首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 93 毫秒
1.
属性约简是粗糙集理论的重要应用。考虑将决策表中的每行都作为一条决策规则时,若把表中出现相同决策规则的次数作为权,可得到带权决策表。提出了关于带权决策表的正域约简相应的辨识矩阵并给出了证明,从而得到了约简算法。相比于决策表中的正域约简时发现,通过将决策表转化为带权决策表后,再利用算法1进行约简时,其在一定程度上优于前者。提出了近似分类精度约简相应的辨识矩阵并给出了证明。对于2个算法,在选取的UCI数据集上进行了实验验证。通过实验进一步说明了所提出算法的可行性和有效性。  相似文献   

2.
对目前求不一致决策表最简规则方法存在的问题进行了分析,提出了一种构造区分矩阵的方法,能更好地适用于多决策属性存在的决策表中.借助区分矩阵进行值约简,提出了一种新的规则提取算法.利用属性的重要度来描述条件属性所提供的知识对决策表的影响程度,引入规则准确度来衡量算法是否造成决策表的新的不一致规则.该算法不会破坏决策系统中一致规则和不一致规则所蕴含的信息量,保持约简前后规则的准确度不变.  相似文献   

3.
新的决策表约简模型下的一种增量算法   总被引:1,自引:0,他引:1  
新的约简模型将满足平均决策强度条件的最简规则集作为最终的约简结果,解决了不相容决策表约简结果不一致的问题。当前迫切需要解决的问题是,面对动态变化的决策表,如何高效地调整决策表的约简结果。文章提出了一种在新的约简模型下增量算法,该算法能根据决策表新增样本与原有的最简规则集的关系,快速推出新决策表的满足平均决策强度条件的最简规则集。  相似文献   

4.
属性约简是粗糙集的一个核心研究课题,但经典属性约简及其延伸算法是基于有决策属性的决策表的属性约简算法,它们对无决策属性的非常规决策表的属性约简无能为力。以粗糙集理论为基础,对无决策属性的非常规决策表从分形维数方面进行研究,提出了一种适用于无决策属性的决策表的启发式属性约简算法。该算法在一定程度上能够解决非常规决策表的属性约简问题,进一步扩展了粗糙集理论的应用范围。实例表明该算法是有效可行的。  相似文献   

5.
一种基于Rough集的属性值约简算法   总被引:7,自引:0,他引:7  
文章将Rough集理论应用于不同类型的决策表(一致决策表和不一致决策表)的约简,给出了广义决策、决策规则的一致程度、属性值重要性等定义,在此基础上提出了一种基于Rough集的属性值约简算法。该算法不仅能得到更为简洁的决策规则,而且能保持决策规则的一致程度不变。实例分析表明该算法是可行的。  相似文献   

6.
粗糙集理论的概念性框架之一就是利用不可分辨关系和布尔推理作为数据约简和获取决策规则的基础.在分辨矩阵和决策矩阵概念的基础上,提出将约简分为4类,即信息表的对象约简、信息表的全局约简、决策表的对象约简和决策表的全局约简,其中决策表的对象约简对应决策规则.从模式的角度对约简和决策规则进行了分析,利用决策矩阵和决策函数,给出了获取最小决策规则的一种算法,上述结论可以作为设计启发式算法的基础,并用例子对结论进行了说明.  相似文献   

7.
基于决策规则的条件属性支持度和规则支持度,结合Apriori算法思想,本文提出了一种利用决策规则支持度对粗糙集中决策表进行值约简的算法。实例表明该算法可以有效地对决策表进行值约简。  相似文献   

8.
研究输电网故障诊断问题。电力系统日趋复杂,势必导致电力系统故障诊断中的决策表也更加复杂,针对决策表约简问题,提出了采用粗糙集理论与关联规则数据挖掘技术相结合的方法对决策表进行约简,将传统的粗糙集约简算法进行改进,并将得到的约简结果根据保护、断路器和元件之间存在的内部联系,运用关联规则数据挖掘技术进一步约简,最终得到简单的决策策略。通过算例分析表明所提算法简单、快速、有效。运用Visual C++编程实现了对算例的决策表约简,证明了新方法的正确性。  相似文献   

9.
一种基于改进区分矩阵的属性约简算法   总被引:1,自引:0,他引:1       下载免费PDF全文
现有的很多约简算法都是由构造决策表的区分矩阵出发,将矩阵中非空元素的合取范式转化为极小析取范式。但是,基于Skowron提出的区分矩阵约简算法对不相容决策表会产生错误的结果。为此,提出一种改进的区分矩阵的定义,以及基于此区分矩阵的属性约简算法,该算法对相容或不相容决策表都是适用的,特别对不相容决策表会得到更加稀疏的区分矩阵,可大大节省计算时间和存储空间,该算法是一种简单、有效、普遍适用的求解属性约简方法。  相似文献   

10.
决策表属性约简是粗糙集理论中的重要问题,经典决策表属性约简方法从保持论域划分能力的角度出发,选择最优条件属性约简集.从决策属性与条件属性的相关性角度出发,将决策表属性约简思想与传统统计学中的对应分析方法相结合,提出了一种量化决策属性与条件属性之间依赖关系的度量,称为投影区分度,并基于此发展了一种决策表属性约简算法.最后用简单实例说明了该方法的正确性.  相似文献   

11.
基于矩阵的最简决策规则获取   总被引:5,自引:2,他引:3       下载免费PDF全文
获取决策表规则时,通常需要进行属性约简和属性值约简。该文分析属性值约简,针对协调决策表提出一种通过构造决策矩阵直接获取最简规则的方法。将原来考虑条件属性集和决策属性集决定的等价类之间的关系,转变为仅考虑决策矩阵同行元素之间的代数关系。通过实例验证了该方法的可行性。  相似文献   

12.
在决策表中,决策规则的可信度和对象覆盖度是衡量决策能力的重要指标。以知识粗糙熵为基础,提出决策熵的概念,并定义其属性重要性;然后以条件属性子集的决策熵来度量其对决策分类的重要性,自顶向下递归构造决策树;最后遍历决策树,简化所获得的决策规则。该方法的优点在于构造决策树及提取规则前不进行属性约简,计算直观,时间复杂度较低。实例分析的结果表明,该方法能获得更为简化有效的决策规则。  相似文献   

13.
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。  相似文献   

14.
粗糙决策支持方法   总被引:30,自引:0,他引:30  
苏健  高济 《计算机学报》2003,26(6):737-745
粗糙分析方法是从粗糙集理论发展出来的技术之一.传统的粗糙分析方法能够从决策表中获取经过属性约简和值约简的决策规则.这些规则虽然能够提供一定程度的决策支持,但是这些规则仅保留了决策表的部分决策支持能力,在实际的决策过程中,往往无法提供良好的决策支持.对此,该文提出一组用于决策支持的粗糙分析方法,称为粗糙决策支持方法.该方法能够充分挖掘决策表的决策能力,以提供强有力的决策支持,并且本质上提供容错的决策支持.该方法与传统方法能够整合为动静结合的决策支持模式,并提供强大而又快速的决策支持.  相似文献   

15.
决策表属性约简是粗糙集理论中的核心内容之一,其中求核运算是决策表属性约简的基础,提出了基于二进制的新的决策表求核算法,将求核运算转化为数值的比较运算,并给出了属性绝对必要性和相对必要性的新的判定规则,与传统算法相比,其速度更快,效率更高,易于计算机实现,为扩展粗糙集的应用提供了理论基础。  相似文献   

16.
一种带缺省推理的描述逻辑   总被引:21,自引:0,他引:21  
该文提出了一种新的带缺省推理的描述逻辑,它以描述逻辑为主要框架,对单调逻辑和非单调逻辑进行了整合,但又避免了一般缺省逻辑的困难.基于带缺省推理的描述逻辑,构建了一种同时具有Tbox,Abox和缺省规则的知识库系统,研究了带缺省推理的描述逻辑的可满足性、缺省可满足性、概念包含、缺省包含以及实例检测等推理问题,提出了一种用来检测可满足性和缺省可满足性的Tableau—D算法,并得到了缺省可满足性和缺省包含的转换定理.  相似文献   

17.
对决策表各条件分类和决策分类集合之间的关系进行了研究,提出了直接从各分类中计算决策表核及属性约简方法:依据属性约简,创建了一个多变量决策树;在此基础上,阐述了提取决策表中蕴含规则的方法,从而省去了在约简后的决策表中计算值约简步骤;通过实例,验证了这些方法的有效性。  相似文献   

18.
信息量不完备决策表属性约简的一种新算法   总被引:1,自引:1,他引:0       下载免费PDF全文
目前,基于不完备决策表的属性约简研究较少。基于信息量的不完备决策表属性约简是一种新的属性约简。由于在该属性约简中,计算相容关系是最主要的计算,也比计算等价关系要难得多。基于信息量的不完备决策表的属性约简算法的时间复杂度一般为O(|C|2|U|2)。为降低其时间复杂度,首先分析了老算法的不足,然后给出了一个效率较好的计算相容类的算法。最后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,其时间复杂度为O(|C|2|U|2)。  相似文献   

19.
提出了一种处理海量的不完备决策表的方法。将基于互信息的属性重要度作为启发式信息,利用遗传算法对不完备的原始决策表中的条件属性进行约简,形成包含missing值的决策表,称为优化决策表。利用原始决策表自身的信息,通过属性扩展,从优化决策表中抽取一致性决策规则,而无须计算missing值。该方法在UCI的8个数据集上的实验结果优于EMAV方法,是一种有效的从海量不完备决策表中抽取规则的方法。  相似文献   

20.
领域文本具有结构复杂、相似性高以及动态变化等特点,且存在着连续型与离散型并存的混合数据,这在一定程度上限制了知识发现方法对文本规则的挖掘效率。针对这一问题,该文提出了基于GMM与粗糙集的文本规则挖掘方法。该方法首先根据目标数据的属性类型构造信息表;然后利用高斯混合模型(GMM,Gaussian Mixture Model)聚类算法对连续数据进行聚类划分,依此对数据进行离散化及状态约简,并生成决策表;最后利用粗糙集理论对决策表进行属性约简,通过约简表对决策规则进行提取。实验结果表明: 相比于传统的方法,该文方法拥有更高的抽取精度以及较强的属性约简能力,其信息抽取的平均准确率与F1值能够达到95.0%和95.7%。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号