一种分明矩阵法的推广

属性约简是知识发现的重要研究内容,也是Rough集理论的核心内容之一。目前,最常用的计算所有属性约简方法是Skowron的分明矩阵法。文中在深入研究Skowron分明矩阵法的基础上,对Skowron的分明矩阵法进行了推广,提出了广义分明矩阵的属性约简方法,并给出了运行实例。     

不一致决策表信息熵约简与代数约简的核计算与转化

对不一致决策表,信息熵约简与代数约简有时会得到不同的属性约简和核属性,当前的方法多为先将不一致决策表转化为一致决策表,再对后者寻求高效算法.本文基于等价差别矩阵具有相同的核属性和属性约简的思想,提出一种以条件属性等价类构造简化的代数约简差别矩阵,从差别矩阵内部进行比较与分析,发现只须将信息熵约简差别矩阵中由同时为矛盾对象所产生的可辩识属性集剔除,即可转化为简化的代数约简差别矩阵,从而得到将信息熵约简核属性转化为代数约简核属性的新方法,理论分析与数值算例都验证了其正确性.     

Discernibility Matrix Algorithm of Attribute Reduction Based on Knowledge Granulaion in Incomplete Decision Table

基于不完备决策表的属性约简定义有多种,现研究基于知识粒度的属性约简.研究发现,差别矩阵是一种较好的设计属性约简算法的方法.为此,定义了一种粒度差别矩阵和基于该差别矩阵的属性约简,并证明了该差别矩阵的属性约简定义与基于知识粒度的属性约简定义等价.在此基础上,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,其时间复杂度得以降低.     

HU的属性约简方法与相对熵约简的等价性

出于不同的应用目的,许多学者提出了各种不同的属性约简概念.给出相对熵保持不变的条件,利用相对熵定义了决策表的相对熵约简,证明相对熵约简与HU的差别矩阵和差别函数的约简方法是等价的.     

MapReduce框架下并行知识约简算法模型研究

面向大规模数据进行知识约简是近年来粗糙集理论研究热点。经典的知识约简算法是一次性将小数据集装入单机主存中进行约简,无法处理海量数据。深入剖析了知识约简算法中的可并行性;设计并实现了数据和任务同时并行的Map和Reduce函数,用于计算不同候选属性集导出的等价类和属性重要性;构建了一种MapReduce框架下并行知识约简算法模型,用于计算基于正区域、基于差别矩阵或基于信息熵的知识约简算法的一个约简。在Hadoop平台上进行了相关实验,实验结果表明,该并行知识约简算法模型可以高效地处理海量数据集。     

粗糙集概念与运算的布尔矩阵表示

建立了属性集与布尔矩阵以及逻辑方程组的解之间的关系;在此基础上给出了粗糙集理论中概念与运算的布尔矩阵表示;最后证明了属性约简在布尔矩阵和代数两种不同表示下是等价的。     

集值信息系统基于优势关系下的知识约简

在集值信息系统中,把所有属性看成是一种准则,然后利用属性集值的取值分布定义了两种不同的优势关系,它们都是经典信息系统上优势关系的推广.针对这两种优势关系,给出了集值信息系统的知识约简与对象的相对约简的判定,定义了基于区分矩阵的区分函数,并利用布尔推理方法得到了这两种优势关系下的知识约简与对象的相对约简的具体操作方法.     

决策表中粗糙集的布尔矩阵表示

建立了布尔矩阵与逻辑方程组的解和决策表中的属性集之间的关系;然后在此基础上给出了决策表中的粗糙集理论的布尔矩阵表示;最后证明了属性约简在布尔矩阵和代数两种不同表示下是等价的。这些结论有助于人们深刻理解粗糙集理论的本质,同时为寻找高效的属性约简算法奠定了基础。     

基于系统熵的属性约简的简化差别矩阵方法*

基于系统熵的属性约简是一种新型的属性约简。该模型由于同时考虑了条件属性集和决策属性集对决策表的分类能力,它是一种考虑较周全的属性约简模型。为设计高效的属性约简算法,首先引入简化差别矩阵, 同时给出了基于该简化差别矩阵的属性约简定义,并证明该定义与基于系统熵的属性约简定义等价;然后用简化差别矩阵设计了一个基于系统熵的完备属性约简算法;最后用实例说明了新算法。     

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.     

改进的布尔冲突矩阵的高效属性约简算法

近年来,诸多学者喜欢用差别矩阵的方法来设计属性约简的算法,但由于计算差别矩阵不仅费时且还浪费空间,导致这些属性约简算法都不够理想。为了降低属性约简算法的复杂度,在布尔冲突矩阵的基础上,定义了一个启发函数,该函数能求出决策表中条件属性导致的冲突个数,同时给出了计算该启发函数的快速算法。然后用该启发函数设计了一个有效的基于改进的布尔冲突矩阵的不完备决策表的高效属性约简算法,该算法能够有效降低时间复杂度。最后实验结果说明了新算法的有效性。     

一种基于概念可辨识矩阵的概念约简方法

基于布尔因子分析的概念约简能够保持形式背景的二元关系不变。借鉴概念格中基于可辨识矩阵求解属性约简的思想,在形式背景上定义概念可辨识矩阵,基于此给出保持二元关系不变的概念约简方法。首先,在形式背景上定义一种新的可辨识矩阵,称之为概念可辨识矩阵。该矩阵的行和列都是形式概念,矩阵的每个元素是由属于所在行的形式概念的所有对象和属性对,但不属于所在列的形式概念的对象和属性对构成的集合。其次,研究概念可辨识矩阵与概念协调集之间的关系,利用概念可辨识矩阵给出概念协调集的判定方法。然后,利用概念可辨识矩阵详细讨论核心概念、相对必要概念和不必要概念的特征,进而分别给出判断这3类形式概念的方法。最后,给出基于概念可辨识矩阵寻找概念约简的步骤。     

基于二进制可辨矩阵的肝功能检测数据约简方法

基于二进制可辨矩阵的数据约简方法具有直观性和可操作性的特点,因而在实际应用中受到开发人员的青睐。但已有的此类方法通常是在扫描数据集的过程中不加“削减”地直接产生大规模的二进制可辨矩阵,这导致较大的时间和空间开销。为此,利用对行的吸收律和逻辑和实现了对二进制可辨矩阵的规模进行有效缩减,构造一种新的基于二进制可辨矩阵的数据约简算法。它具有更好的可操作性,易于编程实现,其时间和空间复杂度都得到了较大的改善。在与某医院合作开发的项目中,该算法的应用已经进入测试阶段,可以较好完成了对肝功能检测数据（定性的数据）的约简,结果令人满意。     

基于变精度和浓缩布尔矩阵的属性约简

属性约简是粗糙集理论研究的重要内容。传统的基于差别矩阵的属性约简方法只能处理一致决策表,改进的差别矩阵针对决策表中一致和不一致的对象做不同的处理,从而解决了这一问题。浓缩布尔矩阵进一步节省了矩阵的存储空间并提高了矩阵的生成效率,从而可以快速计算得到约简。在此基础上,结合变精度的思想把部分不一致对象合理地加入到一致对象的集合中,从而增加了一致数据的信息量,并通过使用浓缩布尔矩阵有效降低了约简的计算消耗。实验表明,所提方法在运行速度和分类精度方面均表现出了优势。     

三支近似概念格中基于对象-概念辨识矩阵的属性约简方法

属性约简是概念格理论的一个重要研究内容, 基于辨识矩阵计算约简是一种经典方法, 传统辨识矩阵的计算复杂度为O(nl2). 鉴于此, 在三支近似概念格模型中, 构造一种对象-概念辨识矩阵, 其计算复杂度为O(mnl), 一般情况下, m远远小于l, 辨识矩阵的计算复杂度大大降低, 并结合概念格的偏序关系进一步简化对象-概念辨识矩阵.通过理论分析和实验结果表明了所提出方法的高效性.

     

改进的基于差别矩阵的属性约简算法

指出现有差别矩阵属性约简算法的不足,对原有差别矩阵和属性重要性度量方法进行改进,运用差别矩阵元素项的重要性质,提出一种新的启发式约简完备算法,有效地降低差别矩阵约筒算法的空间复杂度。仿真实验结果显示,新算法产生的约筒与分辨函数思想产生的最优约简一致,表明了新算法的有效性与完备性。     

变精度极大相容块粗糙集模型及其属性约简

主要研究不完备信息系统的属性约简问题。首先基于极大相容块构造乐观和悲观两种广义变精度粗糙集模型,分析两种模型之间的关系并研究其主要性质。在此基础上,定义乐观(悲观)β-下分布约简和β-上分布约简并且给出相应的判定定理,进而得到一种保持决策类上(下)近似分布不变的属性约简方法--布尔计算方法。这种构造极大相容块间的辨识矩阵的方法缩小了矩阵的规模,进而简化了计算属性约简的过程,从而能够有效地节省计算时间和存储空间。然后对含有"丢失""不关心"值和只有"不关心"值的两种不完备信息系统进行实例分析,最后从UCI数据集中选取5组不完备信息数据集来验证方法的有效性。     

决策形式背景三支粒约简

针对决策形式背景,文中研究了基于对象导出三支概念格的粒约简问题。首先提出了三支粒协调决策形式背景的概念以及三支粒协调集的概念,以此为基础给出了三支粒协调集的判定定理。然后结合区分矩阵和区分函数给出了三支粒约简方法,并通过实例说明了提出的约简方法的有效性。最后讨论了决策形式背景下三支粒约简、粒约简、分类约简之间的关系。     

改进的基于简化二进制分辨矩阵的属性约简方法

在基于二进制分辨矩阵的属性约简方法中,删除法即从属性全集中依次删除冗余属性,直至剩余的属性集是一个最小约简.针对传统的基于二进制分辨矩阵的删除法效率较低且得不到最小约简的问题,提出一种改进的二进制分辨矩阵属性约简方法.首先对决策表进行简化,然后给出一种改进的简化二进制分辨矩阵方法;其次通过一个新的属性约简度量方法一次性删除多个属性,并从理论上分析了该方法的可行性;最后通过实验证明了得到的约简结果是最小约简.