改进的基于条件信息熵的属性约简算法

针对经典属性约简算法不能有效适应大数据集的问题,通过分析经典属性约简算法的特点,提出了一种改进的基于条件信息熵的属性约简算法.该算法以分类为基础,引入了类分布链表,将条件信息熵和成熟的数据库技术相结合,解决了内存限制问题,优化了算法的结构,同时加快了决策表的运行速度.最后通过实例对算法的有效性和可伸缩性做了分析.实例仿真计算表明,该算法在具有更快的约简速度的同时又不失其准确率.     

基于一致性准则的属性约简改进算法

针对基于粗糙集的连续值属性约简存在速度较慢的问题,提出一种改进的一致性准则的属性约简算法。从相对核的角度出发,将一致性准则的概念和属性的重要度的概念结合运用,优化了原算法的结构,加快了属性约简的速度。实验结果表明该算法有效可行。     

基于粗糙集的属性约简算法的改进

属性约简是粗糙集理论研究的关键问题之一,针对Rough Sets理论的属性约简进行了研究.首先,介绍了可辨识矩阵属性约简的基本算法,并根据GENRED属性约简算法提出一种新的基于粗糙集的属性约简算法,证明了该算法在满足约简结果要求的同时,又能够提高算法的运行效率.     

等价划分与蚁群优化的属性约简改进策略

为降低经典信息熵属性约简算法的时间复杂度,在论证信息熵属性约简与论域对象划分细化约简等价的基础上,提出将蚁群并行优化处理机制引入划分细化约简过程的思想,蚁群搜索过程将属性重要性度量融入状态转移及信息素更新策略以对每次约简结果进行优化。通过复杂性分析与实例验证,该算法更适于大容量数据表的属性约简,可有效避免蚁群搜索的盲目性并在较小迭代规模下快速获得约简集。     

多值RS理论中的属性约简算法

从信息论角度对信息系统中的属性重要性进行了度量,在此基础上提出了一种多值RS理论中的属性约简算法,它以一种新的形式的信息熵为启发式信息,减小了知识约简过程中的搜索空间. 实验分析表明,该算法能得到信息系统的最小约简.     

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．     

基于蚁群算法的粗糙集属性约简方法

利用蚁群算法的搜索技术,提出了一种基于蚁群算法的粗糙集属性约简方法。该算法将核引入初始信息素分布中,以加快算法的收敛。同时为提高全局搜索能力,根据蚂蚁在搜索过程中所得解的分布状况动态地调解蚂蚁的路径策略和信息量更新策略。实验证明该算法是有效的,具有较好的收敛速度和稳定性。     

一种使用二进制差别矩阵的属性约简方法

针对区分矩阵属性约简算法中区分矩阵存在空值元素和重复元素等缺点,提出了一种基于二进制差别矩阵的属性约简算法.该算法不仅保证了属性约简的完整性和正确性,同时也降低了运算所需的时间和空间.     

基于粗集的几种属性约简算法分析

研究了粗集理论中基于差别矩阵、属性依赖度、条件信息熵、遗传算法的几种属性约简算法，分析了各种算法和原理，指出了优缺点，对以后的研究方向提出了建议。     

基于幂集演化的属性约简方法

提出了一种基于幂集演化的属性约简方法,该方法作为一种基于遗传算法的属性约简的改进方法,编码方式采用在属性集的幂集空间上进行直接编码,由于其编码具有不定长的特性,因此在遗传操作策略上采取了一种与二进制编码完全不同的交叉和变异策略,使得该方法在选取合适评价函数的权重参数时,能明显加快算法的收敛速度。