基于β重要度的数据隐含化

为权衡敏感或重要数据的公开及关键内容的隐含间的关系,提出一种基于变精度粗糙集模型中的β重要度和粒度原理的数据隐含方法,通过获取信息表中的重要属性,对次要属性的属性值进行扩展,从而使用户信息的粒度变粗,达到对信息表的数据隐含化效果。仿真实验结果表明,该方法是可行的。     

基于覆盖粗糙集模型的层次聚类算法

目前大部分聚类算法只适用于处理属性取值为单值的数值型数据,介绍了一种新的基于粗糙集理论的聚类算法,该算法不仅可用于取值为单值的数值型数据聚类,而且能够用于取值为多值的非数值型数据聚类.该算法利用基于相容关系的属性最小覆盖来求解对象各属性的对象属性信息粒.在此基础上,通过对象属性信息粒和对象粗糙相似度的运算构建各对象的相容粒.最后,把具有相同相容粒的对象视为同一等价类,从而实现对论域的聚类,进而对数据对象进行层次聚类.实验结果表明,该算法是可行的.