偏序信息系统中基于属性优势度的一种全序化方法

摘要：

信息系统作为数据的一种描述框架，广泛存在于数据库模型、决策分析、模式识别与机器学习等领域。粗糙集理论是Pawlak Z于1982年提出的一种在信息系统框架下研究不完整、不确定知识表示及归纳推理的学习理论，但经典粗糙集理论不能处理具有偏好属性的信息系统，文提出了基于偏序关系扩展的粗糙集方法，并将其应用于偏序信息系统中。本文提出了一种基于属性优势度的全序化方法，分析对象在每个属性上的优劣关系，进而确定对象在偏序信息系统中的综合优势度，利用对象的综合优势度由高到低的顺序将偏序信息系统全序化，实例表明该方法有较好的排序结果。

关键词： 偏序信息 属性优势度 全序化法 数据库模型 模式识别 粗糙集

作者: 赵静 曹付元 梁吉业

作者单位: 计算智能与中文信息处理省部共建教育部重点实验室,太原 030006;山西大学计算机与信息技术学院,太原 030006 山西大学计算机与信息技术学院,太原 030006

会议类型: 国内会议

会议名称: 第七届中国Rough集与软计算、第一届中国Web智能、第一届中国粒计算联合会议(CRSSC-CWI-CGrC”2007)

会议地点: 太原

会议语种:中文

页码: 26-28

在线出版日期: 2007-08-01（万方平台首次上网日期，不代表论文的发表时间）