基于粗糙集的多标记决策系统知识获取方法

来源：计算机科学与探索杂志2015年第1期北京时间：

作者：余鹰，苗夺谦，赵才荣，王映龙

单位：1. 华东交通大学 软件学院，南昌 3300132. 同济大学 计算机科学与技术系，上海 2018043. 同济大学 嵌入式系统与服务计算教育部重点实验室，上海 2018044. 江西农业大学 软件学院，南昌 330013

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