对决策表和简化决策表的研究

简化决策表具有高效处理数据的能力,一经提出即得到广泛的重视。文中通过反例证明简化决策表在处理数据时会产生错误,改变了原决策表表达信息。通过分析得出简化决策表不具备处理不一致数据的能力,针对简化决策表存在的缺陷对其进行修正,提出新简化决策表的概念和建立算法。新简化决策表具有高效处理数据的能力,同时具备处理不一致数据的能力,并且不需要修改原有以决策表或简化决策表为基础的求核和求约简算法。     

新简化决策表的研究

针对简化决策表的定义和建立算法只能处理一致对象的问题,提出新简化决策表定义和建立算法,采用对不一致对象单独处理的方法,有效地解决简化决策表不能处理不一致对象的问题。通过实验验证新简化决策表可以处理不一致对象,简化决策表不能处理不一致对象。     

一个新的基于数据库技术的快速求核算法

求核是粗糙集中一个重要的研究内容之一.为降低求核的算法复杂度,给出了简化决策表的定义.由于求简化决策表时,要先求出IND（C）,故以基数排序的思想设计了一个新的求IND（C）的算法,其时间复杂度为O（｜C｜｜U｜）.然后将简化的决策表转化成协调的新决策表,在此新决策表上得到了一个求核的性质,并证明了用该性质求出的核与原决策表的核是一致的.在此基础上,设计了一个基于数据库技术的快速求核算法,其时间复杂度为O（｜C｜｜U｜）.     

对新简化差别矩阵的研究

通过反例证明当决策表含不一致对象时,无法通过简化差别矩阵得到正确的核和约简.产生该问题的原因在于简化差别矩阵和简化决策表对不一致对象的处理均存在欠缺.提出新简化差别矩阵(NSDM)定义,通过利用新简化决策表把一致对象和不一致对象分开存放的特点修正了这两处缺陷.NSDM能够处理含多种不一致对象的决策表,并且能够得到正确的核和约简.利用前人的基于差别矩阵的求核和求约简算法分别以NSDM和简化差别矩阵为基础求核和约简,然后再利用核和约简的定义求核和约简,通过比较证明以NSDM为基础得到的核和约简是正确的.这说明NSDM可以有效地处理不一致对象并且通过NSDM能够得到正确的核和约简.这个实验同时验证了原有的以差别矩阵为基础的求核和求约简的算法不加改动就可以在新差别矩阵上使用.     

基于数据库系统的决策表核与属性约简算法

给出一种简单的代数核判断方法,它将比较两个正区域是否相等简化为比较它们的基数是否相等,从而简化了计算过程,得到一种基于数据库系统求决策表核属性的新算法。由于所有条件属性集已是一个代数协调集,采用自顶而下逐步删除可约属性的策略,提出一种基于数据库系统求代数约简的算法。理论分析和实验结果表明,该方法面对大数据集具有更高的效率。     

基于二进制的决策表求核算法

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。     

基于差别矩阵的不一致决策表规则获取算法

针对传统基于差别矩阵的不一致决策表规则获取算法效率不理想的情况,提出了一种快速的基于差别矩阵的规则获取算法.算法首先引入简化决策表思想,删除决策表中可能存在的许多重复对象;然后基于简化决策表构造不同决策类之间的子差别矩阵,以有效地解决对象分布的非平衡性问题和缩小算法的求解空间;且采用启发式向后贪心搜索策略求解相对最小属性约简;并根据规则可信度获取有效的决策规则,可信度可动态设置,使算法具有较好的适应性.最后通过算例分析和实验比较验证了算法能获取有效的决策规则.     

关于简化的决策表及属性约简的注记

对简化的决策表进行转换,得到改进的简化决策表.基于正区域的属性约简,证明了在原决策表上约简与在改进的简化决策表上约简,结果相同.由于改进的简化决策表是一致的,从而保证在实际应用中,对改进的简化决策表可以用现有的任意一种完备的属性约简算法.     

决策表化简及其属性约简方法

给出一种求不一致决策表的核和所有属性约简的新方法,首先利用U/C对决策表进行化简,然后在简化的决策表上定义新的差别矩阵,最后利用差别函数求出所有属性约简.该方法可有效降低生成差别矩阵时所需的存储空间和时间,理论分析和例子表明,该属性约简方法在效率上比现有的基于差别矩阵和差别函数的方法有显著提高.     

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.     

决策表决策规则与知识粒度

在知识发现、数据挖掘等研究领域中,粒度计算有着潜在的应用。针对决策表,探讨了其内在的粒度思想,研究了属性个数增减、属性取值改变对知识粒度变化的影响,并建立了知识粒度与规则确信度之间的动态关系,为决策表进行决策分析提供了科学依据。这些结果将有助于粒度计算和决策理论的研究。     

不完备决策表中的粒度思想

粒度计算是粗糙集理论研究的一种强有力的工具。为了更好地研究不完备决策表中的知识获取方法,在基于粒度计算理论和极大相容块技术上,将不完备决策表分为确定的和不确定的两类,讨论了不完备决策表内在的粒度思想,并给出了两类不完备决策表在不同粒度下的相互转化关系。大量实验表明该方法是可行有效的。     

Vague决策表的知识获取

本文提出一种Vague决策表的知识获取方法。首先根据样本对于决策者需求的适合程度构造Vague值之间的一个序关系，将Vague决策表转化为二元决策表，然后利用粗糙集理论进行分析并推理出最优规则，最后再将二元决策表的决策规则转化为Vague决策表的有序规则。实验分析表明了该方法的有效性。     

带权决策表的属性约简

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。     

一种新的决策表相对约简算法

根据决策表定义条件属性区分能力指数DI(a)的概念,给出DI(a)的若干性质。定义拟等价类的概念,提出基于区分能力指数的决策表相对约简算法,该算法基于分治策略,用属性a代替相应区域的区分元素,从而减小算法搜索的空间。实验结果表明,该算法具有较高的搜索效率,能够得到全部或大部分约简。     

模糊决策表的数据挖掘

论文利用基于优势-等价关系的扩展粗糙集模型,结合三角模糊数基于可能度的序关系,给出了一种模糊决策表的数据挖掘方法,该方法能有效地挖掘出决策系统的决策规则。实验分析表明了该方法的有效性。     

决策强度的决策表约简设计与比较

在平均决策强度的基础上,提出了决策强度的代数定义,以弥补基于正区域方法的局限性,并且证明了知识的决策强度随着信息粒度变小而非单调递减的规律,在此基础上设计了基于决策强度的约简方法。应用实例分析的结果表明,基于决策强度的属性重要性是一种更优的启发式信息,该方法计算直观有效,时间复杂度较低,有助于搜索最优或次优约简。最后对UCI离散数据集进行约简比较。     

基于决策强度的决策表连续属性离散化算法

决策表中连续属性离散化,即将一个连续属性分为若干属性区间并为每个区间确定一个离散型数值。该文提出一种新的决策表连续属性离散化算法。首先使用决策强度来度量条件属性的重要性,并据此对条件属性按照属性重要性从小到大排序,然后按排序后的顺序,考察每个条件属性的所有断点,将冗余的断点去掉,从而将条件属性离散化。该算法易于理解,计算简单,算法的时间复杂性为O(3kn2)。