改进的优势区分矩阵及其求核方法

研究了优势关系下不协调决策表的优势区分矩阵及其求核方法。用反例指出利用文献[6]中的优势区分矩阵来求核的方法是错误的,给出一个改进的优势区分矩阵的定义和求核方法,其空间和时间复杂度都优于现有的算法。     

基于区分对象对集的不完备决策表求核算法

在不完备决策表中对求核算法的研究较少,且时间复杂度都相对较高.为此,根据不完备决策表中差别矩阵及其核的定义,给出条件属性的区分对象对集的定义,并得出其与决策表核属性的关系,从理论上证明求解不完备决策表的核可以转化到求条件属性的区分对象对集上.结合不完备决策表差别矩阵核的性质,提出一种基于区分对象对集的不完备决策表求核算法.实验结果表明,该算法的时间复杂度优于同类算法的时间复杂度.     

基于区分对象对的不完备决策表求核

在差别矩阵的基础上,针对不完备决策表提出了基于差别矩阵的区分对象对集定义,并证明求不完备决策表的核可以转化到求基于差别矩阵的区分对象对集上。在此基础上,提出了一种基于区分对象对的不完备决策表求核算法,该算法的时间复杂度为：[max{O(|C||U||Upos|),O(K|C||U|)}],优于同类算法的时间复杂度;用实例说明了新算法的有效性。     

对新简化差别矩阵的研究

通过反例证明当决策表含不一致对象时,无法通过简化差别矩阵得到正确的核和约简.产生该问题的原因在于简化差别矩阵和简化决策表对不一致对象的处理均存在欠缺.提出新简化差别矩阵(NSDM)定义,通过利用新简化决策表把一致对象和不一致对象分开存放的特点修正了这两处缺陷.NSDM能够处理含多种不一致对象的决策表,并且能够得到正确的核和约简.利用前人的基于差别矩阵的求核和求约简算法分别以NSDM和简化差别矩阵为基础求核和约简,然后再利用核和约简的定义求核和约简,通过比较证明以NSDM为基础得到的核和约简是正确的.这说明NSDM可以有效地处理不一致对象并且通过NSDM能够得到正确的核和约简.这个实验同时验证了原有的以差别矩阵为基础的求核和求约简的算法不加改动就可以在新差别矩阵上使用.     

基于优势关系的粗糙集中的一种求核算法

随着粗糙集理论[1]的广泛应用,它得到了不断的发展与扩充.Greco等提出的基于优势关系的粗糙集方法[2]就是该理论的一种扩展模型,它用优势关系代替原来的不可区分关系,在多准则决策分析中得到了广泛的重视[5].由于优势关系是一种不同于不可区分关系的非对称关系,这使得该模型无法利用差别矩阵[3]来求核和约简.文[4]中提出了利用类区分矩阵来求约简,本文将用反例指出用这个方法求核和约简时存在错误,然后在该类区分矩阵的基础上,给出一个新的优势区分矩阵的定义和求核方法,并证明了该方法的正确性.     

不一致决策表的k阶分配序约简

在不一致决策表中定义了k阶分配序约简，给出了k阶分配序一致集的判定定理。通过定义k阶分配序区分矩阵，给出了求k阶分配序约简的区分矩阵法。为了克服区分矩阵法时间复杂度过高的缺陷，通过定义属性的相对重要性，提出了一种求k阶分配序约简的启发式算法，分析得到该算法的时间复杂度是多项式的结论。实例验证了算法的有效性。     

基于属性布尔差别矩阵的求核算法

求核是粗糙集理论的主要研究内容之一.针对现有基于差别矩阵求核算法的不足,首先提出决策表简化的方法;然后,给出属性布尔差别矩阵的定义和基于属性布尔差别矩阵的核属性定义,并证明了该定义与基于正区域求核定义是等价的,同时设计相应求核算法;为了进一步提高求核效率和适应大数据集的处理,给出两个改进的求核算法.通过实例分析和实验比较,表明了本文所提出的求核算法是正确的高效的.     

不完备信息系统中一种新的求核算法

在不完备信息系统基于差别矩阵的属性约简算法中,相容类和最大相容类中的对象具有不确定性.针对上述问题,提出一种新的差别矩阵及其核的定义,证明在不完备信息系统中该差别矩阵的核与基于正区域的核是一致的.在此基础上给出一个求核算法,通过实例证明,由于减少了差别矩阵中的元素,因此算法的求核效率得到较大提高.     

可分辨矩阵及其求核方法

为解决因决策表中存在不相容性导致的求核错误问题,提出一种将不相容决策表转化为相容决策表的定义形式。根据该定义创建可分辨矩阵,并给出求核方法,同时证明该方法获得的核与正区域的核是一致的。设计求核算法,该算法既适用于相容决策表,也适用于不相容的决策表。实例表明该算法是有效的。     

基于信息系统的区分矩阵增量求核算法

针对动态变化的信息系统及其增量求核算法效率不理想的情况,对信息系统进行了简化,证明了简化的区分矩阵的核与原来区分矩阵的核是一致的,并在此基础上提出了一种基于简化的区分矩阵增量求核算法。当有新对象增加到信息系统时,算法能较好地利用原来信息系统中的有用信息进行增量求核,通过示例说明分析了算法的有效性。     

广义约简、核与分辨矩阵

针对粗糙集理论中计算决策表核属性时出现的若干问题,讨论并分析了这些问题产生的原因.在此基础上,给出了不同目标下的广义约简定义,提出了必要区分关系和非必要区分关系等概念,由此给出了一般意义下的分辨矩阵定义.根据广义约简的定义,将已有的改进差别矩阵求核方法与早期Skowron等人提出的经典分辨矩阵求核方法作了对比,证明了两种方法完全相I司.     

基于水平划分决策表的核属性求解算法

核属性求解是粗糙集理论的主要研究内容之一。针对现有差别矩阵求核算法的不足,给出决策差别矩阵定义和水平划分决策表方法。提出在子决策表上创建子决策差别矩阵,进行核属性求解的方法;并证明了由该方法获得核与正区域核是等价的,同时设计相应的串行和并行求核算法。实例分析和实验比较表明所提出的求核算法是正确的、高效的。     

基于优化可辨识矩阵和改进差别信息树的属性约简算法

运用可辨识矩阵表示信息系统中所有对象的区分信息,为研究属性约简提供了新方向。然而,传统的可辨识矩阵在构造结束后才利用核属性消除冗余元素项,忽略了核属性在矩阵构建过程中的作用。针对这一问题,文中做了以下研究:1)优化可辨识矩阵的构造方式,在计算任意两个对象的区分信息之前,先判断核属性上的取值是否相等,如果不相等,则直接将对应元素项记为Φ,忽略对其他条件属性的判断;2)提出属性加权重要度的概念,综合考虑每个条件属性占可辨识矩阵中非空元素项的比率(称为宏观重要度)与每个属性对区分对象的贡献程度(称为微观重要度),并通过例子说明了该度量方法的合理性;3)针对优化后的矩阵仍然存在大量冗余元素和空集这一缺陷,结合差别信息树的概念提出基于优化可辨识矩阵和属性加权重要度的差别信息树。按照属性加权重要度对优化可辨识矩阵中所有非空元素项进行排序,使得重要度高的属性被更多的节点共享;且在构建过程中将不包含核属性的元素项映射到树中的一条路径上,而包含核属性的元素项则被直接忽略。最后,提出基于优化可辨识矩阵和改进差别信息树的约简算法HSDI-tree。在UCI的5个数据集上分别比较了HSDI-tree算法与CDI-tree,DI-tree和IDI-tree算法的约简结果和节点个数,实验结果表明HSDI-tree算法能有效找到最小属性约简且空间压缩能力更好。     

基于可辨识矩阵的快速粗糙集属性约简算法

Karno Bozi提出的Core Searching算法在向约简中插入候选属性的时候,根据属性出现次数需要循环查找可辨识矩阵中的所有剩余项,直至矩阵为空,导致计算量较大和结果中冗余属性存在的可能.基于Core Searching算法提出通过给属性设立计数器的基于可辨识矩阵的快速属性约简算法,实例分析表明,该算法与Core Searching算法相比,在计算量减少和循环次数减少的同时能得到更简约的结果,是一种快速、高效的属性约简算法.     

基于差别矩阵的完备属性约简算法

基于差别矩阵思想的属性约简算法需要求出决策表的差别矩阵,然而差别矩阵的求取不但费时而且占用大量的存储空间。为此,提出一种基于差别矩阵中非空对象个数的改进属性约简算法。在利用差别矩阵思想的同时不生成差别矩阵,并给出属性重要度的定义及其快速计算公式,只需要 和 就能计算出属性重要度。实例分析证明,该算法能节省计算时间,求出最小属性约简。     

基于系统熵的属性约简的简化差别矩阵方法*

基于系统熵的属性约简是一种新型的属性约简。该模型由于同时考虑了条件属性集和决策属性集对决策表的分类能力,它是一种考虑较周全的属性约简模型。为设计高效的属性约简算法,首先引入简化差别矩阵, 同时给出了基于该简化差别矩阵的属性约简定义,并证明该定义与基于系统熵的属性约简定义等价;然后用简化差别矩阵设计了一个基于系统熵的完备属性约简算法;最后用实例说明了新算法。     

决策表化简及其属性约简方法

给出一种求不一致决策表的核和所有属性约简的新方法,首先利用U/C对决策表进行化简,然后在简化的决策表上定义新的差别矩阵,最后利用差别函数求出所有属性约简.该方法可有效降低生成差别矩阵时所需的存储空间和时间,理论分析和例子表明,该属性约简方法在效率上比现有的基于差别矩阵和差别函数的方法有显著提高.     

基于改进差别矩阵的核增量式更新算法

分析发现杨明教授给出的改进的差别矩阵中存在不必要的计算,为此提出了改进的差别矩阵定义和求核方法;在此基础上提出一种基于改进差别矩阵的核增量式更新算法,主要考虑对象动态增加情况下核的更新问题.理论分析表明改进的核增量式更新算法具有近线性时间和空间复杂度.实验结果显示算法有效可行.