构
0
2017
决策演化集的垂直膜结构
0
2017
决策演化集的垂直膜结构
0
2017
决策演化集的膜结构抑制剂
1
2018
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...
决策演化集的膜结构抑制剂
1
2018
... 随着当今社会的快速发展,数据挖掘和人工智能受到越来越多的关注.在众多数据挖掘和人工智能方法中,粗糙集理论是处理复杂系统的有效方法,在信息科学领域非常活跃.同时,粗糙集理论被许多学者用作新的数据挖掘工具来分析时间序列问题.在粗糙集理论与时间序列相结合的理论研究方面,Yu et al[1]提出两种动态计算粗糙近似的方法,分别对删除或添加某些属性引起的时变信息粒间值有序信息系统进行动态计算,提高了粗糙近似处理动态数据的效率.Cheng and Yang[2]通过基于粗糙集规则归纳的模糊时间序列模型来对股票价格预测股票指数.然而,基于粗糙集理论的时间序列研究忽略了时间序列在时间序列数据动态演化中的相互关系.因此,有必要运用粗糙集理论,从时间序列的角度研究时间序列决策规则的变化规律,探讨决策信息系统的动态.从复杂性理论出发,在时间序列数据中,隐含了系统演化过程中所有变量的过去、现在和未来信息.即使是非周期性数据放在广义的时间序列下,它也受前一个时间点数据的影响,并影响下一个时间点数据.因此,从数据动态变化的角度出发,研究决策信息系统随时间演化的最终形式及其意义是值得的.Bose and Mali[3]提出一种基于粗糙模糊方法的新的数据分割技术来克服现有高阶模糊时间序列模型的缺点.Saltos et al[4]提出动态粗糙模糊支持向量聚类方法来跟踪聚类随着时间的推移可能经历的结构变化.Yang et al[5]提出一种统一的决策粗糙集动态框架,将其应用于增量式三支概率区域更新.为满足动态建立数据库的需要和克服粗糙集静态约简存在的局限性,胡玉文等[6]在粒度决策演化方面进行了相关研究.基于粒度决策演化模型,胡玉文等[7]对演化过程中的属性进行分类,提出决策演化集,建立粒度决策代数描述和粒度决策演化矩阵.文献[8-14]从几个方面研究了粒度决策演化模型和决策演化集,但尚未研究预测规则对实际规则的影响.本文使用卷积方法,把在同一时间点下的预测规则和实际规则组成演化混合矩阵,并通过该矩阵进行预测分析. ...