基于容差优势关系的排序方法及其应用

doi:10.11772/j.issn.1001-9081.2014.08.2170

计算机应用 ›› 2014, Vol. 34 ›› Issue (8): 2170-2174.DOI: 10.11772/j.issn.1001-9081.2014.08.2170

• 第五届中国数据挖掘会议(CCDM 2014)论文 • 上一篇下一篇

基于容差优势关系的排序方法及其应用

陈万翠¹,吕跃进¹,翁世洲²,³

1. 广西大学数学与信息科学学院，南宁530004；
2. 广西民族师范学院经济与管理系，广西崇左532200
3. 广西大学电气工程学院，南宁530004;

收稿日期:2014-05-07 修回日期:2014-05-14 发布日期:2014-08-10 出版日期:2014-08-01
通讯作者: 吕跃进
作者简介:陈万翠（1990-），女，云南文山人，硕士研究生，主要研究方向：粗糙集、运筹与控制；吕跃进(1958-)，男，广东龙川人，教授，主要研究方向：粗糙集、运筹与控制；翁世洲(1988-)，男，湖北宜昌人，硕士研究生，〖BP(〗助教，〖BP)〗主要研究方向：管理决策、粗糙集。
基金资助:
国家自然科学基金资助项目;广西自然科学基金资助项目;广西研究生教育创新计划资助项目

Sorting method and its application based on tolerance dominance relation

CHEN Wancui¹,LYV Yuejin¹,WENG Shizhou²,³

1. College of Mathematics and Information Sciences, Guangxi University, Nanning Guangxi 530004, China;
2. Economic and Management Department, Guangxi Normal University for Nationalities, Chongzuo Guangxi 532200, China
3. College of Electrical Engineering, Guangxi University, Nanning Guangxi 530004, China;

Received:2014-05-07 Revised:2014-05-14 Online:2014-08-10 Published:2014-08-01
Contact: LYV Yuejin

摘要/Abstract

摘要：

针对序信息系统下经典优势关系过于严格从而可能导致排序方法失效的问题，首先，提出了容差优势关系的概念并对其相关性质予以研究；然后，基于容差优势关系，给出优势度的定义，并提出基于容差优势关系的方案排序方法；最后，将该方法应用于智能电网的综合评价中。实验结果表明：相比经典优势关系，容差优势关系对数据具有更强的容错能力，排序结果具有较强的区分度。容差优势关系的提出，能有效避免经典优势关系因属性个数较多、属性值互有优劣时可能引起的失效问题。

Abstract:

Concerning at the problems that the classical dominance relation is too strict under the ordered information system which may lead to failure of the sorting method, the concept of tolerance dominance relation was proposed and its relevant properties were studied. Then basing on tolerance dominance relation, the definition of dominant degree was obtained and a project sorting method based on the tolerance dominance relation was proposed. In the end the sorting method was applied to the comprehensive evaluation of smart grid. The experimental results show that, compared with the classical dominance relation, the tolerance dominance relation possesses stronger capability of fault tolerance for the data. And the sorting results have stronger differentiation degree. The proposed tolerance dominance relation can effectively avoid the problem of failure that caused by a large number of attributes and the different merits of attribute values in the classical dominance relation.

中图分类号:

TP301
O236

陈万翠吕跃进翁世洲. 基于容差优势关系的排序方法及其应用[J]. 计算机应用, 2014, 34(8): 2170-2174.

CHEN Wancui LYV Yuejin WENG Shizhou. Sorting method and its application based on tolerance dominance relation[J]. Journal of Computer Applications, 2014, 34(8): 2170-2174.

参考文献

［1］PAWLAK Z. Rough sets ［J］. International Journal of Computer and Information Science, 1982, 11(5): 341-356.
［2］LI J, LYU Y. Quick attribute reduction algorithm on decision system ［J］. Journal of University of Electronic Science and Technology of China, 2007, 36(6): 1237-1240.(李金海，吕跃进.决策系统的快速属性约简算法［J］.电子科技大学学报,2007,36(6):1237-1240.)
［3］ZHANG W, LIANG Y, WU W. Information system and knowledge ［M］. Beijing: Science Press, 2003.(张文修,梁怡,吴伟志.信息系统与知识发现［M］.北京:科学出版社,2003.)
［4］XU J, LI X, SUN L. An image semantics retrieval method based on probability rough set model ［J］. Journal of Nanjing University: Natural Sciences, 2011, 47(4): 438-445.(徐久成,李晓艳,孙林.一种基于概率粗糙集模型的图像语义检索方法［J］.南京大学学报:自然科学版,2011,47(4):438-445.)
［5］CHEN Y, WU K, XIE R. Reduction for decision table based on relative knowledge granularity ［J］. Journal of Shandong University: Engineering Science, 2012, 42(6): 8-12.(陈玉明,吴克寿,谢荣生.基于相对知识粒度的决策表约简［J］.山东大学学报:工学版,2012,42(6):8-12.)
［6］LYU Y, WENG S, HE C. Attributes reduction algorithm based on discernible Boolean matrix and association rule mining ［J］. Computer Applications and Software, 2012, 29(10): 40-43.(吕跃进,翁世洲,何朝丽.基于布尔区分矩阵与关联规则挖掘的属性约简算法［J］.计算机应用与软件,2012,29(10):40-43.)
［7］GRECO S, MATARAZZO B, SOWISKI R. Rough sets theory for multicriteria decision analysis ［J］. European Journal of Operational Research, 2001, 129(1): 1-47.
［8］GRECO S, MATARAZZO B, SOWISKI R. Rough approximation by dominance relation ［J］. International Journal of Intelligent Systems, 2002, 17(2): 153-171.
［9］ZHANG W, QIU G. Uncertain decision making based on rough sets ［M］. Beijing: Tsinghua University Press, 2005.(张文修,仇国芳.基于粗糙集的不确定决策［M］.北京:清华大学出版社,2005.)
［10］JIA X, YU S, SHAN L, et al. Research on the dominance-based rough set approach ［J］. Computer Science and Technology, 2008, 35(8): 109-111.(贾修一,于绍越,商琳,等.基于优势关系的粗糙集应用研究［J］.计算机科学,2008,35(8):109-111.)
［11］WENG S, LYU Y, MO J. Ranking model and its order-preserving reduction theory based on dominance relations ［J］. Journal of Guangxi Normal University: Natural Science Edition, 2013, 31(3): 37-44.(翁世洲,吕跃进,莫京兰.基于优势关系的排序模型及其保序性约简理论［J］.广西师范大学学报:自然科学版,2013,31(3):37-44.)
［12］WEI B, LYU Y, LI J. Attribute reduction based on rough set model under α dominance relation ［J］. CAAI Transactions on Intelligent Systems, 2014, 9(2): 251-258.(韦碧鹏,吕跃进,李金海.α优势关系下粗糙集模型的属性约简[J].智能系统学报,2014,9(2):251-258.)
［13］SUN Q, GE X, LIU L, et al. Multi-attribute network process com-prehensive evaluation method for smart grid and its application ［J］. Power System Technology, 2012, 36(10): 49-54.(孙强,葛旭波,刘林,等.智能电网多属性网络层次组合评价法及其应用研究［J］.电网技术,2012,36(10):49-54.)
［14］ZHANG H, HAN D, LIU Y, et al. Smart grid evaluation based on anti-entropy weight method ［J］. Power System Protection and Control, 2012, 40(11): 24-29.(张海瑞,韩冬,刘玉娇,等.基于反熵权法的智能电网评价［J］.电力系统保护与控制,2012,40(11):24-29.)
［15］LI C, LI P, LU G. Comprehensive evaluation of smart grid operation risk based on fuzzy number similarity ［J］. East China Electric Power, 2012, 40(9): 1486-1489.(李存斌,李鹏,陆龚曙.基于模糊数相似度的智能电网运营风险综合评价［J］.华东电力,2012,40(9):1486-1489.)
［16］ZHANG J, PU T, WANG W, et al. A comprehensive assessment index system for smart grid demonstration projects ［J］. Power System Technology, 2011, 35(6): 5-9.(张健,蒲天骄,王伟,等.智能电网示范工程综合评价指标体系［J］.电网技术,2011,35(6):5-9.)
［17］GAO X, YAN Z. Comprehensive assessment of smart grid con-struction based on principal component analysis and cluster analysis ［J］. Power System Technology, 2013, 37(8): 2238-2243.(高新华,严正.基于主成分聚类分析的智能电网建设综合评价［J］.电网技术,2013,37(8):2238-2243.)

[1]	侯阳张琼赵紫煊朱正宇张晓博. 基于YOLOv5s的复杂场景下高效烟火检测算法——YOLOv5s-MRD[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	黄亚伟, 钱雪忠, 宋威. 基于双档案种群大小自适应方法的改进差分进化算法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3844-3853.
[3]	蒋鸿儒, 方巍. 深度学习在气象数据订正中的应用综述[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3930-3940.
[4]	张奇业, 曾心蕊. 带高斯核的支持向量数据描述问题的高效积极集法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3808-3814.
[5]	罗蒙高超王震. 基于带约束谱聚类的启发式车辆路径规划算法优化方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[6]	曹晓意罗煦琼李景贺恩锋. 改进人工势场法下的多无人机编队路径规划方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[7]	袁志超杨磊田井林魏晓威李康顺. 面向复杂约束多目标优化问题的双种群双阶段进化算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[8]	冷琴, 毛政元. 考虑设施规模决策的两级选址-路径优化[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3513-3520.
[9]	彭庆媛, 王晓峰, 王军霞, 华盈盈, 唐傲, 何飞. 可满足性问题相变研究综述[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3503-3512.
[10]	黄杰, 武瑞梓, 李均利. 高效的自适应复杂网络鲁棒性优化算法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3530-3539.
[11]	孙仁科, 皇甫志宇, 陈虎, 李仲年, 许新征. 神经架构搜索综述[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 2983-2994.
[12]	孙安泰, 刘烨, 徐冬梅. 多智能体系统的动态面渐近补偿算法[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3151-3157.
[13]	颜超英, 张紫仪, 曲映楠, 李秋禹, 郑地翔, 孙丽珺. 基于联盟链的双向拍卖碳交易[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3240-3245.
[14]	杨志龙邹德旋李灿邵莹莹马乐杰. 融入限制反向学习与柯西-高斯变异的蜣螂优化算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[15]	姚光磊, 熊菊霞, 杨国武. 基于神经网络优化的花朵授粉算法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2829-2837.

基于容差优势关系的排序方法及其应用

Sorting method and its application based on tolerance dominance relation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics