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。     

基于优势关系下不协调目标信息系统的知识约简

在基于优势关系下不协调目标信息系统中引入了分配约简和近似约简的概念,并讨论了它们二者之间的关系,进一步给出了知识约简的判定定理和辨识矩阵,从而提供了在优势关系下不协调目标信息系统知识约简的具体操作方法。     

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。     

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.     

基于优势关系下的协调近似空间（续）

在基于优势关系下的不协调目标信息系统中引入了分布和最大分布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分布以及最大分布协调近似空间，这更加方便了基于优势关系下不协调目标信息系统的研究，从而进一步丰富了粗糙集理论。     

不协调格值目标信息系统的近似约简

针对不协调格值目标信息系统的属性约简问题,提出不协调格值目标信息系统上近似约简与下近似约简的概念,并得到2种约简的判定定理。给出求解上、下近似约简的辨识矩阵及约简方法。通过实例验证得出,该约简方法具有实效性,格值目标信息系统的值域最为广泛,适用于由属性值域构成格的信息系统     

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。     

优势关系下直觉模糊目标信息系统的上近似约简

传统的粗糙集理论对决策属性值为直觉模糊数的直觉模糊目标信息系统不能直接属性约简.文中在直觉模糊目标信息系统中引入优势关系,基于优势关系定义条件属性集的上近似决策协调集,给出上近似约简的判定定理,建立该信息系统条件属性集的上近似约简模型,并给出上近似约简的算法步骤.在决策属性值为直觉模糊数的一些目标信息系统中,利用条件属性集的上近似约简,可得到更为简洁的决策规则.最后给出一个实例验证算法的有效性.     

集值决策信息系统的知识约简与属性特征

本文定义了集值决策信息系统中的一种新的关系，给出了在这种关系下协调集值决策信息系统属性约简的判定定理和辨识矩阵，从而得到了知识约简的具体操作方法，并讨论了在属性约简中起不同作用的属性分类及其特征。定义了不协调集值决策信息系统的分配协调集，给出了一种将不协调集值决策信息系统转化为广义协调近似空间的方法，并证明了不协调集值决策信息系统的分配协调集就是广义协调近似表示空间的协调集。     

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。     

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。     

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.     

序信息系统的贴近度及属性约简算法

在基于优势关系的序信息系统中,定义了对象在不同属性集下优势类的贴近度,并基于对象优势类的贴近度提出了属性集之间的贴近度。针对基于优势关系的序信息系统提出了基于贴近度的属性约简启发式算法,通过实例对该算法的有效性进行了检验。结果显示,该算法能有效得到优势关系下信息系统的属性约简,为基于优势关系的序信息系统的知识发现提供了理论基础。     

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。     

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。     

优势-等价关系下序贯三支决策的属性约简

序贯三支决策方法是一种能够表示问题中的多重层次粒度,并将多粒度结合起来解决不确定决策问题的有效途径。优势-等价关系粗糙集则是针对条件属性具有偏好关系的分类问题,提取有序信息,对目标概念进行近似,从而形成决策知识。利用传统的优势关系粗糙集方法进行知识约简和提取的效率低下,而目前大部分序贯三支决策方法则局限在符号值属性的信息系统中,对连续值和有序值不能进行有效处理,造成一定程度的信息丢失。因此,将序贯三支决策的思想应用于优势关系粗糙集模型中,定义了一种新的基于序贯三支决策的属性约简及相应的属性重要度,对具有偏好值属性的信息系统进行更加高效的处理,通过多粒度的表示和关系的研究,加速了知识约简过程。选取了多组UCI数据进行实验,结果表明所提出的基于优势关系的序贯三支决策方法能够在保证约简质量的基础上明显降低时间耗费。     

基于优势关系的概念格

对基于优势关系的形式背景进行了讨论,在基于优势关系的形式背景上建立了对象偏序集、属性偏序集以及对象-属性偏序集,提出了基于优势关系的概念格的定义及构建方法.这些结论进一步丰富了概念格的理论,对研究基于优势关系的信息系统的规则提取提供了新的思路.