Multi-confidence rule acquisition oriented attribute reduction of covering decision systems via combinatorial optimization

بدست آوردن قانون یکی از مهمترین مسائل در مطالعه سیستم های تصمیم گیری از جمله تصمیم گیری سیستم ها است. معمولا یک سیستم تصمیم گیری پوشش، متناقض است، که می تواند منجر به نتیجه شود که برخی از قوانین حاصل از سیستم مشخص نیست اما قوانین احتمالی. با توجه به این واقعیت که علاوه بر قواعد خاص، قوانین احتمالی با اعتماد به نفس نیز در عمل برای تصمیم گیری مورد استفاده قرار می گیرند و قوانین جمع و جور بدون ویژگی های شرطی اضافی به راحتی می تواند توسط یک تصمیم گیرنده مورد استفاده قرار گیرد. ما در این مطالعه پیشنهاد می کنیم یک روش اعتماد به نفس حفظ رویکرد کاهش ویژگی به منظور استخراج از یک سیستم تصمیم گیری پوشش هر دو قوانین جمع و جور و قوانین جمع و جور ممکن است با درجه اعتماد به نفس آنها کمتر از یک مقدار آستانه از پیش تعیین شده است. علاوه بر این، یک الگوریتم بهینه سازی ترکیبی برای محاسبه تمام کاهش می یابد. بعضی از آزمایش های عددی بیشتر برای ارزیابی عملکرد روش پیشنهادی پیشنهاد شده است.