一种基于关系矩阵维度增量式约简算法

目前决策表的数据信息都是动态变化的,为了有效地对这些数据集进行属性约简处理,在改进的等价关系矩阵的基础上,提出一种增量式属性约简算法,决策表增加了一些属性,利用更新前决策表的等价关系矩阵和属性约简等信息,便能快速求解出更新后的决策表属性约简.实验结果进一步验证了该方法的有效性和正确性.     

基于二元矩阵的启发式属性约简算法

本文将基于分辨矩阵的二元矩阵和基于属性重要度的启发式属性约简算法结合起来,提出了一种新颖的针对不完备信息系统的属性约简算法。该算法用条件属性和决策属性之间的依赖度来度量属性重要度,进行启发式约简。该算法将属性约简问题转化为寻找能够覆盖决策属性的二元矩阵的二元矩阵集合问题。通过实例检验,该算法是有效的。     

混合数据的邻域区分度增量式属性约简算法

增量式属性约简是一种针对动态环境下的数据挖掘方法.目前已经提出的增量式属性约简算法仅适用于符号型的信息系统,而很少有对混合信息系统进行相关的研究,这促使在混合信息系统下构建相关的增量式属性约简算法.区分度是用于设计属性约简的一种重要方法,本文将传统的区分度在混合信息系统下进行推广,提出邻域区分度的概念,然后分别研究了邻域区分度在混合信息系统下对象增加和对象减少时的增量式学习,最后根据这种增量式学习分别提出了对应的增量式属性约简算法.UCI数据集上的相关实验结果表明,所提出的增量式属性约简比非增量式属性约简能够更快速的更新约简结果.     

基于对象增量的不完备混合信息系统动态属性约简算法

属性约简是粗糙集理论在信息处理和自动化控制领域中的重要应用,然而实际应用环境下,数据的采集是源源不断地并且采集到的数据包含了不同的数据类型,同时数据传输过程中也存在着数据丢失的情况,使得最终得到的信息系统是不完备混合类型的,并且时刻处于增加更新之中。针对这一情形,提出一种条件信息熵的不完备混合型信息系统动态属性约简算法。文中首先介绍了不完备混合型信息系统的条件熵模型以及条件熵的属性约简,然后提出了不完备混合型信息系统条件熵随论域增加时的增量式更新计算,该计算方法通过旧信息系统的条件熵进一步计算新信息系统的条件熵,理论证明了这种增量式计算具有很高的计算效率,最后基于这种增量式计算,设计出了条件熵的不完备混合型信息系统动态属性约简算法。实验分析表明,所提出的动态属性约简算法相比较于传统的静态属性约简算法具有很高的动态属性约简性能,同时与同类型的动态属性约简算法相比具有较好的优越性。     

信息系统属性约简的柔性差别矩阵

提出了一种柔性差别矩阵的概念与构造方法,利用柔性差别矩阵可直接对不完备信息系统、模糊属性信息系统以及Vague集属性信息系统进行属性约简,同时给出了相关的理论和应用举例.该研究结果也为实值属性信息系统利用差别矩阵进行属性约简提供了研究基础,对粗糙集的理论与应用研究具有新的意义.     

基于分明矩阵的序贯属性约简算法

根据决策表信息系统的分明矩阵及序贯思想,提出了序贯属性约简算法,该算法首先构造递增序列的分明函数,然后利用逐次增加的属性核对分明函数进行分支运算,并建立属性约简树,从而求出所有约简.该算法避免了大量的逻辑运算,实现了高维数据的高效属性约简.理论分析和实验结果表明该算法具有更高的运行效率.     

针对隐写分析冗余评估指标的属性约简算法

针对隐写分析评估指标体系中存在的知识冗余,提出了一种隐写分析评估指标的属性约简方法.在分析存在知识冗余的指标体系的基础上,采用BCC算法求出各评估指标初始区间及其约简,并用之将仿真实验数据离散化;之后将离散化矩阵作为HORAFA算法的输入,输出即得到最终的属性约简.仿真实验验证了该属性约简方法对冗余评估指标约简的有效性...     

一种基于粗糙集理论的双向选择属性约简算法

文章首先对粗糙集的基本理论进行了简要介绍,然后重点讨论粗糙集理论中的属性约简问题,在总结分析现有属性约简算法的基础上,提出了一种双向选择属性约简算法--BSARA,并用一个例子与其它算法进行了对比分析,结果表明该算法是可行和有效的.     

融合粗糙集与小生境免疫优化的属性约简方法

在粗糙集核属性的基础上,融合小生境免疫优化提出一种决策属性约简方法.将核属性参数作为抗体编码的先验信息,通过疫苗自适应提取算法对抗体群接种疫苗,提高抗体群多样性及稳定性.为降低属性约简的计算复杂度,引入属性集合的分类近似标准作为免疫优化的亲和度,采用小生境免疫共享机制动态调整抗体群的亲和力,提高算法局部搜索能力.通过免疫记忆算子操作促使优良个体的保存,在保证收敛速度的同时具有较强的全局和局部寻优能力.通过滚动轴承故障诊断及UCI数据集的属性约简实验,显示本算法在属性约简精度和效率方面具有较好效果.     

基于差别矩阵的属性约简算法

概述了两类属性约简算法，并基于可辨矩阵首次提出了差别矩阵的定义，研究了差别矩阵的基本性质，并给出了基于差别矩阵的属性约简算法，通过与其他算法的比较得出该算法是有所改进的。     

Generalized binary discernibility matrix for attribute reduction in incomplete information systems

To extract and express the knowledge hidden in information systems, discernibility matrix and its extensions were introduced and applied successfully in many real life applications. Binary discernibility matrix, as a representative approach, has many interesting superior properties and has been rapidly developed to find intuitive and easy to understand knowledge. However, at present, the binary discernibility matrix is mainly adopted in the complete information system. It is a challenging topic how to achieve the attribute reduction by using binary discernibility matrix in incomplete information system. A form of generalized binary discernibility matrix is further developed for a number of representative extended rough set models that deal with incomplete information systems. Some useful properties and criteria are introduced for judging the attribute core and attribute relative reduction. Thereafter, a new algorithm is formulated which supports attribute core and attribute relative reduction based on the generalized binary discernibility matrix. This algorithm is not only suitable for consistent information systems but also inconsistent information systems. The feasibility of the proposed methods was demonstrated by worked examples and experimental analysis.     

Extended Rough Set Model Based on Prior Probability and Valued Tolerance Relation

Based on equivalence relation,the classical rough set theory is unable to deal with incomplete information systems.In this case,an extended rough set model based on valued tolerance relation and prior probability obtained from incomplete information systems is firstly founded.As a part of the model,the corresponding discernibility matrix and an attribute reduction of incomplete information system are then proposed.Finally,the extended rough set model and the proposed attribute reduction algorithm are verified under an incomplete information system.     

属性约简的一种新计算方法

属性核的确定和属性约简是粗糙集理论研究的两个重要问题。目前的计算方法基本上是通过差别矩阵先求出属性核．然后在属性核的基础上再求出属性约简的。而这种方法具有较高的复杂度。因此在定义了相容样本集．证明了相对正域和相容样本集之间的等价性的基础上，提出属性约筒的一种高效方法。     

Jelonek属性约简算法的一个改进

受Jelonek粗糙集属性约简算法思想的启发,本文利用单属性的近似精度和Hu的差别矩阵方法,得到一个改进的属性约简算法.理论分析表明,该算法比Jelonek算法具有更低阶的计算复杂性.     

An Incremental Rule Acquisition Algorithm Based on Rough Set

1　Introduction　Rough set theory introduced by Pawlak (1982)[1] is avalid mathematical theory developed in recent years, whichhas the ability to deal with imprecise, uncertain, and vagueinformation. It has been used successfully in such field asmedicine, pharmacology, market analysis, engineering,pattern recognition, data mining etc. Pawlak showed that theproblems of machine learning could be explained, analyzedand disposed within the framework of rough set theory[2]. Inhis paper[2], t…     

基于粗糙集理论的规则提取方法

利用粗糙集理论从初始的数据库出发，进行离散化，属性约简和值约简，依次建造可辨识矩阵、约简表和规则表，从数据库中提取一定的规则。     

粗糙集在雷达辐射源识别中的应用

雷达辐射源识别既是雷达侦察系统中信号处理的重要内容,同时又为判断敌方武器威胁、战场态势评估提供依据。为准确解决辐射源识别问题,研究了粗糙集中基于可辨识矩阵和逻辑运算的属性约简算法,对决策表进行约简,减少了属性个数;并建立了一种基于粗糙集数据处理的雷达辐射源识别模型。最后用软件ROSE2对决策表进行属性值约简、提取规则,从而进一步识别新的雷达辐射源,结果验证了算法的合理性。     

一种改进的基于差别矩阵的属性约简算法

为解决决策表属性约简完备算法约简质量低的问题，在基于差别矩阵的属性约简完备算法的基础上，引入信息论中信息熵和互信息增益的定义，给出一种启发式属性约简完备方法，通过实例说明启发式信息可以提高完备算法的约简质量，比较不同启发信息对完备算法的约筒质量和约简效率。试验结果表明，采用基于信息论定义的两种启发信息的完备算法约筒效率基本一致，该算法较非启发式完备算法有更好的约简质量。     

粗糙集理论在学生综合评价中的应用研究

高中学生综合素质评价是一项复杂的工作,是一类带有大量不确定因素的半结构化或非结构化问题。为了改善现有的指标体系约简方法和属性权重确定方法的不足,提出了一种基于粗糙集理论的学生素质综合评价方法,该方法采用基于信息量的属性约简启发式算法,实现了评价指标的筛选,从而优化了指标体系;并基于约简指标的重要度信息确定权重,减少人为主观因素对评价结果的影响。通过例子分析,验证了该方法的可行性和实用性。