相对知识粒度序决策表的属性约简方法

序决策表中的知识约简越来越受到关注,在优势类和知识粒度的基础上,引入了序决策表中的一种知识相对粒度,度量了属性集在序决策表中的相对不确定性,进而给出了属性相对重要度的定义。并设计了序决策表的一种启发式属性约简算法,通过实例分析和验证了算法的有效性。     

Discernibility Matrix Algorithm of Attribute Reduction Based on Knowledge Granulaion in Incomplete Decision Table

基于不完备决策表的属性约简定义有多种,现研究基于知识粒度的属性约简.研究发现,差别矩阵是一种较好的设计属性约简算法的方法.为此,定义了一种粒度差别矩阵和基于该差别矩阵的属性约简,并证明了该差别矩阵的属性约简定义与基于知识粒度的属性约简定义等价.在此基础上,设计了一个新的基于信息量的不完备决策表的属性约简算法,其时间复杂度得以降低.     

决策表属性约简的相对划分粒度表示

粗糙集理论认为知识就是分类.本文对知识的分类能力给予了量化,提出利用划分粒度来定量地表示知识的分类能力.在划分粒度概念基础上,针对决策表定义了相对划分粒度并研究了它的性质,相对划分粒度可以定量表示决策表的条件属性子集相对于决策属性的分类能力的强弱;最后证明了对一致决策表的属性约简来说,相对划分粒度表示与Pawlak提出的代数表示是等价的.     

基于改进的Wap算法的Web序列模式的研究

基于不完备决策表的属性约简定义有多种,现研究基于知识粒度的属性约简。研究发现,差别矩阵是一种较好的设计属性约简算法的方法。为此,定义了一种粒度差别矩阵和基于该差别矩阵的属性约简,并证明了该差别矩阵的属性约简定义与基于知识粒度的属性约简定义等价。在此基础上,设计了一个新的基于信息量的不完备决策表的属性约简算法,其时间复杂度得以降低。     

差别矩阵HU属性约简的几种等价表示

对于一致决策表,现有基于相对粒度、相对划分粒度、知识量和同可区分度的属性约简与分别代数约简是等价的,但对于不一致决策表,它们与代数约简并不等价.为此,针对不一致决策表,建立相对粒度与新条件信息熵、知识量和同可区分度之间的线性关系,从而得出结论:现有基于相对粒度、相对划分粒度、知识量和同可区分度的属性约简本质上仅与基于差...     

代数约简的知识粒度表示及其高效算法

首先提出了修正相对粒度计算公式,给出其单调性证明以及等号成立的充要条件;然后证明了保持修正相对粒度不变是保持正区域不变的充要条件,并给出代数约简的知识粒度表示;最后讨论了现有相对粒度与修正相对粒度之间的关系,利用修正相对粒度的单调性给出计算属性重要性定义及其递归计算公式,进而利用基排序思想计算等价类,设计出一种计算决策表代数约简的高效算法.实验结果表明该算法是可行且高效的.     

一种基于信息粒度的动态属性约简求解算法

动态属性约简是粗糙集理论的重要研究内容之一.针对动态决策表构造了一种基于信息粒度的动态属性约简模型,详细分析了决策表中出现新属性动态增加时信息粒度的增量式计算方法;在此基础上,以信息粒度作为启发信息,设计了一种动态属性约简求解算法,该算法能有效利用原决策表的属性约简结果和信息粒度来降低算法的计算复杂度,并使得约简结果具有较好传承性;最后通过算例分析和实验比较进一步验证了本算法的可行性和有效性.     

基于粒度熵的知识约简算法应用

针对现有的基于信息熵理论的知识约简算法存在的不完备性问题,提出了一种基于粒度熵的知识约简算法,并将其应用到电力变压器的故障诊断中。结果表明该算法可以从各约简集中筛选出最小最优的故障决策表约简集,从而提高故障诊断的速度和可靠性。     

水平划分多决策表下基于相对粒度的隐私保护属性约简算法*

为了解决分布式环境中多个参与方在不共享各自隐私数据的情况下完成全局属性约简计算的问题,提出了一种水平划分多决策表下基于相对粒度的隐私保护属性约简算法。该算法基于相对粒度约简理论实现了分布式环境下全局属性约简的求解,利用半可信第三方与安全多方基础协议,设计了安全多方计算相对粒度协议,使各参与方在不共享其隐私信息的前提下达到集中式属性约简的效果。分析结果表明,该算法是有效可行的。     

基于严凸函数的知识粒度与相对粒度

首次将严凸函数引入知识粒度研究中,提出基于严凸函数的知识粒度理论框架。根据该理论框架,给出一系列知识粒度度量函数,证明现有多种常见的知识粒度度量是该理论框架的特殊情形或变种。给出基于严凸函数的相对粒度定义,虽然对任意严凸函数导出的相对粒度不满足单调性,但对一些特殊严凸函数导出的相对粒度证明其单调性,并给出等号成立的条件。证明现有条件信息熵都是文中提出的严凸函数相对粒度的特殊情形,揭示它们的知识粒度本质。针对一致决策表,证明相对粒度与正区域不变等价,从而得到一致决策表代数约简的相对粒度判定方法。数值算例验证文中结论的正确性。     

信息粒度、信息熵与决策树

对粗信息粒与细信息粒的信息熵做了比较研究,并研究了粗信息粒和细信息粒对决策树产生的影响,得出以下结论:粗信息粒的信息熵不小于细信息粒的信息熵,细信息粒下选取扩展属性产生的决策树优于粗信息粒下选取扩展属性生成的决策树。     

数据仓库中的粒度确定

数据仓库开发者需要解决的设计问题中最重要的是数据仓库中的粒度确定，当数据仓库的粒度合理确定后，设计和实现的其它问题就会非常容易地解决，相反如果没有合理地确定粒度的话，就会影响其他每个方面。文中讨论了确定粒度时应该考虑的因素，确定方法。     

数据分类中的粒度计算

粒度计算理论为知识发现的研究提供了新的理论工具，通过引入全粒度空间的概念，对信息系统的论域空间进行等价划分，给出了论域子空间可精确粒度表示的充分条件，建立了目标概念的外延和内涵的粒度计算关系，揭示了目标概念学习中的粒度计算过程，提出了一种新的数据分类模型。     

软硬件划分中基于一种新的层次化控制数据流图的粒度变换

在一种控制数据流图定义的基础上，提出了面向软硬件划分中粒度选择的粒度变换方法．变换以层次化结点为中介，包括合并和展开操作，并遵循所指定的若干要求以保证变换前后的系统表示在形式和功能上的一致性．分析表明，这一变换过程简单快速，变换前后功能一致、形式统一，能很好地满足软硬件划分中粒度选择的需要．     

一种新的覆盖粗糙集度量方法

现有的近似精度和粗糙度不能反映不同覆盖之间的粗细关系。为解决该问题,提出一种新的覆盖粗糙集度量方法,将知识粒度引入到覆盖近似空间中,给出覆盖粒度概念,重新定义近似精度及粗糙度。实例验证结果表明,该方法能区分出2种不同覆盖粒度上的近似精度和粗糙度。     

传统数据流模型的分析及改进

数据流计算机作为新一代并行机迅速发展起来，但由于数据流模型本身的局限性，使得商用数据流机器的制造还难于普及．本文通过分析运算的操作字符与非操作字符，改进传统模型的点火规则、引入变量并拓广变量的概念，定义了粗粒度数据流模型ＣＤＦＭ（ＣｏａｒｓｅｇｒａｎｕｌａｒｉｔｙＤａｔａＦｌｏｗＭｏｄｅｌ）．     

结合区间二型FRCM与混合度量的两阶段信息粒化

针对类簇交叉且分布不均衡的复杂数据,依据可信粒度准则,提出一种结合区间二型模糊粗糙C均值（IT2FRCM）聚类与混合度量的两阶段信息粒化算法。在第一阶段,利用IT2FRCM算法对原始数据进行聚类分析,得到初始的信息粒。在第二阶段,综合考虑数据空间分布、样本规模及粒子性质等因素,采用混合度量方法设计均衡证据合理性和语义独特性的粒化函数,并基于可信粒度准则优化由覆盖度和独特性组成的复合函数,求解最佳粒子边界。在人工数据集和UCI数据集上的实验结果表明,该算法能够有效提高不平衡数据的信息粒化质量和粒子代表性,在归类正确数、粒子特性等指标上均取得了理想表现。     

基于模糊邻域粗糙集的启发式属性约简算法

属性约简是机器学习等领域中常用的数据预处理方法。在基于粗糙集理论的属性约简算法中,大多是根据单一的方法来度量属性重要度。为了从多角度对属性达到更为优越的评估效果,首先在已有的模糊邻域粗糙集模型中定义属性依赖度度量,然后根据粒计算理论中知识粒度的概念,在模糊邻域粗糙集模型下提出了模糊邻域粒度度量。由于属性依赖度和知识粒度代表了不同视角的属性评估方法,因此将这两种方法结合起来用于信息系统的属性重要度评估,最后给出一种启发式属性约简算法。实验结果表明,所提出的算法具有较好的属性约简性能。     

Temporal Granularity: Completing the Puzzle

Granularity is an integral feature of both anchored (e.g., 25 October 1995, July 1996) and unanchored (e.g., 3 minutes, 6 hours 20 minutes, 5 days) temporal data. In supporting temporal data that is specified in different granularities, numerous approaches have been proposed to deal with the issues of converting temporal data from one granularity to another. The emphasis, however, has only been on granularity conversions with respect to anchored temporal data. In this paper we provide a novel approach to the treatment of granularity in temporal data. A granularity is modeled as a special kind of unanchored temporal primitive that can be used as a unit of time. That is, a granularity is modeled as a unit unanchored temporal primitive. We show how unanchored temporal data is represented, give procedures for converting the data to a given granularity, provide canonical forms for the data, and describe how operations between the data are performed. We also show how anchored temporal data is represented at different granularities and give the semantics of operations on anchored temporal data.