基于粗糙集的多目标线性规划分类规则提取研究  

Research on Rule Extraction from MCLP Classification Model Based on Rough Set

作　　者：张悦今[1,2] 张玲玲[3] 石勇[2] 

机构地区：[1]中央财经大学信息学院,北京100081 [2]中国科学院研究生院,虚拟经济与数据科学研究中心,北京100190 [3]中国科学院研究生院管理学院,北京100190

出　　处：《情报学报》2011年第6期591-597,共7页Journal of the China Society for Scientific and Technical Information

基　　金：国家自然科学基金（70921061 71071151 90718042 70840010 70531040）; 中国科学院研究生院院长基金（A类）（085102HN00）; 中央财经大学“211工程”三期资助;中央财经大学学科建设基金资助

摘　　要：作为一种有效地分类方法,多目标线性规划已经被广泛应用到商业问题中。针对以数学模型表示的分类结果解释性差的问题,本文研究从线形规划分类模型中提取易于理解的分类规则的方法,打开McLP分类模型的＂黑箱＂。并利用粗糙集理论对MCLP分类模型不能区分的不确定区域进行表示和规则提取,提出了基于粗糙集的MCLP分类模型知识提取方法和算法。实验结果表明,该方法能够从分类结果中提取易于理解的规则并提高了MCLP的分类准确度。As an effective model for classification,Multiple Criteria Linear Programming（MCLP）has been widely used in business intelligence.However,a possible limitation of MCLP is that it generates unexplainable black-box models which can only tell us results without reasons.To overcome this shortage,in this paper,we present a knowledge mining strategy based on rough set which mines explainable decision rules from black-box MCLP models.In the proposed approach,we use the rough set theory to express the uncertainty region.Finally,empirical studies on real world credit card data sets demonstrate that our method can effectively extract explicit rules from MCLP model and also improve the classification accuracy of MCLP.

关 键 词：多目标线性规划 分类 规则提取 粗糙集 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]