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。     

优势关系下分配约简矩阵算法的程序实现

依据计算不协调优势关系信息系统分配约简的矩阵算法,使用C++语言编程实现在优势关系信息系统中计算分配约简的快速计算,并将程序开发成软件。作为简便的计算工具,软件功能上实现了优势类、分配矩阵、优势矩阵、分配约简、核的计算和输出,为优势关系下计算分配约简提供了便利工具。     

基于不完备信息系统相容关系的分配约简遗传算法

属性约简是粗糙集理论的核心问题之一,也是粗糙集有效算法研究的焦点.本文研究在不完备信息系统下的属性约简算法,在相容关系基础上,提出了一种应用遗传算法来求解分配约简的方法,并通过实例分析说明了该算法的有效性.     

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.     

基于相容关系分配约简遗传算法的高校人事不完备信息系统的设计

针对高校人事信息管理系统,利用基于粗集相容关系的分配约简遗传算法,设计了高校人事不完备信息系统的知识获取模型,并在Delphi下结合Access数据库,对高校人事不完备信息系统进行数据挖掘,以找到造成高校人才外流的主要因素,为领导决策提供依据.     

不完备模糊决策信息系统中的知识约简

知识约简是粗糙集理论研究中的一个重要内容,可辨识矩阵是属性约简的一个很重要的方法,本文把这种方法推广到不完备模糊决策信息中,定义了相似关系下的可辨识矩阵,提出了不完备模糊决策信息系统中相似关系的可辨识矩阵属性约简的算法,最后用实例验证了算法的可行性。     

基于近似约简的集成学习算法及其在入侵检测中的应用

为了获得较大差异性的基学习器来构建集成学习器,从属性空间划分的角度来考虑集成学习问题,通过粗糙集理论定义了近似约简的概念,进一步提出了基于近似约简的集成学习算法;本方法将数据集的属性空间划分为多个子空间,基于不同子空间对应的数据集训练得到的基学习器具有较大的差异性,从而保证了集成学习器具有较强的泛化性能。为了验证本算法的有效性,本算法被应用于网络入侵检测中。在KDD CUP 99数据集上的实验表明,与传统的集成学习算法相比,本文所提出的算法具有更高的检测率和更低的计算开销,更适合于从海量高维的网络数据中检测入侵。     

对象集变化时相容块的近似集增量更新方法

为解决相容块粗糙集模型中概念近似集静态算法效率低的问题,对象集发生变化时,从新的角度提出一种增量式近似集更新方法。引入相容块粗糙集模型的基本概念,在对象集发生变化的条件下更新论域子集,结合增加(或删除)的对象集与相容块之间的联系,更新每一个相容块,并提出更新相容块在论域上覆盖和划分的方法,设计一种近似集增量式更新算法。6组UCI数据集试验结果表明,在增加对象时,本研究算法比非增量式更新算法时间缩短了1/3,在删除对象时时间缩短了1/2。在同种数据集下,本研究算法的时间消耗均小于其他4种更新算法,验证了算法的高效性和可行性。     

微信息大数据粗糙集的近似约简

为了应对微信息舆情数据的格式复杂、价值稀疏和收集困难等大数据处理技术难题,基于隐含语义分析和粗糙集近似约简理论,设计微信息的数据区间值集和近似匹配分类算法.在不影响数据主要关联关系的原则下,提炼核心属性、消减次要属性,实现一种微信息异常主题倾向的发现方法.结果表明,该近似约简算法能在完成微信息兴趣倾向主题分类的前提下,将数据集属性大幅度缩减,提高微信息的信息挖掘效率,为微信息大数据舆情处理工作提供了新的思路和案例.     

基于改进辨识矩阵的变精度邻域粗糙集属性约简

提出一种用于变精度邻域粗糙集,可以大幅减少时间复杂度的属性约简算法.该算法基于一种改进的辨识矩阵.首先用辨识矩阵同时记录决策一致和不一致的数据,然后用二进制位运算计算样本的邻域,最后获得可以保持下近似分布不变的属性约简.实验结果证明,本文算法不仅能够大幅减少属性约简时间,而且精度上总体优于NBRS算法和LDNRS算法.