一种基于相对粒度的决策表约简算法

在知识粒度的基础上,针对决策表提出了相对粒度和属性相对重要性的概念,证明了知识的相对粒度随着知识粒度的增大而单调增加的变化规律,在此基础上提出了一种基于相对粒度的启发式约简算法,以弥补基于正区域的约简方法处理不一致决策表时存在的不足.通过理论分析和实例验证表明,该算法是有效的,且其时间复杂度相对较低.     

相对知识粒度序决策表的属性约简方法

序决策表中的知识约简越来越受到关注,在优势类和知识粒度的基础上,引入了序决策表中的一种知识相对粒度,度量了属性集在序决策表中的相对不确定性,进而给出了属性相对重要度的定义。并设计了序决策表的一种启发式属性约简算法,通过实例分析和验证了算法的有效性。     

全粒度粗糙集属性约简

全粒度粗糙集是一种动静结合的粗糙集模型,在一定程度上可以表示人类认识的复杂性、多样性和不确定性.文中定义概念的全粒度属性约简,完善全粒度粗糙集属性约简的定义.探索概念的全粒度属性约简、全粒度绝对约简及全粒度Pawlak约简的性质,指明这些属性约简之间的关系,有助于全粒度属性约简的实际应用及启发式算法的产生.     

一种悲观多粒度粗糙集中的粒度约简算法

多粒度粗糙集方法是近年来粗糙集理论的一个发展方向,它是一种基于多个粒空间的粗糙数据建模方法。 文中针对悲观多粒度粗糙集模型,引入分布约简的概念,分析多个粒空间中的粒度选择问题。基于给出的粒度重要度提出悲观多粒度粗糙集中的粒度约简算法,并通过实例验证该方法的有效性。结论表明该方法得到的结果更加符合实际决策。     

决策表属性约简的相对划分粒度表示

粗糙集理论认为知识就是分类.本文对知识的分类能力给予了量化,提出利用划分粒度来定量地表示知识的分类能力.在划分粒度概念基础上,针对决策表定义了相对划分粒度并研究了它的性质,相对划分粒度可以定量表示决策表的条件属性子集相对于决策属性的分类能力的强弱;最后证明了对一致决策表的属性约简来说,相对划分粒度表示与Pawlak提出的代数表示是等价的.     

决策表分解及其最小属性约简研究

现有的很多属性约简算法都是由构造决策表的差别矩阵出发,将矩阵中非空元素的合取范式转化为极小析取范式。为提高对大规模数据的决策表进行约简的效率,文中指出基于U/{a}划分的最小约简算法存在的缺陷,给出以划分粒度为启发式信息,利用单个条件属性把论域划分成多个等价类,将计算整个全域上的属性约简问题转化为计算在相应划分的子区域上属性约简问题,提出了一种基于决策表分解的最小属性约简算法。理论分析和实例表明该约简算法是有效的。     

代数约简的知识粒度表示及其高效算法

首先提出了修正相对粒度计算公式,给出其单调性证明以及等号成立的充要条件;然后证明了保持修正相对粒度不变是保持正区域不变的充要条件,并给出代数约简的知识粒度表示;最后讨论了现有相对粒度与修正相对粒度之间的关系,利用修正相对粒度的单调性给出计算属性重要性定义及其递归计算公式,进而利用基排序思想计算等价类,设计出一种计算决策表代数约简的高效算法.实验结果表明该算法是可行且高效的.     

面向连续参数的多粒度属性约简方法研究

作为度量粒化程度的方式,在粒计算研究领域中,粒度受到了众多学者的广泛关注,其中一种重要且广为接受的模式是参数化粒度.利用这种参数化的粒度表现形式,在面向属性约简的求解问题时,往往需要计算每一个参数所对应的粒度下约简,直至找出所有参数下的约简结果.显然,这种方式会带来巨大的时间消耗.为解决这一问题,提出了一种连续参数意义...     

双论域的一般多粒度粗糙集

多粒度粗糙集是近几年来研究的热门课题之一。将多粒度粗糙集和双论域结合起来,首先定义了不同论域上的支撑函数;其次通过支撑函数建立了不同论域上的一般多粒度粗糙近似算子,研究了各个近似算子的性质。讨论了双论域的一般多粒度粗糙集的粗糙度和精确度;通过大学生选课这一实例验证了该模型的实用性和有效性。     

一种新的决策表相对约简算法

根据决策表定义条件属性区分能力指数DI(a)的概念,给出DI(a)的若干性质。定义拟等价类的概念,提出基于区分能力指数的决策表相对约简算法,该算法基于分治策略,用属性a代替相应区域的区分元素,从而减小算法搜索的空间。实验结果表明,该算法具有较高的搜索效率,能够得到全部或大部分约简。     

决策表正域约简区分函数条件的改进

文章对Skowron提出的区分矩阵中元素满足的条件作了改进,使得对条件的判断较原来更为简单,并且区分矩阵中满足该条件的元素较原来更少。这样降低了用区分函数计算约简的复杂度,对手工操作和计算机处理均较为有效。该文的安排是这样的:首先,在正域图中从两个方面直观地显示了该文思路的出发点;然后,对改进条件给出了证明;最后,用例子说明了改进条件的有效性。     

基于粗糙集理论的条件属性动态约简算法

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具,可以有效地分析和处理不完备信息。条件属性约简是粗糙集理论算法研究的重点。在启发式条件属性约简算法的基础上提出了动态条件属性约简算法,算法以一个信息大的属性作为基础,不断添加条件属性,并对新增加的条件属性进行修正,找到约简条件属性,目的为了进行遥感数据的动态分类做基础。文中在VC＋＋6．0开发环境下实现了两种算法,用HSV和Iris数据验证了算法的有效性,并分析了算法的时间和空间复杂度。     

基于描述子的信息系统属性约简及决策规则优化

在不完备信息系统中,利用描述子来表达决策规则．引入描述子简化和约简的概念,给出描述子的区分函数,利用布尔推理理论求取描述子的约简,并由此获取信忠系统的优化决策规则．从保持原系统决策信息的角度出发,定义信息系统的Gs-约简和Ds-约简,G-约简和D-约简．通过对这几种约简及其关系的讨论,从不同角度考察了信息系统中属性的重要性．以上结果对于完备信息系统同样有效．     

一种不完备信息系统的约简方法

提出了一种基于覆盖粗糙集理论，利用最大一致块技术进行不完备信息系统约简的方法。在证明利用最大一致块技术生成的相容类构成论域的最简覆盖基础上，利用覆盖粗糙集理论对已利用最大一致块技术进行属性约简的信息系统进行属性值约简，并提出一种新的约简算法。     

一种不完备信息系统的约简方法

提出了一种基于覆盖粗糙集理论,利用最大一致块技术进行不完备信息系统约简的方法。在证明利用最大一致块技术生成的相容类构成论域的最简覆盖基础上,利用覆盖粗糙集理论对已利用最大一致块技术进行属性约简的信息系统进行属性值约简,并提出一种新的约简算法。     

决策表决策规则与知识粒度

在知识发现、数据挖掘等研究领域中,粒度计算有着潜在的应用。针对决策表,探讨了其内在的粒度思想,研究了属性个数增减、属性取值改变对知识粒度变化的影响,并建立了知识粒度与规则确信度之间的动态关系,为决策表进行决策分析提供了科学依据。这些结果将有助于粒度计算和决策理论的研究。     

概念格节点的内涵缩减及其计算

首先给出了概念结点的内涵缩减的形式化定义,然后,提出并证明了几个相关的定理,以此作为基础,设计出内涵缩减集计算的方法,最后,简要说明了基于内涵缩减的蕴含规则提取。     

决策表的粒计算方法研究

粒计算是一种基于问题概念空间划分的智能计算方法。在基于粗集理论的粒度模型基础上,给出了决策表的粒空间分解方法,并给出了决策表在粒表示下属性必要性和属性约简的判定条件。最后,比较了粒度模型和传统的粗集理论在处理属性约简问题上的差异。     

不相容决策表的核属性计算

文章针对不相容决策表核属性的计算问题,提出了两种基于粗糙集代数观的核属性计算新方法,并分别与传统代数定义下以及信息熵定义下核属性计算方法进行比较,分析了各方法之间的异同、相互间的关系及各方法的不同适应范围。