基于广义不可区分关系的决策表约简

研究决策表的正域约简及分配约简理论。针对具有自反性的广义不可区分关系,提出了决策表的正域约简及分配约简理论,借助区分函数给出了正域约简及分配约简的计算方法。对Skowron的区分条件进行了改进,在一定意义上为正域约简及分配约简提供了一般理论框架。     

基于形式背景的属性约简关系

基于形式背景,提出面向属性的概念格的粒协调集及粒约简的概念,给出面向属性的粒协调集判定定理,并借助区分属性给出面向属性的粒约简计算方法,讨论了形式背景的粒约简、面向属性的粒约简以及分类约简之间的关系,证明了面向属性的粒协调集都是分类协调集。最后以实例说明相关约简的计算方法。     

一种改进的属性值约简算法

通过信息系统的属性约简可以使信息系统得到简化,但经过属性约简的信息系统还不是一个最简的信息系统,它包含着大量的冗余信息。因此,需要进一步对信息系统进行属性值约简简称值约简。本文提出了一种改进的属性值约简算法。     

优势关系下的相容约简和下近似约简

定义了决策表在优势关系下的相容约简和下近似约简,优势关系下的相容约简是优势关系下一致决策表约简的推广。证明了优势关系下的下近似协调集是优势关系下的相容协调集。举例说明了优势关系下的相容协调集不是优势关系下的下近似协调集,给出了优势关系下的相容约简和下近似约简的判定定理和可辨识矩阵,由此可以给出它们的约简算法。     

信息系统的一种启发式属性约简算法

针对文献[8]中加权平均属性重要度中权值人为确定的不足,提出改进的属性重要度定义,并以实例说明其应用情况.提出约简质量的定义,从属性约简率和近似质量两方面来衡量约简效果.基于改进的属性重要度定义（标准）,构造了两种启发式属性约简算法,并利用UCI数据库中的一些典型算例验证了算法的有效性;说明在某些情况下,提出的属性约简算法在一定程度上能够提高数据的约简质量.     

一种基于RS理论的实践教学评估模型

根据RS理论,建立了实践教学评估模型,对影响大学生创新思维和动手能力的复杂数据进行属性约简,得到影响结果的关键属性,实现对指标体系的约简;通过值约简,去除每条规则中的冗余属性值,提取出简洁、明晰的决策规则。实例分析证明,该模型具有一定的实际应用价值。     

一种基于差别矩阵的新的属性约简方法

在利用粗糙集理论进行数据挖掘得到知识规则时,最重要的一点就是基于粗糙集的属性约简,因此,在区分矩阵的基础上,改进了计算信息系统属性约简的方法,使属性约简计算量大幅度减小,可以快速得到给定要求下的属性约简．     

决策表属性约简的代数观和信息观分析

讨论几种属性约简定义的代数性质和信息熵改变规律．纠正了现有文献中关于可能约简与近似约简等价的错误结论．分析发现，可能约简不能保持条件属性对决策属性的正区域不变，也不能保持条件信息熵不变，而近似约简、μ-决策约简能保持条件属性对决策属性的正区域不变，同时保持条件信息熵不变．     

一种改进的基于粗集理论的有导师学习方法

属性约简和属性值约简是基于粗集理论进行有导师学习的基础,在分析经典约简算法的基础上,根据粗集理论中属性的依赖度和重要度等性质,提出一种改进的约简方法,以获取简洁的决策规则,从而使有导师学习变得既快捷又准确.并通过实例验证了该算法的正确性和有效性.     

基于程度粗糙集的知识约简方法

给出了基于程度粗糙集模型上知识的近似约简及近似相对约简,引入了目标信息系统上的k上(下)近似约简及k上(下)分布约简的概念,并讨论了它们之间的关系,得到了几个重要结论,可为知识发现或数据挖掘技术奠定一些基础.     

集值信息系统基于描述子的优势粗糙集方法

在属性值域具有偏好信息的集值信息系统中提出一种新的知识获取方法。首先,在集值信息系统中提出了向上描述子与向下描述子概念,给出了向上描述子与向下描述子的相对约简,得到了计算相对约简的判断定理与区分函数。其次,给出了集值决策表的决策类的向上并与向下并基于向上描述子与向下描述子的知识近似,并通过粗糙近似得到了优势规则的提取方法。最后,通过一些数字实例对提出的方法进行了验证。     

集值信息系统基于描述子的优势粗糙集方法

在属性值域具有偏好信息的集值信息系统中提出一种新的知识获取方法。首先,在集值信息系统中提出了向上描述子与向下描述手概念,给出了向上描述子与向下描述子的相对约简,得到了计算相对约简的判断定理与区分函数。其次,给出了集值决策表的决策类的向上并与向下并基于向上描述子与向下描述子的知识近似,并通过粗糙近似得到了优势规则的提取方法。最后,通过一些数字实例对提出的方法进行了验证。     

基于模糊相容关系的集值决策表的相对约简

从模糊粗糙集的角度讨论集值决策表的相对约简。首先,基于2个对象取相同值的可能性大小,在集值信息系统中定义了一个模糊相容关系,给出了模糊相容关系的上近似和下近似;其次,通过引入模糊近似质量,定义了集值决策表中条件属性的重要度与相对重要度,进而提出了一种计算相对约简的启发式算法;最后,通过实例说明该算法能够得到集值决策表的相对约简。     

基于粗糙集理论的C波段无线电信号特征约简

以C波段无线电信号数据库为研究对象,提出了一种新的数据离散化方法。将C波段无线电信号数据库转化为集值信息系统,然后借助于相容粗糙集理论实现了C波段无线电信号的特征约简与规则提取。     

分类算法中基于差别矩阵的属性约简方法

差别矩阵中会出现大量的重复元素占用大量内存,当数据太稠密时,构成的差别矩阵太大不容易操作且计算代价较高。本文提出了一种基于简化差别矩阵的属性约简算法（SDMAR）,在属性约简之前,通过计算属性相似度,对属性进行了合并操作,得到简化决策表。根据简化决策表构造差别矩阵,计算差别矩阵中出现次数最多的属性并删除包含该属性的元素,当差别矩阵为空时终止操作,以达到对决策表属性约简的目的。通过算法及实例分析得到属性约简过程的时间复杂度有所减小。     

集值向量变分不等式组的数量化方法

文章定义了四种集值变分不等式组,即分别具有强解和弱解的集值向量变分不等式组和集值数量化变分不等式组。通过运用Konnov的数量化方法,研究将一个集值向量变分不等式组转化为一个集值数量化变分不等式组,并给出了两种集值变分不等式组的等价条件。     

粗糙集分层递阶约简算法在医学诊断中的应用

粗糙集理论的分层递阶约简算法是根据属性的获取方式、采集成本和实时性要求等对属性进行分类,使信息系统或者决策系统中的所有属性在单层次和单粒度上的知识表示变为部分属性所构成的知识在多种层次和多种粒度上的表示,从而可以逐层对决策系统进行约简。分层递阶约简算法在某医学诊断中的应用证实其有效性。     

基于区分矩阵的属性约简算法改进策略

针对大容量数据表构造的区分矩阵过于庞大致使属性约简算法效率低的问题,引入置信度和支持度,提取大型数据库中的高概率事件,重新构造决策数据表,并在构造区分矩阵过程中剔除重复项和包含项,结果使得比较次数减少、存储空间节省、约简效率提高。     

基于一种新的启发式约简算法的变压器故障诊断方法

基于依赖度的知识相对约简的启发式约简算法是一种新的粗糙集最优属性约简方法,本文首次将其应用于变压器故障诊断问题中,并结合粗糙集值约简方法,得到一组故障诊断的最小决策规则集,从而大大减小了编码的工作量,避免了约简属性组合查询及缺少关键属性时规则匹配所带来的不便,运算速度也相对加快。此外,该模型还可以通过丰富训练样本,修正决策表的自学习法使得诊断效果不断提高。最后结合实例分析,证明该方法的简便及有效。