邓大勇
- 作品数：37 被引量：115H指数：8
- 供职机构：浙江师范大学更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金浙江省科技计划项目更多>>
- 相关领域：自动化与计算机技术理学文化科学更多>>
- 基于F-粗糙集的三支决策模型被引量：5
- 2013年
- 三支决策粗糙集模型进行决策时,往往将数据集中在一个信息表中,从整体角度分析客观事物并对其进行决策.然而在多人决策这种情况中,不同的人由于其自身知识不同会对同一事物做出不同的决策,这体现了局部性认识与决策过程.为了能从整体和局部认识事物并做出合理的最终决策,提出了基于F-粗糙集的三支决策模型,并给出了一个疑难杂症的医疗诊断过程中具体应用该模型的例子.
- 张宁邓大勇裴明华
- 关键词：信息表
- 一种求解多目标优化问题的协同演化算法被引量：2
- 2007年
- 提出了一种求解多目标优化问题的协同演化算法.新算法改进了Kwee-Bo的协同演化的思想,将混合策略演化规划用于协同演化过程中,混合策略指导算法有效搜索过程,两个种群协同优化目标函数.标准测试函数的数值实验验证了新算法的有效性.
- 董红斌黄厚宽邓大勇
- 关键词：多目标优化PARETO最优前沿
- 多粒度粗糙集的双层绝对约简被引量：3
- 2016年
- 多粒度粗糙集本质上是异构的,但是目前尚未运用于异构数据处理.从绝对约简的角度出发,提出多粒度粗糙集的双层绝对约简——多粒度绝对约简和多粒度绝对粒度约简.分析多粒度双层绝对约简的性质,特别是从异构数据约简的角度探究多粒度双层绝对约简的特性,提出多粒度双层绝对约简算法.理论分析和实例表明多粒度双层绝对约简算法的可行性.
- 邓大勇黄厚宽
- 关键词：粗糙集多粒度粗糙集
- 全粒度粗糙集属性约简被引量：3
- 2018年
- 全粒度粗糙集是一种动静结合的粗糙集模型,在一定程度上可以表示人类认识的复杂性、多样性和不确定性.文中定义概念的全粒度属性约简,完善全粒度粗糙集属性约简的定义.探索概念的全粒度属性约简、全粒度绝对约简及全粒度Pawlak约简的性质,指明这些属性约简之间的关系,有助于全粒度属性约简的实际应用及启发式算法的产生.
- 邓大勇
- 关键词：属性约简
- 决策系统中约简的不一致分析被引量：2
- 2010年
- 提出了用于刻画不一致程度的概念——不一致层次,讨论了不一致层次的性质;用3种粗糙集模型对决策系统中由约简引起的分类率、分类正确率、未分类率和不一致层次的变化进行了讨论.讨论结果对粗糙集理论的研究和实际应用具有一定的指导作用.
- 邓大勇
- 关键词：粗糙集可变精度粗糙集
- 知识系统中全粒度粗糙集及概念漂移的研究被引量：8
- 2019年
- 概念漂移探测是数据流挖掘的一个研究重点,不确定性分析是粗糙集理论的研究核心之一.大数据、数据流中存在不确定变化和概念漂移现象,但是,除F-粗糙集外,几乎所有的粗糙集模型都是静态模型或半动态模型,专注于各种不确定性研究,难以处理不确定性变化,也难以探测概念漂移.结合量子计算、数据流、概念漂移和粗糙集、F-粗糙集的基本观点,以上、下近似为工具,定义了知识系统中的全粒度粗糙集和上、下近似概念漂移,上、下近似概念耦合等概念,探讨了全粒度粗糙集的性质,分析了知识系统内概念的全局变化.全粒度粗糙集继承了Pawlak粗糙集和F-粗糙集的基本思想,以上、下近似簇为工具表示了概念在知识系统内的各种可能变化.用嵌套哈斯图表示了概念不同情况下的同一性和差异性:同一层内的表示没有发生概念漂移,不同层内的表示发生了概念漂移.以正区域为工具,定义了决策表中的全粒度正区域和概念漂移、概念耦合等概念,探究了全粒度正区域的性质,分析了决策表内整体概念的全局变化.全粒度正区域表示了决策表中各种可能情况下的正区域,用嵌套哈斯图表示了正区域簇的同一性和差异性:同一层内没有发生相对于正区域的概念漂移,不同层内发生了相对于正区域的概念漂移.在全粒度粗糙集意义下,定义了全粒度绝对约简、全粒度值约简、全粒度Pawlak约简等属性约简,并探讨其性质.与大部分的属性约简不同(仅仅与并行约简和多粒度约简类似),全粒度属性约简要求概念的所有可能表示不发生概念漂移.进一步探讨了属性约简的优缺点,属性约简使得概念的表示变得单一,冗余属性的存在增加了概念表示的丰富性、多样性.在认识论方面,以粗糙集和粒计算为工具分析了人类认识世界的局部性与全局性,对人类认识世界的方式进行了进一步探�
- 邓大勇卢克文苗夺谦黄厚宽
- 关键词：概念漂移偏序关系
- 不一致决策系统中约简之间的比较被引量：31
- 2007年
- 本文在相关文献的基础上研究了不一致决策系统中绝对约简、各种相对约简之间的关系,包括相对于个体的约简和相对于整个决策系统的约简.证明了μ-决策约简等价于信息论意义下的相对约简.
- 邓大勇黄厚宽李向军
- 关键词：粗糙集决策系统相对约简信息熵
- 理想信息系统及粗糙集模型的统一被引量：1
- 2022年
- 粒计算是人工智能的重要方法.为了解决粒计算的基本问题——信息粒及其表示能力,提出了信息粒和信息粒基等概念,并探讨了它们的性质.从传统集合论和离散数学的角度出发,提出了理想信息系统假设,给出了信息粒基表示能力的计算方法及其数学性质;初步回答了“什么是信息粒?”“各种粗糙集模型是否可以统一?”等问题.研究结果为粒计算的进一步发展奠定了一定的数学基础.
- 邓大勇唐雨朋杜巧连
- 关键词：粒计算粗糙集
- 增量式概念漂移适应与收敛
- 2021年
- 概念漂移是数据流挖掘的一个研究热点与难点,判断认知收敛是研究盲区.粗糙集已被应用于概念漂移探测,但存在适应性问题,缺少增量式概念漂移的相关研究.针对上述问题,运用粗糙集理论,从单条决策规则和整体决策系统的角度出发,引入决策优势函数与漂移度,对增量式概念漂移的适应与认知收敛问题作了较为深入的研究,提出一种基于决策支持度阈值的增量式规则更新算法.理论分析与仿真实验表明:新算法在适应概念漂移和学习新知识时较其他算法更为敏感且高效,对概念飘移的研究策略有效可行.
- 邓大勇吴越刘月铮
- 关键词：粗糙集增量式学习概念漂移
- 信息表中概念漂移与不确定性分析被引量：4
- 2016年
- 概念漂移探测是数据流挖掘的一个研究重点,不确定性分析是粗糙集理论的研究核心之一.结合数据流、概念漂移和粗糙集、F-粗糙集的基本观点,以上下近似为工具,定义了上下近似概念漂移、上下近似概念耦合等概念,据此分析了信息表内概念随着属性而变化的特点.以正区域为工具,定义了决策表内概念漂移、概念耦合等概念,分析了决策表内整体概念随属性变化而变化.在认识论方面,从理想和现实2方面定义了认识收敛,从粒计算、粗糙集的角度对人类认识世界的方式进行了探讨.
- 邓大勇苗夺谦黄厚宽
- 关键词：粗糙集概念漂移属性约简
