基于属性重要性的决策表属性约简算法

提出一种基于粗糙集属性重要性的属性约简算法。该算法以所有条件属性为初始约简集合，以属性重要性为迭代准则，通过逐步缩减来求取约简。同时给出了该算法的时间复杂度分析，并举例验证了所提出算法的有效性和实用性。     

基于属性重要性的决策表属性约简算法

提出一种基于粗糙集属性重要性的属性约简算法。该算法以所有条件属性为初始约简集合,以属性重要性为迭代准则,通过逐步缩减来求取约简。同时给出了该算法的时间复杂度分析,并举例验证了所提出算法的有效性和实用性。     

基于属性重要性的属性约简算法

粗糙集理论是一个新的处理不确定性问题的数学工具,属性约简是粗糙集理论的核心问题之一。为了获得决策系统中更好的相对属性约简,提出一种基于属性重要性的属性约简算法。将可辨识矩阵中出现次数多少作为属性重要性的判断依据。算法还考虑了当出现次数相同的情况下属性选择问题,由此定义新的属性重要性,以新的属性重要性为启发信息,分析表明,提出的算法是有效可行的。     

基于属性一致度的属性约简算法

在属性一致度的概念和性质基础之上,提出一种基于属性一致度的属性约简算法。利用一致度构造属性间模糊相似矩阵,并用模糊聚类分析方法对属性重要性作了分类,从而得到动态属性分类图,得到了与粗糙集属性约简方法完全一致的结果。最后,用实例表明算法的有效性。     

基于并行协同进化的属性约简

提出一种求属性集合最小约简的新方法，即基于并行协同进化的属性约简方法．该方法将并行遗传算法和协同进化算法相结合，能有效地处理具有大量属性的信息系统．对各类实验数据的测试表明，该方法得到的属性约简量与基于属性重要性的约简方法相似，在某些情况下求得最小约简的可能性要高于属性重要性方法．     

基于可辨识矩阵的启发式属性约简方法及其应用

在基于可辨识矩阵的属性约简算法的基础上，提出了基于可辨识矩阵的计算属性重要性的方法，并以此作为启发式知识来约简决策表中的冗余属性。这种方法直接源于评审数据，思路清晰，拟合结果表明本约简算法合理、可靠。     

基于属性重要性的粗糙集属性约简方法

信息系统中的属性约简是粗糙集知识发现的一个重要步骤。致力于研究一个信息系统中的特征选择、删除冗余属性。新的算法从属性重要性出发,采用迭代特征选择的标准,使得选择特征属性集不断缩小,获得信息系统的约简。通过实验证明该方法可行,有效。     

一种完备的最小属性约简方法

为解决粗糙集中的属性约简问题,提出一种完备的最小属性约简方法。将差别矩阵中所有有关属性区分的信息都浓缩进一个差别向量组,计算每个属性在区分2个对象的属性集合中出现的概率,作为属性重要性的启发式信息,建立最小属性约简树,得到属性约简。分析结果表明,该方法可以获得所有的最小属性约简。     

基于RS理论的快速属性约简求核方法

粗糙集是用来处理不确定、不完备数据的重要工具之一.属性约简是粗糙集理论研究的一个重要内容,属性核则是属性约简所涉及的一个重要概念,对简化属性约简具有不可替代的重要性.文中指出属性约简的作用,及其涉及到的一个重要概念--属性核的概念和重要性.分析了目前常用求属性核方法,大都建立在内存中,需要构造差别矩阵.存在时空复杂度较大的不足.提出了一种无需建立差别矩阵的简单求属性核方法,并通过实例验证了正确性.     

基于属性重要性的Rough sets约简方法研究

本文介绍了粗糙集的基本知识,提出了基于属性重要性的Rough sets约简方法,通过属性约简以及属性值约简,生成最小约简表,从中获取规则;并通过实例验证该方法的有效性。     

一种直觉模糊粗糙集属性约简新算法

将信息熵理论与直觉模糊粗糙集结合起来,提出一种基于互信息的直觉模糊粗糙集属性约简新算法.给出了在直觉模糊环境下,基于互信息的属性重要度和属性依赖度的度量准则.本文所提出的算法以属性重要度和依赖度为双重度量标准,采取可增可删的双向回归算法,在保持分类精度不变的情况下,最后得到决策表的最小属性约简.实例表明在多属性的决策表约简中,在本文提出的算法得到的属性约简的基础上而得到的决策规则是较简捷、较完备的.     

区间值信息系统的启发式属性约简

针对区间值信息系统中的属性约简问题,引入α-极大相容类的概念,定义区间值信息系统的属性间依赖度和信息熵,提出相应属性内(外)重要度的度量方法,给出一种统一的启发式属性约简算法,通过实验验证该算法的有效性,并分析不同相似水平α对约简结果的影响。     

基于改进关系积的最小属性约简算法

属性约简是粗糙集理论的核心内容之一。针对现有关系积理论不能求解不一致决策表中最小属性约简的缺陷,提出一种基于知识联合划分的改进关系积和关系积约简概念,分析了关系积约简、正区域和负区域之间的性质,提出一种基于改进关系积的最小属性约筒算法。理论分析和实例计算结果表明,该算法具有可行性,能求取一致或不一致决策表中所有最小属性约简。     

软集决策信息系统的属性约简

粗集和软集在解决不确定的问题的决策分析过程中,属性约简是关键和棘手的问题.与粗集理论相比较,利用软集方法能够有效地简化决策过程.决策信息系统用软集形式表示,用软集处理粗集理论中的等价关系,进行有效的属性约简,给出一个属性真度的概念作为反映条件属性重要性的函数,在此基础上给出一种适合软集属性约简的启发式算法,通过分析和实例证明该软集属性约简方法,简化约简过程,降低运算的复杂度.     

不完备信息系统的属性约简算法

根据不完备信息系统的定义和特点,建立基于集合容差关系的粗糙集模型,构造条件属性的可辨识矩阵,分析决策属性的重要性。阐述并比较3种属性约简方法,对同一个不完备信息表的处理结果表明,3种方法可以得到基本一致的约简结果,验证了其有效性。     

基于粒计算的属性约简算法

粒计算是一种基于问题概念空间划分的新的智能计算理论和方法,不相容决策表是粗糙集理论研究的一个重点。利用粗糙集中的等价关系来构建粒子,给出了决策表系统的粒子分解方法及在粒表示下以属性重要性作为启发信息的属性约简算法。实验结果表明该算法不仅具有高效性,而且能处理大型决策表。     

基于属性约简集评价节点重要性研究

社会网络成员的重要性确定通常依赖结构属性对网络节点的评价。首先定义了网络中节点排序可区分以及属性约简集的概念，并在此基础上量化了属性聚类的阈值，从而确定了类别的数量。设计了网络节点重要性的属性约简集评价算法。通过与度、介数、全属性评价在人工网络、海豚网上的实现，证明了属性约简集评价节点排序的可行性。通过属性约简集在海豚网、9·11恐怖分子合作网上的节点评价值、网络鲁棒性以及节点可区分性等方面的应用对比分析，发现属性约简集评价节点重要性既兼顾了网络结构的完整性，又避免了单一属性评价的片面性和多个属性之间的属性冗余性，提高了节点评价结果的准确性，降低了算法复杂度。     

不协调决策形式背景的矩阵型属性约简

形式概念分析的属性约简是知识表达和数据处理的一种有力的工具。对于不协调决策形式背景,已有多种属性约简的方法。从布尔矩阵运算的角度研究不协调决策形式背景的属性约简问题,提出属性约简的新的刻画。首先,借助矩阵的运算给出广义矩阵协调集的定义,并研究属性之间相似性的度量。接着,针对在属性约简过程中起不同作用的属性,将条件属性区分为核心属性和非核心属性,提出一个属性是否是核心属性的充要判断条件,以及得出属性约简的判别方法。最后,在此框架上设计出不协调决策形式背景属性约简的一种启发式算法,通过例题说明此算法的可行性和合理性。通过属性约简,该形式背景下的概念格计算更为简便。上述结果有助于进一步的应用及为研究形式概念分析的矩阵方法提供理论基础。