基于差别矩阵的属性核快速更新算法

核求解是粗糙集理论的重要内容之一，尽管在核求解问题上已有大量的研究成果，但有关核更新算法的报道却不多,有人提出一种在对象增加情况下核的增量式更新算法，但未讨论对象动态删除的情况．对此，提出一种基于差别矩阵的属性核快速更新算法——FUAC．该算法在更新差别矩阵时仅需删除某一行及某一列，或插入某一行,因而可有效提高核的更新效率．理论分析表明，该算法是有效可行的．     

基于改进差别矩阵的属性约简增量式更新算法

针对目前基于差别矩阵的属性约简算法需要耗费大量的时间和空间,粗糙集中求属性核和属性约简更新效率低以及有关属性约简的增量式更新算法目前还比较少等问题,提出了一种基于改进差别矩阵的属性约简增量式更新算法.该算法在更新差别矩阵时,仅须插入某一行及某一列,或删除某一行并修改相应的列,因而可有效地提高核和属性约简的更新效率.然后在分析新增对象x与原决策系统对象的关系的基础上,给出了属性约简增量更新算法.理论与实验分析表明,提出的算法提高了属性约简的更新效率,明显降低了时间和空间复杂度.     

一种面向数据修改的核更新算法

核的求解是粗糙集理论的重要研究内容之一,也是很多属性约简的关键步骤。为此,提出了一种基于差别矩阵的核更新算法,主要考虑对象值被修改情况下的核更新问题,将核的更新转化为差别矩阵的更新。该算法在更新差别矩阵时只对涉及的少部分行、列进行删除、插入或调整,因而可有效提高核的更新效率。实验结果表明该文提出的算法是有效可行的。     

一种改进的核增量式更新算法

深入分析基于差别矩阵的属性核快速更新算法——FUAC后,指出引起该算法空间复杂度高的原因,在此基础上提出了一种不存储差别矩阵的改进核增量式更新算法,主要考虑对象动态删除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有线性空间复杂度。     

基于优势关系区别矩阵的一种增量求核方法*

现实中很多数据是增量出现的,就需要对数据进行增量的处理,为此,给出了一种基于优势区分矩阵的增量求核算法,通过修改矩阵的某一行或某一列来增量得到决策表的核。通过实验验证了算法的有效性。     

一种面向不平衡分类数据的核求解算法

对基于差别矩阵的核求解方法而言，差别矩阵的规模是直接影响核求解效率的关键因素。为此，针对不平衡分类数据情况，提出一种基于多差别矩阵的核求解算法．该算法先按决策属性值划分对象集，进而建立任意两个不同对象集对应的差别矩阵，形成多差别矩阵，从而求出核．各差别矩阵因不平衡分类数据可有效降低其规模，提高核的求解效率．理论分析和实验结果表明算法是有效可行的．     

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.     

一种基于决策表的核增量式高效更新算法

引入简化决策表,结合简化二进制差别矩阵设计思想,提出一种基于决策表的核增量式高效更新算法.该算法在更新简化的二进制差别矩阵时,只需在原决策表基础上对记录进行相应的更新,不需要重复计算原决策表的二进制差别矩阵.采用边更新简化二进制差别矩阵边计算核,显著地提高了算法的效率和灵活性.新算法的时间复杂度和空间复杂度分别为O(|C||U′|)和O(|C||U′pos||U′|).最后用一个实例说明了新算法的高效性.     

一种高效的增量式属性约简算法

针对粗糙集中求属性核和属性约简存在的问题,首先给出了改进的差别矩阵定义,进而提出一种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;同时,为了降低现有增量式属性约简算法的时间、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.理论分析及实验结果均表明了所提出算法的有效性和可行性.     

增量式约简最小二乘孪生支持向量回归机

为了解决增量式最小二乘孪生支持向量回归机存在构成的核矩阵无法很好地逼近原核矩阵的问题,提出了一种增量式约简最小二乘孪生支持向量回归机(IRLSTSVR)算法。该算法首先利用约简方法,判定核矩阵列向量之间的相关性,筛选出用于构成核矩阵列向量的样本作为支持向量以降低核矩阵中列向量的相关性,使得构成的核矩阵能够更好地逼近原核矩阵,保证解的稀疏性。然后通过分块矩阵求逆引理高效增量更新逆矩阵,进一步缩短了算法的训练时间。最后在基准测试数据集上验证算法的可行性和有效性。实验结果表明,与现有的代表性算法相比,IRLSTSVR算法能够获得稀疏解和更接近离线算法的泛化性能。     

一种基于改进差别矩阵的属性约简增量式更新算法

粗糙集方法提供了一种新的处理不精确、不完全与不相容知识的数学工具.属性约简是粗糙集理论的重要研究内容之一,已有的大多数属性约简算法主要考虑信息系统(或决策表)不变的情况,有关属性约简的增量式更新算法却报道不多.为此,文中提出一种基于改进差别矩阵的属性约简增量式更新算法,主要考虑对象动态增加情况下属性约简的更新问题.该算法可通过快速更新差别矩阵,在动态求解核的基础上,利用原有的属性约简有效地进行属性约简的增量式更新,因而可提高属性约简的更新效率.理论分析表明,该文提出的算法是有效可行的.     

基于广义差别矩阵的核和属性约简算法

属性约简是粗糙集理论的重要研究内容.为此引入广义差别矩阵,提出基于广义差别矩阵的核和属性约简算法.该框架可有效避免连续属性值离散化,且有利于与其他机器学习方法相结合.理论分析表明,所提出的算法是有效而可行的.     

基于元素约简的决策表属性约简算法

Skowron差别矩阵广泛应用于属性约简及求核运算,但它只适用于相容决策表,对于不相容决策表有时会得到错误的结果。虽然国内多位学者对它进行了改进,但一方面它们仍只适用于相容或部分相容决策表的属性约简,对完全不相容决策表仍得不到正确的结果。另一方面须通过额外的函数来约束差别矩阵的构造过程,增加计算负担。利用等价差别矩阵具有相同属性约简的思想,将元素对象分割成相容对象与矛盾对象,通过对参与构造差别矩阵的行与列元素进行约简,减少了某些重复计算过程,提高了计算效率。以此为基础,给出了一种改进的属性约简算法。数值算例验证了该算法是有效可行的。     

一种同属性约简算法

属性约简是粗糙集理论的核心内容之一,针对现有属性约简算法存在的差别矩阵占用存储空间过大,运算过程对内存要求过高等问题,提出了一种新的同属性约简算法。该算法采用分割技术将原始决策表分割为若干新的子决策表,对子决策表中的元素提取属性的共同特征组成特征矩阵,来替换传统的差别矩阵,并在特征矩阵上进行挖掘工作。理论分析和实验结果表明该算法具有较好的约简结果和更高的运算效率。     

一种基于浓缩树结构的属性约简算法

属性约简是粗糙集理论的重要研究内容之一,其中基于区分矩阵的约简算法是一种高效的约简算法,但算法具有很高的空间复杂度.为了减少区分矩阵的空间开销,利用浓缩树结构,结合区分矩阵单个属性一定为核属性的特征,提出改进的生成浓缩树算法,压缩存储区分矩阵中的非空数据项,且不丢失原区分矩阵的所有信息;利用生成的浓缩树结构结合启发式策略,给出属性约简算法.实验结果表明,算法正确有效并且空间复杂度有明显降低.     

一个基于差别矩阵思想的高效求核算法

目前,关于属性约简已有不少算法,其中在很多算法中,都要求先求出核属性集,但利用差别矩阵求核属性这一算法中,生成差别矩阵时,有许多不必要的元素被生成,这些无用的元素在求核时又要进行比较,因而效率不高。利用差别矩阵的思想设计一种不必生成那些不必要的元素的求核算法,从而使算法的效率得到提高。最后,给出了一个实例说明新算法的高效性。