基于辨识矩阵的不完备多粒度约简

面向具有缺失属性值的不完备数据,文中从辨识矩阵的角度构造不完备信息系统和不完备决策系统的多粒度约简结构.首先,讨论基于悲观和乐观多粒度近似的不完备信息系统的约简性质,构造不完备信息系统和不完备决策系统的3种多粒度辨识矩阵.然后,理论性证明通过对构造的辨识矩阵进行析取、合取逻辑运算,可精确得到不完备信息系统和不完备决策系统的所有多粒度近似约简.最后通过实例验证文中多粒度约简方法的有效性和实用性.     

一种专家系统知识获取时的属性值约简算法

知识获取是构造专家系统的"瓶颈",提供准确的推理知识是进行科学决策的关键。文中运用粗糙集理论,研究对决策表中每条记录的冗余条件属性值进行筛选并删除的属性值约简算法。首先研究属性值约简的理论基础,包括知识表示和知识约简与核两个方面;其次研究知识获取方式与知识获取过程;然后研究属性值约简算法,通过两个定义描述约简算法的基础上,给出了约简算法的5个步骤;最后以城市物流中心选址为例,运用属性值约简算法及其步骤,对决策表属性值进行约简。结果表明,属性值约简实现了决策表的最简化,突出了关键属性及其关键属性值对决策的影响。     

基于决策规则质量的属性值约简算法

属性值约简是粗糙集理论的核心内容之一。该文将属性值约简和数据挖掘相结合,给出了支持度、置信度、覆盖度的定义。在此基础上,提出了一个新的属性值约简算法—基于决策规则质量的属性值约简算法。通过算法复杂度分析说明,该算法在一定程度上解决了属性值约简的NP难问题。实例仿真表明该算法在解决一些相关实际问题方面是可行的,具有一定的实用价值。     

基于规则综合质量的属性值约简算法

属性值约简是粗集理论的核心内容之一.将属性值约简和数据挖掘相结合,给出支持度、置信度、覆盖度的定义.在此基础上,提出了一种新的属性值约简算法一基于规则综合质量的属性值约简算法.通过算法复杂度分析说明,该算法在一定程度上解决了属性值约简的NP难问题.实例仿真表明该算法在解决一些相关实际问题方面是可行的,具有一定的实用价值.     

粒矩阵及其在知识约简中的应用

知识约简是粗糙集理论精髓之一,目前有多种基于粗糙集理论的知识约简算法,相关研究基本集中在属性约简,对属性值的约简研究相对较少。在定义粒矩阵和矩阵运算的基础上,提出了基于粒矩阵的知识约简方法。它既能进行属性约简也能进行属性值约简,旨在把对属性值的逐行约简转化为对范畴的直接简化。算例表明了基于粒矩阵的知识约简方法的基本思想。     

一种非相容决策表的属性值与属性约简方法*

针对非相容决策表,本文提出一种新的属性值约简与属性约简方法,与传统数据约简方法不同的是,本文方法考虑属性值约简与属性约简之间的关联,该方法首先进行属性值约简,然后进行属性约简。这种数据约简方法在属性值约简阶段不需要频繁地与引起非相容的个体集比较,在属性约简阶段也不需要频繁地判断非相容性是否是由于非相容性的个体集所引起的,本文所要做的仅仅是执行一次删除操作。本文并证明其正确性,分析了其时间复杂度与空间复杂度,本文方法是有效可行的。     

一种改进的规则分辨矩阵及其属性值约简方法

属性值约简是粗糙集理论的重要研究内容之一,针对利用分辨矩阵求值约简的错误,提出了一种改进的规则分辨矩阵和值约简方法,主要考虑属性值约简可能导致新的不一致性问题。该矩阵区分与不一致规则的决策值相同的规则,从而避免了值约简出现错误规则的可能。     

一种基于辨识矩阵的启发式属性值约简新算法

属性值约简是Rough Sets知识约简的核心内容之一.针对经典算法存在的不足,对属性值约简的本质及过程进行了深入研究,在此基础上构造辨识矩阵,提出了一种启发式的属性值约简新算法,并对其正确性进行了分析和证明.实验表明该算法有效可行,不仅可以得到更加简练的决策规则,而且不破坏决策系统中不一致规则所蕴含的信息量,弥补了经典算法的不足.     

一种相容决策表的属性值与属性约简方法

针对相容决策表,另辟一种数据约简思路,与传统数据约简方法不同的是,本文方法考虑属性值约简与属性约简之间的关联,该方法首先进行属性值约简,然后再进行属性约简,本文并给予了充分的证明,而普通的方法并没有考虑它们之间的联系,并有许多冗余的比较操作。     

属性值细化的矩阵增量约简算法

现实生活中许多数据库都是动态变化的,为了获取新的知识,传统的方法需要重复计算,耗时巨大。为了克服这个缺陷,有效处理动态数据,许多学者提出了增量学习方法。针对决策表属性值动态变化,提出了基于属性值细化的矩阵增量约简算法,当一部分属性值被细化时,同非增量约简方法相比,增量方法能快速找到新的约简,最后通过UCI数据进行性能测试,实验仿真结果表明所提增量约简算法是有效的。     

基于粗糙集的专家系统知识库约简研究

基于粗糙集理论提出一种改进的属性值约简算法;首先针对粗糙集中两种属性重要度定义存在的不准确性问题,提出一种加权平均的属性重要度定义;接着将此定义引入改进的属性值约简算法之中,在求得决策表中属性值核后,用它指导后续属性值的添加问题;改进后的算法可以在保证约简效果的前提下,从不相容决策表中获得完整的解空间;最后通过约简某型专家系统知识库的实例验证了所提算法的有效性。     

入侵检测中的数据约简研究

为解决入侵检测中的数据约简问题,提出一种基于粗糙集的入侵检测数据约简算法,其中包括特征选择与属性值约简。特征选择部分采用互信息的方法消除冗余特征,属性值约简部分采用归纳值约简算法消除冗余属性值。实验结果表明,该方法不仅能缩短训练及检测时间,减小数据存储代价,还能提高分类精确度。     

基于Rough Set理论的一种属性值约简算法

属性值的约简是Rough Set理论的核心内容之一。它的口的就是在保持规则集的分类能力的条件下，删除多余属性值，进一步简化规则集。从而，得到最小的知识库。本文针对Rough Set理论中值约简这个重要问题进行了研究，提出了一种利用决策规则质量的属性值约简算法。该算法比现有的值约简算法更简化，并用实验证明了其有效性。     

基于属性值重要性的Rough集值约简算法

值约简是Rough集理论的一个重要研究课题。很多学者对它进行了研究并提出了不同的值约简算法,但是在执行效率上还有待提高。在启发式值约简算法基础上,结合属性值的重要性,提出了一种改进的基于属性值重要性的Rough集值约简算法,该算法在执行效率上有很大的提高,通过实例分析验证了该算法的可行性和有效性。     

属性与属性值合一的数据约简算法

提出一种数据约简算法.该算法从决策表中条件属性的等价类族考虑,分析决策值的等价类族,在约简过程中,可同时进行属性约简与属性值约简.与基于分析法或区分矩阵的传统约简等算法相比,本文算法可省略属性值约简中繁琐的比较过程,减少比较次数,提高约简效率.     

基于矩阵的最简决策规则获取

获取决策表规则时,通常需要进行属性约简和属性值约简。该文分析属性值约简,针对协调决策表提出一种通过构造决策矩阵直接获取最简规则的方法。将原来考虑条件属性集和决策属性集决定的等价类之间的关系,转变为仅考虑决策矩阵同行元素之间的代数关系。通过实例验证了该方法的可行性。     

基于属性值重要性的Rough集值约简算法

值约简是Rough集理论的一个重要研究课题。很多学者对它进行了研究并提出了不同的值约简算法,但是在执行效率上还有待提高。在启发式值约简算法基础上,结合属性值的重要性,提出了一种改进的基于属性值重要性的Rough集值约简算法,该算法在执行效率上有很大的提高,通过实例分析验证了该算法的可行性和有效性。     

基于粒度矩阵的非协调信息系统知识挖掘

非协调信息系统的知识挖掘是传统数据挖掘方法实践的难点和最重要的研究方向之一。本文在经典粗糙集理论的基础上进行粒计算结构的设计与相应的计算模型研究,提出了基于上述理论的粒度矩阵非协调信息系统知识挖掘方法。首先定义了保留冗余数据的粒度矩阵、决策规则的协调度算法,以及基于可控协调度的粒度矩阵的可导度计算方法,其次在该研究基础上设计了非协调信息系统的属性约简算法和属性值约简算法。最后的仿真实验和初步的企业应用验证了算法对非协调信息处理的鲁棒性和可用性。本研究为非协调信息系统的知识挖掘提供了一个有效的粒计算模型。     

基于属性值分类的多层次粗糙集模型

传统的粗糙集理论主要是针对单层次决策表的属性约简和决策规则获取研究.然而,现实中树型结构的属性值分类是普遍存在的.针对条件属性具有属性值分类的情况,结合全子树泛化模式,提出一种多层次粗糙集模型,分析决策表在不同层次泛化空间下相关性质.结合基于正区域的属性约简理论,提出属性值泛化约简概念讨论二者之间的关系,同时证明求解泛化约简是一个NP Hard问题.为此,提出一种基于正区域的的启发式泛化约简算法,该算法采用自顶向下逐步细化搜索策略,能够在保持原始决策表正区域不改变的前提下,将决策表所有属性值泛化到最佳层次.理论分析和仿真实验表明,泛化约简方法能提高知识发现的层次和泛化能力.     

直觉模糊序决策系统的部分一致约简

直觉模糊决策系统是模糊决策系统的扩展,其中条件属性值均为直觉模糊元。讨论属性值之间带有序关系的直觉模糊决策系统,即直觉模糊序决策系统。首先,引入直觉模糊序决策系统的部分一致约简,并证明了在一致直觉模糊序决策系统中,部分一致约简恰为相对约简,因此部分一致约简是相对约简在不一致直觉模糊序决策系统中的扩展。其次,给出求解直觉模糊序决策系统全部部分一致约简的部分一致辨识矩阵和辨识函数。然后,介绍了部分一致约简的两种等价形式:下约简和下近似约简。最后,用实例验证了约简计算方法的可行性。