信息量的不完备信息系统属性约简方法

针对不完备信息系统,提出一种基于信息量属性约简的新方法.该方法对传统的容差关系计算方法进行了改进,并在此基础之上给出了一种新的求核属性的方法.通过判断可以直接得到核属性,这样在计算的过程中大大的降低了属性约简算法的时间复杂度.最后设计了一个新的基于不完备信息系统信息量属性约简算法,通过实例验证了该算法的正确性、高效性.     

基于条件信息量的动态属性约简方法

针对动态建立信息系统的需要,提出了一种动态求条件信息量的方法,在一个信息系统不断变化时,该算法不像静态约简时那样需要重新计算,而是利用新增的对象对原有的信息量进行修正,利用原有信息量的结果递归计算信息系统变化后的信息量,大大节省了计算量,提高了效率。通过一个实例表明,该算法利用较小的信息表就可以计算日益庞大信息表的信息量,分析表明该算法是正     

决策表属性约简及其条件信息量表示

讨论了决策表属性约简和条件信息量之间的关系,证明了对于一致决策表,其属性约简在代数表示下和信息论中条件信息量表示下是等价的。并举例说明,对于不一致决策表,其属性约简的代数表示不能用条件信息量来等价表示。论文还给出了一种基于条件信息量的属性约简启发式算法。     

基于概念格外延信息量的属性约简算法

概念格是知识处理与分析的一个有力的工具,在知识约简和数据挖掘方面有着重要的利用。首先给出了概念格外延信息量的概念,在此基础上研究了合理刻画属性重要性的指标,并给出了概念格核心属性的判定定理,然后以这些指标作为启发式信息设计了一种新颖的概念格启发式属性约简算法,最后通过实例表明了该约简算法的可行性与有效性。     

基于信息量的动态属性约简

针对动态建立信息系统的需要和粗集约简中存在的问题,提出了一种动态求信息量的方法,在一个信息系统不断变化时,该算法不像静态约简需要重新计算,而是利用新增的对象对原有的信息量进行修正,利用原有的信息量的结果递归计算信息系统变化后的信息量,大大地节省了计算量,提高了效率。通过实例表明,该算法利用较小的信息表就可以计算日益庞大的信息表的信息量,通过分析表明,该算法是正确有效的。     

决策表属性约简的相对信息量表示

知识约简是粗糙集理论研究的主要内容之一，该文在信息系统中引入了知识的相对信息量的概念。对一致决策表，证明了其属性约简在代数表示下和相对信息量表示下是等价的，但对不一致决策表，举例说明其属性约简的代数表示不能用相对信息量来等价表示。由此可见，相对信息量表示比代数表示直观，但不能完全代替代数表示方法。     

决策表属性约简的相对信息量表示

知识约简是粗糙集理论研究的主要内容之一,该文在信息系统中引入了知识的相对信息量的概念。对一致决策表,证明了其属性约简在代数表示下和相对信息量表示下是等价的,但对不一致决策表,举例说明其属性约简的代数表示不能用相对信息量来等价表示。由此可见,相对信息量表示比代数表示直观,但不能完全代替代数表示方法。     

信息量不完备决策表属性约简的一种新算法

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）。     

基于绝对信息量的知识约简算法

粗糙集理论是一种新的处理模糊和不确定知识的数学工具。知识约简是粗糙集理论研究中的重要内容之一，现已证明寻找信息系统的最小约简是NP-hard问题。文中提出一个基于绝对信息量的知识约简的启发式算法，该算法的时间复杂性为O(|R|^3 |U|^2)。通过例子分析，表明该算法是有效的。     

基于属性相关性的属性约简新方法

文章给出了一个基于粗糙集理论的属性相关性的新定义,并在此基础上给出了基于属性相关性的属性约简新方法。本算法不但能过滤掉属性集合中的无关属性,而且能有效地找到属性集合中的冗余属性,从而得到满意的属性约简。对UCI机器学习数据集的测试结果也验证了算法的有效性。     

随机信息系统属性相关性及在知识约简中的应用

引入随机信息系统的属性的信息熵,利用属性的信息熵来刻画随机信息系统的属性之间的相关性。提出一种利用属性相关性来进行随机信息系统知识约简的方法并给出基于该方法进行知识约简的算法。     

序信息系统属性约简的一种启发式算法

在序信息系统中引入了知识的信息量和知识粒度的概念,得到了它们的若干性质和定理。证明了在知识约简过程中,信息量的变化趋势是递减的;利用信息量的概念,定义了属性的重要性,并以属性重要性作为启发信息,提出了一种基于信息量的属性约简启发式算法,该算法的时间复杂度为O（|A|³|U|²）;最后通过例子说明,该算法能得到序信息系统的一个约简。     

结合互信息的多目标属性约简*

为了获得决策系统中更好的相对属性约简,提出一种基于互信息的多目标属性约简算法。该算法首先根据互信息寻找核属性集;然后以最小属性子集和最大互信息为目标,定义新的适应度函数,在粒子运动方程、克隆及自适应变异的共同作用下进化;并通过非支配排序及精英保留策略寻找满足目标的Pareto最优解。通过UCI标准数据集上的对比测试结果表明,算法能够有效地对决策系统进行约简。     

一种基于划分的信息系统属性约简算法

给出一种快速的信息系统属性约简算法。对信息系统提出划分差量的概念,由此得到一个刻画属性重要性的新指标,随后提出一种新的属性约简的启发式算法。理论分析和实验结果表明该算法在时间复杂性上较现有算法有显著的降低,并通过实例说明了它的可行性与有效性。     

一种基于关系矩阵的信息系统属性约简算法

提出了一种新的信息系统属性约简算法。为此,首先建立了信息系统与关系矩阵之间的联系;其次,从关系矩阵的角度研究了合理刻画属性重要性的新指标;然后利用新指标作为启发式信息设计了一种新的属性约简算法。与现有算法相比,该算法具有较大的灵活性,它能从搜索空间中逐次删除不重要属性,避免对其重要性的重复计算。此外,对该算法的时间复杂度进行了详细的分析,并通过实例和实验验证它的可行性与有效性。     

基于条件信息熵和相关系数的属性约简算法

粗糙集的属性约简是一个NP难问题,获得较为高效的算法是研究的主要目的。针对传统的粗糙集属性约简算法效率不高、速度不快的问题,提出基于相关系数和条件信息熵的属性约简算法,把决策表的非核属性约简过程转化为相关系数的运算,能减少对决策表的扫描次数,降低算法时间复杂度,降低算法冗余,提高属性约简的效率。并利用k-fold轮换对比方法计算相关系数,较大地减少了计算量,同时能得到次优属性约简结果。给出了算法内容,并结合实验进行了验证。     

粒的位表示及其在属性约简中的应用

粒计算是一种新的软计算思想,它涵盖了所有和粒度相关的理论、方法和技术.提出了一种信息粒的位表示方法,从而将繁琐的集合运算转化为更适于计算机运算的二进制数的逻辑运算,并基于此提出了一种新的属性约简算法.实验结果表明,该算法在时间上较当前的其它同类算法具有更高的效率.     

合成随机信息系统的属性约简方法

基于一般随机信息系统上的属性约简方法讨论合成随机信息系统上的属性约简问题,分析它与原随机信息系统上属性约简问题之间的联系,并尝试讨论其上、下近似算子之间的关系,发现合成随机信息系统上的协调集可以通过两个原随机信息系统的协调集来构造;另一方面从包含度的角度讨论属性约简问题,验证合成随机信息系统上的包含度和原随机信息系统上包含度之间是否存在等价关系。最后通过实例验证了得出的结论。     

不完备知识系统非对称相似关系的最小简式

在实际决策时,人们所面临的往往是大量的数据,因此知识约简很重要,已经证明：在知识系统中求解最小简式是NP完全问题。对于完备知识系统,已有很多方法来求解最小简式,而对于不完备知识系统,这方面的研究较少,处理也更困难。对于不完备的知识系统,可以采用一些补齐算法先进行完备化处理,然后再对所得到的完备知识系统采用一些常用的约简算法如分辨矩阵法等进行处理。但是,补齐处理只是以主观估计值,将未知值补齐,不一定完全符合客观事实。因此,需要保持知识系统的原始信息不发生变化的前提下进行约简。设计了二进制矩阵,和不完备知识系统的非对称相似关系结合,证明了一个定理,并提出了一种基于非对称相似关系的遗传算法,求解不完备知识系统中的最小简式。算法的适应度函数较为简单,可以有效求出最小简式子。实验结果显示了算法的有效性。