基于邻域关系的知识粒度增量式属性约简算法

为了在邻域型信息系统下进行增量式属性约简的研究,采用邻域知识粒度构造出一种邻域型信息系统的增量式属性约简算法.首先将信息系统的知识粒度在邻域型信息系统下进行推广,提出了邻域知识粒度;然后针对属性增加的情形,研究了邻域知识粒度的增量式更新机制;最后基于这种机制设计出了相应的增量式属性约简算法.实验分析表明所提出的增量式算法具有较高的动态属性约简性能.     

基于最小化邻域互信息的邻域熵属性约简算法

属性约简是粗糙集理论的重要研究内容,混合型信息系统下的属性约简是目前的主要研究方向.在邻域粗糙集模型中,基于邻域熵的方法在进行属性约简时,由于未考虑属性之间的独立性,本文通过融入邻域互信息熵提出一种改进的属性约简算法.文中首先在邻域熵的基础上,提出了混合型信息系统下的邻域互信息熵,然后通过理论分析表明了邻域互信息熵可以作为属性之间独立性的评估,最后将邻域互信息熵融入传统的邻域熵属性约简中,提出一种基于最小化邻域互信息的邻域熵属性约简算法.仿真实验结果表明,该算法可以进一步地提高属性约简结果中属性的独立程度,比相关的属性约简算法具有更高的约简性能.     

属性最小约简的增量式算法

知识约简是ＫＤＤ（数据库中的知识发现）中的重要步骤，在粗糙集合理论中，对属性约简原理和方法有专门的论述，许多学者对约简长法进行研究，但是，这些研究几乎都是针对静态数据的，而数据库是动态的，本文提出了当增加数据库记录后，如何在已有最小性的约简族集的基础上求解新的最小属性约简簇集的算法ＡＳＲＡＩ，证明了算法的正确和分析了它的时间复杂性，然后又提出了这个算法的改进算法ＩＡＳＲＡＩ。     

基于增量式更新带权差别集合的属性约简算法

在面向差别矩阵的约简算法思想的基础上,定义一种新的带权差别集合(WDS)模型,并提出了高效更新带权差别集合的算法,分析了该更新算法的时间和空间复杂度.随后,基于快速更新带权差别集合算法,提出一种增量式属性约简方法.当有新的数据对象被加入决策表,可有效提高属性约简的效率.理论分析和实验结果表明该算法适用于大数据集的约简.     

一种基于关系矩阵维度增量式约简算法

目前决策表的数据信息都是动态变化的,为了有效地对这些数据集进行属性约简处理,在改进的等价关系矩阵的基础上,提出一种增量式属性约简算法,决策表增加了一些属性,利用更新前决策表的等价关系矩阵和属性约简等信息,便能快速求解出更新后的决策表属性约简.实验结果进一步验证了该方法的有效性和正确性.     

一种新的决策粗糙集最小化决策代价属性约简算法

实际应用中存在着大量的数值型数据,然而传统的决策粗糙集只能够处理符号型数据,为了改善这一局限性,本文构造出一种模糊邻域决策粗糙集模型,并提出一种最小化决策代价的属性约简算法.文中首先将将模糊粗糙集和邻域粗糙集融入决策粗糙集中,提出了模糊邻域决策粗糙集,使得该模型同时具有模糊粗糙集和邻域粗糙集处理数值型数据的优点;然后基于该模型,给出一种决策代价定义,并提出相应的最小化决策代价属性约简算法;最后通过实验分析表明所提出的算法具有较好的代价敏感属性约简性能.     

属性约简簇的优化选择

属性约简是粗糙集的一个重要应用.一个数据集往往含有多个属性约简,人们一般用启发式算法找到其中的一个,再通过实验的方法验证其有效性.面对多个属性约简,人们往往难以区别,缺乏有效的手段选取最优或较优的属性约简.使用多种概念漂移的度量指标和信息损失的度量方法比较了同一个知识系统中不同Pawlak约简之间的区别与联系.提出了属性约简重心的概念,并研究其性质.实验结果显示,在众多的属性约简中,离重心最近的属性约简在分类准确率方面具有较大的优势.概念漂移的度量指标和信息损失的度量方法有助于区分不同的属性约简,属性约简的重心有助于在众多的属性约简中选择最优或较优的一个.     

粗糙集属性约简的完备算法

属性约简是Rough Set理论研究中的核心内容之一,现已经证明寻找决策表的最小约简是NP-hard问题.为了快速有效地得到最小约简,本文利用决策表的一些特点提出了一种完备算法,并给出了该算法的复杂度,最后通过实例分析表明,在多数情况下该算法能够得到决策表的最小约简.     

基于邻域粗集神经网络的通信信号调制识别研究

本文的研究工作为通信信号调制识别提供了新的思路和方法,同时对邻域粗糙集在通信信号识别中的应用进行了尝试。在对已有研究进行分析的基础上,针对现实中通信调制信号含有连续型属性的决策系统的约简问题,本文提出了基于邻域粒化和贪心算法的约简算法。该方法采用基于邻域等价关系建立粗糙集模型,用邻域等价度量粗糙集不可分辨关系,通过邻域信息粒子逼近论域空间。构造了连续型属性的特征选择算法。利用本文提出的特征选择算法识别2ASK、BPSK、2FSK、4ASK、QPSK、4FSK、16QAM。实验结果证明了该算法的有效性和可行性。     

基于MapReduce框架的电力大数据增量式属性约简方法可行性分析

对于大数据时代中电网数据量大、速度快、类型多的特点,传统属性约简方法已经无法满足大数据预处理需求,以此提出基于MapReduce框架的电力大数据属性约简方法.利用某光伏发电系统对属性约简的求和算法进行分析,以传统算法改进属性约简算法,从而有效解决大数据环境下计算过程中的效率问题.改进的大数据属性约简算法是以实际需求开展...     

一种改进的基于差别矩阵的属性约简算法

为解决决策表属性约简完备算法约简质量低的问题，在基于差别矩阵的属性约简完备算法的基础上，引入信息论中信息熵和互信息增益的定义，给出一种启发式属性约简完备方法，通过实例说明启发式信息可以提高完备算法的约简质量，比较不同启发信息对完备算法的约筒质量和约简效率。试验结果表明，采用基于信息论定义的两种启发信息的完备算法约筒效率基本一致，该算法较非启发式完备算法有更好的约简质量。     

一种粗糙集属性约简的改进算法

通过时属性的重要性以及属性提供的信息量进行研究，提出一种综合考虑属性重要性和属性的信息量的属性加权平均重要度的概念，并构造在决策表中的基于此重要度的一种新的属性约简方法。通过实例计算表明，该算法简单有效。     

一种基于决策信息系统的求核属性算法

为了有效降低求核算法的时空复杂度,提出了一种高效压缩差别矩阵的构造方法.在此基础上,设计了一种决策信息系统的求核属性算法,有效地提高了算法的计算效率.算例分析验证了算法是有效可行的.     

基于随机化属性选择和邻域覆盖约简的集成学习

 提高分类模型的分类精度和可靠性是分类建模追求的目标.针对目前规则学习方法应用于分类时稳定性差以及分类精度低的问题,本文通过随机化邻域属性约简,搜索一组分类精度较高的属性子集,在不同的属性子集上采用邻域覆盖约简方法学习分类规则,得到多个规则集.最后通过简单投票融合不同规则集上的分类结果获得对象的类别.实验表明,基于随机化邻域约简的集成学习方法分类性能优于或与其它相关的分类器相当,并且在噪声扰动下具有更强的鲁棒性.     

A Method of Attribute Reduction Based on Rough Set

The main purpose of oil logging interpretation is to calculate the oil content in formation and set up the exploration scale by determining the lithology and reservoir parameter (porosity, permeability, and saturation ratio)[1]. As the development of digital logging technology and tomography logging technology, more and more well logging data have been produced with exponential increase. Therefore, it is very important to extract the useful or interesting information from the database, and to …     

基于互信息下粒子群优化的属性约简算法

最小属性约简是粗糙集理论中属性约简的优化问题.在寻找最小属性约简的问题上,基于粒子群优化的属性约简算法（ARPSO算法）优于传统的属性约简算法.在现有的ARPSO算法中,正域部分通常被作为启发式信息,但是它并不能够很好地衡量不确定性,而互信息是粗糙集理论中一种更有效的度量不确定信息的重要工具.为此,提出基于互信息下的粒子群优化的属性约简算法（MIPSO算法）,该算法把互信息作为适应度函数,通过增强粒子能迅速靠近吸引子的这一特性,改进了内嵌区域震荡搜索的粒子群优化算法（简记为RSPSO算法）,防止算法较早的陷入局部最优,使得粒子群中的粒子更快的找到最优值,因此使得算法尽可能实现全局收敛.实验结果表明,该算法不仅提高了寻优的能力,加快了算法的速度,提升了算法的精度,而且也能够使得约简后剩余属性的互信息值与约简前所有属性的互信息值近似相等.     

一种基于差别矩阵的粗糙集连续属性离散化算法

连续属性离散化是粗糙集理论的重要研究内容之一。将差别矩阵应用到连续属性离散化中,充分利用差别矩阵的优点,提出一种基于差别矩阵的粗糙集连续属性离散化算法。为使差别矩阵适应离散化应用中的需要,给出了粗糙集连续属性离散化中差别矩阵的定义。基于该差别矩阵,以候选断点在差别矩阵中的出现频率和断点重要性为启发式信息,对差别矩阵进行化简,直到该差别矩阵为空,即得到所求结果断点,以实现对决策表的离散化,并通过实例证明了该算法的高效性。     

融合粗糙集与小生境免疫优化的属性约简方法

在粗糙集核属性的基础上,融合小生境免疫优化提出一种决策属性约简方法.将核属性参数作为抗体编码的先验信息,通过疫苗自适应提取算法对抗体群接种疫苗,提高抗体群多样性及稳定性.为降低属性约简的计算复杂度,引入属性集合的分类近似标准作为免疫优化的亲和度,采用小生境免疫共享机制动态调整抗体群的亲和力,提高算法局部搜索能力.通过免疫记忆算子操作促使优良个体的保存,在保证收敛速度的同时具有较强的全局和局部寻优能力.通过滚动轴承故障诊断及UCI数据集的属性约简实验,显示本算法在属性约简精度和效率方面具有较好效果.