优势关系下不协调目标信息系统的上近似约简

针对基于优势关系下不协调目标信息系统中属性约简的复杂问题,提出基于优势关系下不协调目标信息系统上近似约简的概念,得到上近似约简的判定定理以及辨识矩阵,建立不协调目标信息系统的上近似约简的具体方法,同时通过实例验证该方法的有效性,从而为优势关系下信息系统的知识发现提供理论基础。     

优势关系下不协调目标信息系统的下近似约简

在基于优势关系下的不协调目标信息系统中引入了下近似约简的概念,并得到了下近似约简的判定定理以及辨识矩阵。建立了不协调目标信息系统的下近似约简的具体方法,同时通过实例验证了该方法的有效性,从而为优势关系下信息系统的知识发现提供了理论基础。     

优势-等价关系下随机目标信息系统的属性约简

以证据理论中的信任测度和似然测度为基本工具,研究了优势关系下随机信息系统的属性约简问题,引入优势-等价关系下不协调随机目标信息系统的概念,并讨论了其上的分布约简,最后给出实例验证了约简方法的有效性。     

集值信息系统基于变精度相容关系的知识约简

借助于属性集值的相似程度在集值信息系统上定义了一种变精度相容关系,给出了这种变精度相容关系下目标协调集值信息系统的知识约简与判定,并讨论了相容水平对目标协调集值信息系统的知识约简的影响。     

相容关系下不协调集值目标信息系统知识约简

在不协调集值目标信息系统中定义了相容关系,并在基于相容关系的不协调集值目标信息系统中引入分配约简和近似约简的概念,讨论了二者之间的关系,并且得到了分配约简和近似约简的判定定理以及辨识矩阵,建立了不协调集值目标信息系统的分配和近似约简的具体方法,同时通过实例验证了该方法的有效性。     

不协调目标信息系统的知识约简

在不协调目标信息系统中引入了最大分布约简的概念，讨论了最大分布约简、分配约简、分布约简和近拟约简之间的关系。最大分布 间弱于分布约简，克服了对信息系统过于苛刻的要求。同时，它又克服了分配约简可能产生与原系统不相容的命题规则的缺陷；给出了这些知识约简的判定定理和相应的可辨识属性矩阵，从而提供了不协调目标信息系统的知识约简的新方法。     

互信息的序决策信息系统属性约简研究

优势关系粗糙集理论是粗糙集理论有意义的推广,决策信息系统知识约简是粗糙集理论的核心内容之一.通过在协调序决策信息系统中引入条件熵、互信息概念,给出了基于条件熵、互信息的协调序决策信息系统属性约简算法,并通过学生评价决策信息系统验证了该算法的有效性,使协调序决策信息系统的属性约简得到了扩展.在不协调序决策信息系统中引入限定条件熵、限定互信息概念,并给出基于限定互信息的不协调序决策信息系统属性约简算法,为不协调序决策信息系统的属性约简的应用提供了可行的解决方法.     

基于有向关联信息的知识约简

关联信息是度量两个定性变量之间非线性关系的一个统计量。论文定义了信息系统以及目标信息系统属性之间的有向关联信息,用来度量信息系统以及目标信息系统属性之间的关联程度,基于此给出信息系统以及目标信息系统的知识约简一种新的判定定理。最后以信息系统以及不协调目标信息系统知识约简的实例证明这种知识约简是简单有效的。     

基于优势关系的启发式属性约简算法

根据优势原理,提出一种具有明确粗糙集理论含义的指标——优势度,用于度量序目标信息系统的协调程度。在证明优势度粒化单调性的基础上,给出属性集重要性度量函数,提出一种基于优势度的序目标信息系统启发式约简算法。该算法与经典粗糙集理论约简有相同的理论基础,易于理解。应用结果表明,该算法适用于优势关系下目标信息系统的知识发现。     

基于约束的优势关系下粗集数据分布约简研究

目前,粗集理论及工具已经被广泛研究与应用,在基于优势关系下的不协调信息系统中获取规则方法也已有许多成果。在上述理论研究的基础上,对优势关系下数据分布约简引入了约束的概念,对实际的问题进行领域知识导航,量化优势关系,使约简知识更具实用性,同时通过实例分析验证了该约束算法的有效性。     

基于优势关系下信息系统分配约简的矩阵算法

在基于优势关系下的信息系统中引入了优势矩阵和目标分配矩阵的概念，进一步建立了优势关系下信息系统分配约简的矩阵算法，通过实例分析验证了该算法的有效性，说明了其优点是对数据复杂的信息表也可相对容易地求出所有的分配约简。该方法提供了在优势关系下信息系统分配约简的便捷操作方法。     

基于优势关系下的协调近似空间

在基于优势关系下的信息系统中引入了协调近似空间的概念,并证明了在优势关系下不协调目标信息系统也可以转化为一个协调近似空间,这进一步方便了基于优势关系下不协调目标信息系统的研究,丰富了粗糙集理论.     

基于优势一等价关系的几种约简及规则抽取方法

考虑了条件属性引入优势关系而决策属性上引入等价关系的不协调目标信息系统。分析了这种基于优势-等价关系的相容约简、最大分布约简及正域约简三者之间的关系。此外,结合劣势关系抽取规则以提高规则的覆盖率,改进了基于优势关系的正域约简抽取规则(PDRIS)的方法。最后给出算例,并在UCI数据集上进行了大量的试验,以与PDRIS进行比较。     

不协调优势目标信息系统的启发式约简算法

针对不协调优势目标信息系统,引入知识粒度的概念,证明了知识粒度是随着知识的不确定程度的增加而减小的。其次定义了优势信息系统中的粗糙度、精度以及不协调目标信息系统中的近似精度等概念,得到了它们的相关性质,并证明了精度和近似精度可以作为属性重要性的衡量指标。因而进一步提出一种以近似精度为启发信息的不协调优势目标信息系统的启发式约简算法,并分析了该算法的时间复杂度。最后通过实例分析验证了算法的实用性和有效性。     

集值信息系统基于优势关系下的知识约简

在集值信息系统中,把所有属性看成是一种准则,然后利用属性集值的取值分布定义了两种不同的优势关系,它们都是经典信息系统上优势关系的推广.针对这两种优势关系,给出了集值信息系统的知识约简与对象的相对约简的判定,定义了基于区分矩阵的区分函数,并利用布尔推理方法得到了这两种优势关系下的知识约简与对象的相对约简的具体操作方法.     

优势关系下基于浓缩布尔矩阵的属性约简方法

在优势关系粗糙集方法(DRSA)的框架下,针对不协调的目标信息系统求属性约简。基于优势矩阵的方法是最常用的一类约简方法,但矩阵中不是所有的元素都有效。浓缩优势矩阵只保留对求约简有用的最小属性集,因而可以明显降低约简过程中的计算量。进一步地,浓缩布尔矩阵通过布尔代数的形式有效地弥补了优势矩阵生成效率低的缺点。文中将等价关系上的浓缩布尔矩阵属性约简方法扩展到优势关系上,针对优势矩阵提出了浓缩布尔矩阵的概念,建立了相应的高效约简方法,使效率得到明显提高。最后采用9组UCI数据进行实验,结果验证了所提方法的有效性。