可信度差别矩阵及其属性约简

针对决策表中因存在不一致数据而造成求核和属性约简的错误,引入对象可信度的定义,并将其添加到决策表中,以区分不一致和一致对象;然后,给出差别矩阵的定义,以及基于该差别矩阵的核属性和属性约简定义,同时证明了由该定义获得的核和属性约简与正区域的核和属性约简是等价的;最后,设计属性约简算法及其改进算法,并通过实例和实验验证了算法的有效性。     

分类算法中基于差别矩阵的属性约简方法

差别矩阵中会出现大量的重复元素占用大量内存,当数据太稠密时,构成的差别矩阵太大不容易操作且计算代价较高。本文提出了一种基于简化差别矩阵的属性约简算法（SDMAR）,在属性约简之前,通过计算属性相似度,对属性进行了合并操作,得到简化决策表。根据简化决策表构造差别矩阵,计算差别矩阵中出现次数最多的属性并删除包含该属性的元素,当差别矩阵为空时终止操作,以达到对决策表属性约简的目的。通过算法及实例分析得到属性约简过程的时间复杂度有所减小。     

基于布尔差别矩阵逻辑运算的属性约简

针对差别矩阵属性约简存在的不足,首先将决策表简化,并引入布尔差别矩阵定义及其逻辑运算方法;然后给出基于布尔差别矩阵核属性和属性约简的定义,同时证明了该核属性和属性约简与正区域的核属性和属性约简是等价的;接着,设计基于属性布尔差别矩阵逻辑运算的属性约简算法,算法的时间和空间复杂度均为O(|C||U/C|2)。最后,通过实例和实验验证本文算法的正确性和高效性。     

水平划分决策表的属性约简算法

差别矩阵属性约简是粗糙集重要约简方法之一,但在处理不一致大数据集时存在不足。为此,提出了决策差别矩阵的概念,并给出基于决策差别矩阵的属性约简定义,同时研究了由该定义获得的约简与正区域约简之间的等价性。为了提高求解效率,给出水平划分决策表的方法,指出将划分的子决策表分配到不同的网络节点上,基于子决策差别矩阵可并行完成核属性和属性约简;并设计了并行约简算法。实例分析和UCI中数据集的实验比较表明所提出的约简算法是正确的、高效的。     

一种基于分辨矩阵的属性约简改进算法

运用粗糙集理论,对基于分辨矩阵的属性约简,提出了一种改进算法.该算法通过对分辨矩阵的简化处理,化简分辨函数,快速求解分辨函数的最小析取范式,从而得到决策表的核和所有约简.该算法简化了分辨函数的求解过程,经实例验证该算法简单、快速、有效.     

面向对象修改的核属性更新算法

决策表中的对象被修改,核属性将会发生变化,需要对核属性及时更新。为此,首先,构造决策表等价类链表存储结构,并引入基于该存储结构的简化决策表定义和基于简化决策表的核属性定义;同时证明了该核属性与正区域核属性是等价的。然后,讨论修改指定对象情况下核属性更新方法,并给出相应的算法实现;算法以简化决策表为基础,仅需对等价类链部分搜寻,查找待修改对象,缩小了查找范围,提升了算法效率;另外,采用核属性计数方法,避免可分辨矩阵的存储,降低了空间复杂度。最后,通过实例验证了该算法的有效性。     

基于差别对象对的属性约简算法

属性约简是粗糙集理论的核心问题之一,当问题的规模比较大时,基于差别矩阵的属性约简算法存放差别矩阵的空间过大,相应地,其时间复杂度也比较高.针对这一问题,提出了基于差别对象对的改进属性约简算法,由于该算法不再需要存储差别矩阵,因而降低了存储量和计算量,从而提高了算法的效率.     

基于知识粒度的增量约简算法

在现实中,许多数据库都是动态变化的,非增量约简方法处理这些数据需要花费大量的时间和空间。增量技术是处理动态数据的有效方法。首先介绍了计算知识粒度的增量机制,然后提出了基于知识粒度的增量约简算法,当一些对象增加到决策表时,能够利用原有决策表的知识粒度和约简,快速计算出增加对象后的知识粒度和约简,并通过理论分析验证了增量方法可以减少计算属性约简的时间复杂度,最后用增量方法和非增量方法对UCI数据集进行一系列试验。试验结果表明,所提增量算法在处理动态数据时能够节省大量的计算时间。     

基于改进差别矩阵的增量式属性约简算法

研究目前粗糙集中求属性核和属性约简存在的效率低下问题,提出基于改进差别矩阵的核增量式更新算法,用于解决对象动态增加情况下核的更新问题.为降低现有增量式属性约简算法的时间和空间复杂度,提出一种不存储差别矩阵的高效属性约简算法,用于处理对象动态增加情况下属性约简的更新问题.理论及实验结果表明,该算法可明显降低时间和空间的复杂度.     

基于粗糙集和神经网络的机械故障诊断研究

提出了粗糙集理论与神经网络结合的机械故障诊断方法,研究了连续属性离散化的SOM方法和条件属性约简的差别矩阵方法,归纳了构建神经网络需考虑的关键问题,用一个算例验证了方法的有效性.结果表明：粗糙集能有效地约简冗余信息,简化神经网络的结构,缩短网络的训练时间,提高诊断的效率;SOM网络能将连续性输入映射成具有理想聚类结果的离散性输出,并能保持数据间的拓扑结构不变;利用差别矩阵对决策表进行约简,结果准确可靠;BP神经网络泛函逼近能力强,能快速准确地完成特征空间到故障空间的映射.     

基于区分矩阵的属性约简算法改进策略

针对大容量数据表构造的区分矩阵过于庞大致使属性约简算法效率低的问题,引入置信度和支持度,提取大型数据库中的高概率事件,重新构造决策数据表,并在构造区分矩阵过程中剔除重复项和包含项,结果使得比较次数减少、存储空间节省、约简效率提高。     

一种改进的差别矩阵及其求核方法

属性约简是粗糙集理论中的重要研究内容之一,求核运算是属性约简的基础,直接影响着知识约简的效率。针对目前求核方法存在的问题,提出一种基于分布函数的改进的差别矩阵及属性核计算方法,并证明了方法的正确性,改进的差别矩阵不仅规模小,而且适用于任何决策表求核。     

一种新的基于区别矩阵的决策表属性约简方法

利用反例指出目前基于区别矩阵计算决策表核属性方法的局限性,并指出根本原因是:U/ind(C)中的等价类的A C不相容性.目前,对于决策表的相容性问题的研究都停留在单个对象上,而本文的研究表明,要计算决策表的属性约简以及核属性,关键是要考虑U/ind(C)中的等价类的相容性.给出了基于U/ind(C)的等价类的相容性的属性约简定义和核属性定义,并讨论了一种新的基于区别矩阵的属性约简和核属性计算方法.最后证明本文方法是正确的并用相同实例验证了该方法的有效性.     

基于区分向量的不完备决策系统属性约简算法

区分矩阵是属性约简的一种有效方法。针对不完备的决策系统,定义了区分矩阵的概念,给出了区分矩阵构造方法,并根据区分矩阵稀疏性的特点,定义了区分向量的概念,在此基础上,给出了一种基于区分向量的不完备决策系统属性约简算法。最后,采用恒星光谱数据,实验验证了该算法的有效性。     

粗糙集约简算法在减速器故障诊断中的应用

提出应用粗糙集理论相关知识来解决机械产品设计和故障诊断中的实际问题.在分析和综合基于粗糙集理论分明矩阵的简约算法基础上,结合决策表技术,在减速器故障诊断知识方面的应用领域进行了分析,通过实例证明该方法是可行的.