基于非对称相似粗糙集的规则获取算法

针对目前应用粗糙集相似关系理论与LEM2算法进行规则推理时获取规则较少以及规则简化程度不高的问题,提出了粗糙集非对称相似关系与近似集的计算方法,并对现有LEM2算法获取规则的过程进行了改进与补充,形成了一种新的基于非对称相似粗糙集的规则获取算法,以便从不完整信息中获取更多潜在规则.最后以实际算例对两种算法分别进行了测试并给出了结果对比分析,仿真结果表明新的规则获取算法在不改变原有信息集结构与内容的基础上具有更好的优化性能,能获得更好的优化结果.     

基于属性集值不完备信息系统的Rough集方法

论文使用基于一般关系的Rough集理论和方法,研究了具有“属性集值”的不完备信息系统。通过研究由属性集值产生的不完备信息系统上的三种基本关系相容关系、非对称相似关系和拟序关系,建立了相应Rough近似集合的某种“单调”关系。在此基础上,讨论了系统属性约简及其实现算法。     

量化容差关系与量化非对称相似关系的比较研究

1引言 由波兰数学家Z.Pawlak所提出的经典Rough集理论已在知识获取方面取得了很大的成功[1,2].但是,经典Rough集理论主要是针对完备信息系统的,它是利用不可分辨关系将对象进行上近似和下近似分类.对于不完备信息系统的处理,需要对经典Rough集理论进行扩充,主要是对不可分辨关系进行扩充.目前,已经有了基于容差关系、非对称相似关系、限制容差关系和量化容差关系等的扩充Rough集理论[3,4].容差关系和非对称相似关系是对不可分辨关系扩充的两个极端:容差关系的条件太宽松,容易将根本没有相同已知属性信息的对象分到同一个容差类;非对称相似关系却可能将具有很多相同已知属性信息的对象分到不同的相似类.而限制容差关系刚好介于容差关系和相似关系这两个极端情况之间[4].容差关系与非对称相似关系在处理不完备信息系统中起着重要作用.从某种意义上讲,容差关系的量化是对容差关系的改进.本文的主要工作是在进一步讨论量化容差关系的基础上,将非对称相似关系进行量化处理,得到量化非对称相似关系,并在近似能力方面与量化容差关系作一比较.     

基于非对称相似差别矩阵知识约简

信息系统中存在着大量数据值缺省的情况,为寻求约简的最优解需耗费大量的时间。用非对称相似关系代替粗糙集理论中的等价关系,定义了非对称相似差别矩阵,提出了基于非对称相似差别矩阵的高效求核和知识约简算法。该算法无需改变初始不完备信息系统的结构,能直接处理缺省数据。实验结果表明,新算法所获得的决策规则简洁、高效,与缺省值无关。     

含环触发图对应的主动规则集可终止性分析

主动规则集的可终止性是主动数据库规则集的三大重要特征之一．主动规则集可否保证终止将直接影响到系统的应用．由于主动规则间存在依赖关系，通过对依赖关系的分析，给出了规则的触发传递闭包、依赖传递闭包等概念．以此为基础，提出了用规则触发-依赖图（T—DG）方法来分析主动规则集的终止性．特别讨论了判定含环的触发图（TG）对应的主动规则集是否保证终止的方法，给出了相应的判定算法、算法证明及分析．     

基于Vague聚类规则的双向近似推理

在智能系统的研究与开发中，推理方法的计算复杂性是一个很重要的问题．为了获得良好的推理效果和推理效率，就必须降低推理方法的计算复杂性．为此本文首先给出了一个新的vague集间的距离定义，然后给出了相似方向的概念及相似方向的判定方法．在此基础上，提出了对vague规则进行聚类，以及基于vague聚类规则的双向近似推理方法，该方法更好地利用了vague集信息的精确性，而且降低了推理的计算复杂性，从而提高了推理的精确性和适用性．并用实例验证了该方法的有效性．这为智能系统中的近似推理提供了一个十分有用的工具．     

基于近似子图的规则空间压缩算法

规则空间模型是一种高效的知识结构诊断模型，但较高的规则空间构造代价阻碍了在小规模、实时认知诊断中的应用.为了提高规则空间模型的可扩展性，提出使用近似子图生成理想属性模式集进而压缩规则空间的方法.近似子图能够通过忽略和测试项目无关的属性降低子图规模量级，从而有效缩减理想属性模式集规模，达到压缩规则空间的目的；同时通过构建顶点间的虚拟边模拟领域知识图上的传递依赖关系，使近似子图在不引入额外属性的前提下保持领域知识图上的依赖关系，实现对不合理属性模式的有效过滤.在此基础上，给出了构造规则空间所需的近似子图构造算法以及由近似子图生成理想属性模式集的方法.最后在标准测试集上开展了近似子图与依赖保持子图和顶点导出子图两种方法的性能对比实验，并将近似子图应用于实际教学认知诊断中验证其诊断准确率，实验结果表明近似子图能够在不损失诊断结果准确率的前提下显著压缩规则空间，降低规则空间模型应用于小规模、实时诊断的门槛.     

基于云概念的近似规则提取策略

针对目前实值信息系统近似规则提取方法不能客观反映系统的内在规律和不符合人的思维方式的问题，提出了基于云概念的近似规则提取策略：(1)云化实值信息系统，得到定性概念的云集；(2)基于云集拓展Rough集的相关概念；(3)利用提出基于云的近似规则算法，提取系统规则并作人性化解释．     

一个基于Vague集相似度量的近似推理方法

对文献[1]中提出的一种基于Vague集之间相似程度的度量方法进行了分析，指出了这种相似度量方法存在的缺陷。在此基础上，给出了一种改进的相似度量方法。同时，我们还给出了一种新的Vague集的交并运算规则，并在新的交并运算基础上，提出了一种基于Vague集相似度量的近似推理方法。最后，用实例说明了这种近似推理的推理过程。     

一种不完备信息系统的直接约简方法

目前已有基于容差关系、相似关系、限制容差关系等的扩充rough集理论，但仅仅是提出了一些针对以上某种模型的属性约简算法，在此提出从离散化到规则匹配的一系列不完备信息系统的约简处理方法，该方法可以适用于各种rough集扩充模型，并且对完备信息系统和不完备信息系统是统一的．     

不完备模糊决策信息系统的粗集模型与精度约简

在不完备信息系统和模糊决策信息系统概念及其粗集模型的基础上，本文提出了不完备模糊决策信息系统的概念，给出了不完备模糊决策信息系统的粗糙集模型，它既不同于不完备近似空间上的信息系统又不同于完备空间上的模糊决策信息系统。该模型是完备模糊决策信息系统和经典决策信息系统粗糙集模型的推广。文中还给出了系统的精度约简概念及其约简算法。     

不完备模糊目标信息系统粗集模型与知识约简

在不完备信息系统和模糊目标信息系统的基础上，将不完备近似空间和模糊目标信息系统有机地结台起来，提出了不完备模糊目标信息系统的概念；同时还给出了不完备模糊目标信息系统的粗糙集模型，该模型是完备模糊目标信息系统和经典目标信息系统粗糙集模型的推广。还给出了系统知识约简的一些相关概念及其辨识矩阵的知识约简方法。     

混合值不完备信息系统一种新的数据分析方法*

针对混合值不完备信息系统的完备化问题,提出了一种改进的ROUSTIDA算法。对可辨识矩阵的定义在邻域的范围内进行了扩充,使之可以适用于混合值的不完备信息系统,结合极大相容块技术给出了具体的改进算法,使填充能力得到很大的改善,同时还具备了初步排除噪声数据的能力。实例分析表明,该算法是行之有效的。     

基于概念格的不完备信息系统最简规则提取算法

概念格是以概念为元素的偏序集,通常可以对形式背景描述的完备信息系统进行分析和处理,然而在多数情况下信息系统是不完备的,粗糙集理论是一种刻画不完整、不确定性问题的有效方法.针对此问题,从粗糙集的角度出发,基于概念格理论定义一种描述不完备信息系统的增广形式背景,在此基础上,定义并讨论极概念和极概念格及其相关性质,进而提出增广形式背景的极概念生成算法.为了获得更加简洁的决策规则,同时提出一种新的无冗余属性的决策规则获取算法.通过实例计算和UCI数据集的对比实验,表明了所提出算法的可行性和有效性,特别地,当信息系统完备时极概念将退化为经典的概念.     

基于优势关系的粗糙集扩展研究

为了从多视角研究不完备信息系统中的粗糙集方法,论文分析了完备信息系统中的优势关系粗糙集和不完备信息系统中的扩展优势关系粗糙集,并以此为基础在不完备信息系统中提出了另一种扩展优势关系粗糙集。通过对新提出的粗糙集的性质进行分析,证明了其可以获得比扩展优势关系粗糙集更大的下近似和更小的上近似。     

基于知识粒度的异常数据挖掘算法

粒计算理论提供了一种新的处理不确定、不完全与不一致知识的有效方法。知识粒度是粒计算理论中度量不确定信息的重要工具之一。已有的异常数据挖掘算法主要针对确定性的异常数据挖掘,采用知识粒度度量不确定性数据,进行异常数据挖掘的研究尚未报道。为此,在引入知识粒度概念的基础上,定义了相对知识粒度及异常度来度量数据之间的异常程度,并提出基于知识粒度的异常数据挖掘算法,该算法可有效进行异常数据的挖掘。实例验证了该算法的有效性。     

不完备信息系统中一种新的求核算法

在不完备信息系统基于差别矩阵的属性约简算法中,相容类和最大相容类中的对象具有不确定性.针对上述问题,提出一种新的差别矩阵及其核的定义,证明在不完备信息系统中该差别矩阵的核与基于正区域的核是一致的.在此基础上给出一个求核算法,通过实例证明,由于减少了差别矩阵中的元素,因此算法的求核效率得到较大提高.     

基于粗糙集的不完备信息系统增量式属性约简

属性约简是粗糙集理论在模式识别中一项重要的应用,传统的属性约简算法只适合处理静态的信息系统,而处理不断动态更新的信息系统面临着巨大的挑战。对于不完备信息系统,提出一种增量式的属性约简算法。在不完备信息系统下引入粗糙集理论中关于正区域的概念,针对不完备信息系统中属性增加的情形,提出了基于正区域的增量式属性约简算法。实验结果表明了所提出的增量式属性约简算法比非增量式的算法具有更高的效率,同时比其他同类型的算法具有更高的优越性。     

基于条件分布信息量的不完备决策表属性约简

通过分析目前信息观下不完备信息系统属性约简,针对已提出的几种信息熵存在随着属性的增加系统分类能力减弱的不足,从条件属性确定的容差类在决策属性划分上的分布出发,给出不完备决策表的条件分布信息量的定义;同时,定义了新的属性重要度,并以此为启发信息设计属性约简算法。通过实验说明了该算法对不完备决策表属性约简是可行的。     

EasiFCCT:一种保证连通性的传感器网络局部覆盖算法

调度节点轮流工作可以有效延长网络寿命,然而现有的调度协议大部分需要地理位置信息,引入了额外的负担;一些不需要地理位置信息的节点密度控制算法又无法保证有效的网络覆盖度.此外,已有的分析证明了随机算法可以以较大概率保证一定的网络覆盖度,但是因其没有考虑到节点的非连通性会导致网络出现不连通的情况,所以具有一定局限性.提出的局部覆盖算法在随机调度的基础上同时考虑节点的连通性,可以保证网络在具有一定的有效覆盖度的同时能够连通工作.仿真结果表明,算法在网络有效覆盖度方面要优于已有的工作,同时由于新算法建立在随机调度的基础上,因此其复杂度低,较易实现.