不协调决策信息系统的约简

知识约简是粗糙集理论中的一个重要内容,目前大多数研究都集中在协调的决策信息系统上。但现实中存在大量的不协调决策信息系统,针对该类系统的约简研究,将更具有实践意义。定义了决策包含度约简和最大决策包含度约简的概念,讨论了决策包含度约简和最大决策包含度约简的关系,即最大决策包含度约简弱于决策包含度约简,为解决不协调决策信息系统的知识约简问题提供了新方法。     

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。     

不协调决策信息系统的知识约简及决策规则优化研究

针对不协调决策信息系统的知识约简及决策规则的优化问题,引入分布约简和最大分布约简理论,提出一种基于分布区分对象集的知识约简算法,并得到具体的优化决策规则获取方法。该算法通过求解分布区分对象集和最小析取范式从而得到知识约简集,依据属性约简集挖掘出最优决策规则集。理论分析和实例结果表明该方法的有效性和实用性。     

模糊目标信息系统上的知识约简方法

模糊目标信息系统(fuzzy objective information systems,简称FOISS)在许多实际应用中存在,这种系统上的知识简化不能采用Pawlak信息系统上的约简方法.因此,提出了模糊目标信息系统上的口分布约简、α最大分布约简、α分配约简、粗糙分布约简,并给出了它们的性质以及与Pawlak信息系统上约简的关系,同时也给出了这些约简的判定定理、对应的可辨识矩阵、约简公式.这些约简推广了Pawlak信息系统上的知识约简方法,为模糊目标信息系统上的知识发现和基于粗糙模糊规则的模糊概念分类器提供了新的低复杂性手段.     

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。     

决策表中基于对象的μ-约简方法研究

研究了不协调决策表中基于对象的μ-约简问题,给出了μ-约简的一些性质及等价定义,得到了μ-约简的判定定理和相应的可辨识矩阵及辨识公式,从而提供了不协调目标信息系统知识约简的新方法。并通过实例将决策表中基于对象的约简与整体约简进行了对比,结果表明前者可以得到更简洁的知识。该方法也适用于协调目标信息系统。     

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。     

区间值模糊决策序信息系统的分布约简

因信息系统的复杂性和不确定性,对象的属性值难以用精确的数值来表达,而是采用区间形式表示。针对这一问题,对区间值进一步模糊化,并引进优势关系,建立了不协调区间值模糊序决策信息系统。通过分布约简和最大分布约简来简化知识的表达,找出二者之间的关系,得到了分布约简和最大分布约简的判定定理以及可辨识属性集和可辨识矩阵;提供了不协调的区间值模糊序信息系统的分布约简和最大分布约简的具体方法;结合投资风险这一具体案例的求解分析,进一步阐述了对分布约简研究的意义,丰富了区间值模糊序决策信息系统中的粗糙集方法。     

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。     

Approaches to knowledge reductions in inconsistent systems

This article deals with approaches to knowledge reductions in inconsistent information systems (ISs). The main objective of this work was to introduce a new kind of knowledge reduction called a maximum distribution reduct, which preserves all maximum decision classes. This type of reduction eliminates the harsh requirements of the distribution reduct and overcomes the drawback of the possible reduct that the derived decision rules may be incompatible with the ones derived from the original system. Then, the relationships among the maximum distribution reduct, the distribution reduct, and the possible reduct were discussed. The judgement theorems and discernibility matrices associated with the three reductions were examined, from which we can obtain approaches to knowledge reductions in rough set theory (RST). © 2003 Wiley Periodicals, Inc.     

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。     

不协调决策信息系统最大分布约简新方法

针对如何快速求解不协调决策信息系统的最大分布属性约简问题,在分析现有的约简方法的基础上,定义一种新的决策最大分布二元关系,得到了最大分布协调集的判定定理,建立起了一种不协调决策信息系统最大分布属性约简的新方法。并进一步分析了最大分布的核心属性、相对必要属性、不必要属性的相应的特征刻画。最后给出了一个实例验证本方法的有效性。     

A new approach to attribute reduction of consistent and inconsistent covering decision systems with covering rough sets

Traditional rough set theory is mainly used to extract rules from and reduce attributes in databases in which attributes are characterized by partitions, while the covering rough set theory, a generalization of traditional rough set theory, does the same yet characterizes attributes by covers. In this paper, we propose a way to reduce the attributes of covering decision systems, which are databases characterized by covers. First, we define consistent and inconsistent covering decision systems and their attribute reductions. Then, we state the sufficient and the necessary conditions for reduction. Finally, we use a discernibility matrix to design algorithms that compute all the reducts of consistent and inconsistent covering decision systems. Numerical tests on four public data sets show that the proposed attribute reductions of covering decision systems accomplish better classification performance than those of traditional rough sets.     

Approaches to knowledge reduction of covering decision systems based on information theory

In this paper, we propose some new approaches for attribute reduction in covering decision systems from the viewpoint of information theory. Firstly, we introduce information entropy and conditional entropy of the covering and define attribute reduction by means of conditional entropy in consistent covering decision systems. Secondly, in inconsistent covering decision systems, the limitary conditional entropy of the covering is proposed and attribute reductions are defined. And finally, by the significance of the covering, some algorithms are designed to compute all the reducts of consistent and inconsistent covering decision systems. We prove that their computational complexity are polynomial. Numerical tests show that the proposed attribute reductions accomplish better classification performance than those of traditional rough sets. In addition, in traditional rough set theory, MIBARK-algorithm [G.Y. Wang, H. Hu, D. Yang, Decision table reduction based on conditional information entropy, Chinese J. Comput., 25 (2002) 1-8] cannot ensure the reduct is the minimal attribute subset which keeps the decision rule invariant in inconsistent decision systems. Here, we solve this problem in inconsistent covering decision systems.     

不一致决策表各种属性约简的不一致性分析与转化

针对不一致决策表,系统地研究了代数约简、分布约简、最大分布约简及分配约简之间的关系,指出分布(分配)协调集必是代数协调集,但分布(分配)约简与代数约简之间并无包含与被包含关系,只有当分布(分配)约简存在,相应的代数约简才是其子集.最大分布协调集与代数协调集无强弱之分.基于等价可辨识属性矩阵具有相同属性约简和核的思想,提出一种简化的代数约简可辨识属性矩阵构造方法,在此基础上得到了将分布(分配)约简转化为代数约简,分布约简转为分配约简的新方法,部分解决了上述各属性约简结果不一致性问题,理论分析与数值算例证明了它的有效性.