一种快速计算HU差别矩阵的属性约简算法

在已有的基于HU差别矩阵的属性约简算法中,一般是以差别矩阵中的元素作为启发信息而设计的,其时间复杂度为O(|C|2|U|2).为降低该属性约简算法的时间复杂度, 首先引入简化决策表的定义,并设计了一个求简化决策表的算法,其时间复杂度为O(|C||U|).然后在简化决策表的基础上,定义了差别区域,并给出基于差别区域的属性约简定义,同时证明了基于差别区域的属性约简与基于差别矩阵的属性约简等价.在此基础上,以快速缩小简化决策表的搜索空间为目的,定义了一个新的、较为合理的、度量属性重要性的公式,并给出了它的递归计算方法,其时间复杂度为O(U/C|).最后以属性重要性为启发信息,设计了一个基于差别矩阵的快速属性约简算法,其时间复杂度降为max(O(|C||U|,O(|C|2|U/C|)),并用一个实例说明了新算法的高效性.理论分析与实验表明,新算法具有较好的扩展性.     

一个有效的基于信息熵的启发式属性约简算法

基于信息熵的属性约简算法都是以信息熵为启发信息设计的,其时间复杂度并不理想.为降低算法的时间复杂度,引入简化决策表的定义,设计了一个求简化决策表的算法,其时间复杂度为O(|C||U|).以快速缩小简化决策表的搜索空间为目的,定义了一个新的、较为合理的、度量属性的信息量,并给出了它的递归计算方法,其时间复杂度为P(| U/C|).同时证明了简化决策表上基于信息量的属性约简与原决策表上基于信息熵的属性约简是等价的.然后以属性的信息量为启发信息,设计了一个基于信息熵的快速属性约简算法,其时问复杂度降为max(O(|C||U|),O(|C|2|U/C|)),并用一个实例说明算法的有效性,实验结果表明新算法不仅具有高效性,且能处理大型决策表.     

相容矩阵的高效属性约简算法

给出完备决策表和不完备决策表的定义并说明相容关系.给出了相容矩阵及其属性约简的定义,同时也给出差别矩阵及其属性约简的定义,证明了基于相容矩阵的属性约简与关于差别矩阵的属性约简定义是等价的,给出了一个计算条件属性的频率的公式,该公式不必计算差别矩阵,而是直接从决策表中计算出各条件属性在差别矩阵中出现的频率.设计一个快速计算条件属性频率的快速算法,在此基础上,设计了一个高效求基于相容矩阵的属性约简算法,并通过实例对该算法进行了验证.实践证明:算法的复杂度都得以降低,该算法的时间复杂度为O(|C|2|U|),空间复杂度为O(|U|).该方法为计算其他的属性约简算法提供了一条新思路.     

基于区分对象对集的高效属性约简算法

给出区分对象对集的定义和基于区分对象对集的属性约简的定义,证明该定义与基于正区域的属性约简定义等价.由于求区分对象对集时,要求出U/C,故设计一个高效的求U/C的算法,其时间复杂度降为O(| C | | U |).进而提出一个基于区分对象对集的高效属性约简算法,其时间和空间复杂度分别降为O(|C| | U |)+O(| C| | U/C|2)和O(| U |)+O(| U/C |2).用1实例说明该算法的高效性.     

基于二进制有序差别集的属性约简算法

文献[6]给出的基于简化二进制可分辨矩阵的快速属性约简算法是不完备的,并且在处理大数据集时的效率不很理想.提出一种基于二进制有序差别集的属性约简算法,该算法不需要创建二进制可分辨矩阵,减少了数据处理量,大大提高了约简的效率,使算法的时间复杂度和空间复杂度分别降为max{O(|C|2|U/C|2),O(|C|2|BMsCount|)}和O(|BMsCount |).最后的实验结果表明该算法是正确的、高效的.     

利用序关系求差别矩阵的核的高效算法

目前设计基于差别矩阵的求核算法的主要方法是差别矩阵方法.在该种方法中,是通过搜索差别矩阵的所有差别元素得到核.由于是在所有的差别元素上搜索,故该方法比较耗时.本文在简化决策表和简化差别矩阵的基础上,将具有核属性的差别元素集归纳在某一相对较小的集合上,故新算法只需搜索和检查简化差别矩阵的少量差别元素就可以得到核算属性集.设计了一个高效求核算法,其时间复杂度为max{O(|C|2|U/C|),O(|C||U|)},其空间复杂度为O(|U|).由于新算法只判断简化差别矩阵的少量差别元素就可以找到核算属性集,故新算法的效率得到了有效地改善.     

用序关系求信息熵核的高效算法

目前设计基于信息熵的求核算法的主要方法是差别矩阵方法.在该种方法中,是通过搜索差别矩阵的所有差别元素得到核.由于是在所有的差别元素上搜索,故该方法比较耗时.为此,在简化决策表和简化差别矩阵的基础上,得到了核的一个新性质:当把简化决策表的对象按其条件属性值看成一个数时,其对象有序.利用这个序,只需判断简化差别矩阵的少量差别元素就可以找到核属性集.在此基础上,设计了一个高效求核算法,其时间复杂度max{O(|C|2 |U/Cl),O(|C ||U|)},其空间复杂度为O(|U|).由于新算法只判断简化差别矩阵的少量差别元素就可以找到核算属性集,故新算法的效率得到了有效地改善.     

基于改进的差别矩阵的快速属性约简算法

为了解决基于差别矩阵属性约简的计算效率问题,首先以计数排序的思想设计了一个新的计算U/C的高效算法,其时间复杂度降为O(|C||U|)。其次分析了基于差别矩阵的属性约简算法的不足,提出了改进的差别矩阵的定义,利用快速计算核属性算法生成的核属性和出现频率最多的属性来降低差别矩阵的大小,并设计了基于改进的差别矩阵的快速属性约简算法,证明了该新算法的时间复杂度和空间复杂度分别被降为max(O|C|2Σ0≤i相似文献   

基于序关系的快速计算正区域核的算法

目前设计基于正区域的求核算法的主要方法是差别矩阵方法.该方法通过搜索差别矩阵的所有差别元素来得到核,故比较耗时.为此,在简化决策表和简化差别矩阵的基础上,若将其对象按条件属性值看成一个数,则对象是有序的.利用这个序,可将具有核属性的差别元素集映射到一个较小的搜索空间上,故只需判断简化差别矩阵的少量差别元素就可以找到核属性集.在此基础上,利用基数排序的思想,设计了一个高效求核算法,其时间复杂度为O(|C|2|U/C|)+O(|C||U|),空间复杂度为O(|U|).由于新算法只需判断简化差别矩阵的少量差别元素就可以找到核算属性集,故算法的效率得到了改善.     

一种相容矩阵的启发式属性约简算法

针对不完备决策表,黄兵给出一种基于容差关系的相容矩阵的属性约算法,但算法比较费时,其时间复杂度为[O(|C|3|U|2)]。为降低原算法的时间复杂度,以矩阵距离为启发信息,并运用矩阵合取的特性,设计了一个新的属性约简算法,算法时间复杂度降为[O(|C|2|U|2)]。通过实例验证了该算法。     

差别矩阵浓缩及其属性约简求解方法

属性约简是粗糙集理论的重要研究内容之一,已出现大量的属性约简算法,其中基于差别矩阵的属性约简算法是高效属性约简算法之一,但这些算法主要针对一致决策表,而对于不一致决策表,某些情况下不能得到属性约简。为此,本文提出改进的差别矩阵及其属性约简求解方法,统一考虑决策表一致和不一致情况两种情况下的属性约简,有效改进经典的基于差别矩阵求解属性约简的不足。同时,为适应大数据集属性约简需要,提出一种新的差别矩阵浓缩策略,以此提高属性约简的效率。     

关于基于分明矩阵的属性约简算法的探讨

该文讨论了基于分明矩阵和近似度的属性约简算法之间的关系。在更为充分的挖掘分明矩阵的信息的条件下,提出一种新的基于分明矩阵的属性约简算法,对某些数据库可以取得更好的效果。     

基于区分对象对集的不完备决策表求核算法

在不完备决策表中对求核算法的研究较少,且时间复杂度都相对较高.为此,根据不完备决策表中差别矩阵及其核的定义,给出条件属性的区分对象对集的定义,并得出其与决策表核属性的关系,从理论上证明求解不完备决策表的核可以转化到求条件属性的区分对象对集上.结合不完备决策表差别矩阵核的性质,提出一种基于区分对象对集的不完备决策表求核算法.实验结果表明,该算法的时间复杂度优于同类算法的时间复杂度.     

Reduction Algorithms Based on Discernibility Matrix: The Ordered Attributes Method

1 IntroductionIn Rough Set Theory[1], Pawall has defined two sorts of infOrInion systems withoat and withdecision attributes, denoted as (U C} and (U C U D) respectthely Rere U is the forrse Of obects,Me C and D aJre the condition attribote set tal the decision attriliute set respectively Their reductsare called reduct and rel8Jtive reduct reSPecttwBy Pawha, a reduct must satisfy a indePendent conditbo, tha is, a reduct 0 / R G C, R is'independent if Vr C R, mD(R) / mD(R-- {r}) f…     

基于改进的二进制分辨矩阵属性约简算法

属性约简是粗糙集理论的重要研究内容之一,目前已有许多属性约简算法。但这些算法中主要针对一致决策表,当决策表是不相容的情况下,常用的计算全部属性约简的差别矩阵算法会产生错误的结果。为了解决这个问题,引入了一个改进的二进制分辨矩阵,提出了一种基于改进的二进制分辨矩阵的属性约简算法。并利用上述算法结合实例进行属性约简,证明了算法的正确性和有效性。     

一个基于差别矩阵思想的高效求核算法

目前,关于属性约简已有不少算法,其中在很多算法中,都要求先求出核属性集,但利用差别矩阵求核属性这一算法中,生成差别矩阵时,有许多不必要的元素被生成,这些无用的元素在求核时又要进行比较,因而效率不高。利用差别矩阵的思想设计一种不必生成那些不必要的元素的求核算法,从而使算法的效率得到提高。最后,给出了一个实例说明新算法的高效性。     

改进的基于差别矩阵的属性约简算法

指出现有差别矩阵属性约简算法的不足,对原有差别矩阵和属性重要性度量方法进行改进,运用差别矩阵元素项的重要性质,提出一种新的启发式约简完备算法,有效地降低差别矩阵约筒算法的空间复杂度。仿真实验结果显示,新算法产生的约筒与分辨函数思想产生的最优约简一致,表明了新算法的有效性与完备性。     

基于水平划分决策表的核属性求解算法

核属性求解是粗糙集理论的主要研究内容之一。针对现有差别矩阵求核算法的不足,给出决策差别矩阵定义和水平划分决策表方法。提出在子决策表上创建子决策差别矩阵,进行核属性求解的方法;并证明了由该方法获得核与正区域核是等价的,同时设计相应的串行和并行求核算法。实例分析和实验比较表明所提出的求核算法是正确的、高效的。     

一种基于改进区分矩阵的属性约简算法

现有的很多约简算法都是由构造决策表的区分矩阵出发,将矩阵中非空元素的合取范式转化为极小析取范式。但是,基于Skowron提出的区分矩阵约简算法对不相容决策表会产生错误的结果。为此,提出一种改进的区分矩阵的定义,以及基于此区分矩阵的属性约简算法,该算法对相容或不相容决策表都是适用的,特别对不相容决策表会得到更加稀疏的区分矩阵,可大大节省计算时间和存储空间,该算法是一种简单、有效、普遍适用的求解属性约简方法。     

一种基于决策信息系统的知识约简算法

差别矩阵方法作为求解粗糙集知识约简的关键技术之一,而差别矩阵中的元素个数将直接影响知识约简算法的计算效率,针对现有基于差别矩阵方法的知识约简算法的不足,并且当决策信息系统中样本量较大、决策类别数较少时,算法构造的差别矩阵中将存在大量空值元素。提出了一种新的差别矩阵构造方法,有效地剔除了差别矩阵中的空值元素,在此基础上,设计了一种决策信息系统的知识约简算法,由于算法能有效地利用核属性,进一步缩小了知识约简算法的效率,并通过算例分析说明了算法的可行性。