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。     

优势关系下知识约简的比较研究

在不协调目标信息系统中引入优势关系的概念,并探讨了基于优势关系下不协调目标信息系统的几种知识约简方法,其中包括分布约简、最大分布约简、分配约简和近似约简;同时提出并证明了确定上述约简之间关系的判定定理,为进一步研究、辨识矩阵及其求取属性约简算法提供了理论依据.     

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。     

不完备信息系统的下近似分布约简与规则

研究了不完备信息系统的知识发现问题．将带有未知数据的不完备信息系统看作集值信息系统，提出了一种新的约简方法一下近似分布约简，给出了判定定理，并根据约简方法给出了下近似分布规则的定义、辩识函数以及对象x所支持的所有下近似分布规则的方法．证明了完备信息系统协调时，x-下近似分布规则是x-确定规则，说明了下近似分布规则是确定规则的推广。     

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。     

水平划分决策表的属性约简算法

差别矩阵属性约简是粗糙集重要约简方法之一,但在处理不一致大数据集时存在不足。为此,提出了决策差别矩阵的概念,并给出基于决策差别矩阵的属性约简定义,同时研究了由该定义获得的约简与正区域约简之间的等价性。为了提高求解效率,给出水平划分决策表的方法,指出将划分的子决策表分配到不同的网络节点上,基于子决策差别矩阵可并行完成核属性和属性约简;并设计了并行约简算法。实例分析和UCI中数据集的实验比较表明所提出的约简算法是正确的、高效的。     

具有区间数的信息决策系统的属性约简

通过对相容关系的实数粗糙集模型研究,分析了实数粗糙集的上近似,下近似,边界以及实数粗糙集的正域,负域,边界域的概念,并在此基础上得出了实数粗糙集的属性约简的方法,并给出步骤：逐次检索属性子集的广义重要度,看其是否与属性集合的广义重要度相等,当相等时即为其一个约简集。并通过算例证明该方法的可行性。     

基于粗糙集的不一致决策表约简算法

对传统的区分矩阵法进行分析,提出一种基于等价类的约简算法。该算法的主要思想是将不相容决策表通过等价类划分转化为相容决策表,然后利用已有的区分矩阵方法对其约简。     

基于区分向量的属性约简

决策表的属性约简方法有多种,常用的方法是利用区分矩阵生成区分函数,对区分函数进行化简,进而得到决策表的属性约简。文章提出了决策表的区分向量的概念,并给出了利用区分向量进行属性约简的方法。     

具有f约束下的知识约简

粗集在知识约简中得到了重要应用，文中给出具有f约束下的知识约简概念，讨论了具有f约束下的知识约简与普通的知识约简之间的关系，给出了具有f约束下的知识约简的算法过程和应用。     

集值决策系统中粗糙集理论与知识约简

以集值决策系统为研究对象,根据偏序关系讨论了知识约简问题。提出了近似分布约简的概念,并给出了相应的判定定理与辨识公式,最后用一个实例说明了此方法的有效性。     

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。     

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。     

一种新的基于区别矩阵的决策表属性约简方法

利用反例指出目前基于区别矩阵计算决策表核属性方法的局限性,并指出根本原因是:U/ind(C)中的等价类的A C不相容性.目前,对于决策表的相容性问题的研究都停留在单个对象上,而本文的研究表明,要计算决策表的属性约简以及核属性,关键是要考虑U/ind(C)中的等价类的相容性.给出了基于U/ind(C)的等价类的相容性的属性约简定义和核属性定义,并讨论了一种新的基于区别矩阵的属性约简和核属性计算方法.最后证明本文方法是正确的并用相同实例验证了该方法的有效性.     

基于简化差别矩阵的增量式属性约简

新对象添加到决策表后,已有的属性约简将会发生改变,需要对其动态更新.为此,首先给出简化决策表和简化差别矩阵的定义,并证明了基于简化差别矩阵的属性约简与正区域的属性约简是等价的;然后,分析增量对象的不同情况,将增量属性约简映射到简化决策表上来实现,由此设计基于简化差别矩阵的增量式属性约简算法,并对算法进行改进;最后,利用实例和实验验证了所提出算法的正确性和高效性.     

可信度差别矩阵及其属性约简

针对决策表中因存在不一致数据而造成求核和属性约简的错误,引入对象可信度的定义,并将其添加到决策表中,以区分不一致和一致对象;然后,给出差别矩阵的定义,以及基于该差别矩阵的核属性和属性约简定义,同时证明了由该定义获得的核和属性约简与正区域的核和属性约简是等价的;最后,设计属性约简算法及其改进算法,并通过实例和实验验证了算法的有效性。     

基于布尔差别矩阵逻辑运算的属性约简

针对差别矩阵属性约简存在的不足,首先将决策表简化,并引入布尔差别矩阵定义及其逻辑运算方法;然后给出基于布尔差别矩阵核属性和属性约简的定义,同时证明了该核属性和属性约简与正区域的核属性和属性约简是等价的;接着,设计基于属性布尔差别矩阵逻辑运算的属性约简算法,算法的时间和空间复杂度均为O(|C||U/C|2)。最后,通过实例和实验验证本文算法的正确性和高效性。