信息表属性约简新方法

在研究区分能力大小的基础上建立一个用于指导信息表的绝对属性约简的粗糙集模型,研究区分能力和分类能力之间的关系,提出决策依赖区分精度概念,为指导决策表的相对属性约简提供了一个新的判据。给出区分精度、近似精度和决策依赖区分精度在属性约简过程中相互关系的研究结论,通过一组对比实验说明决策依赖区分精度比近似精度对分类能力的描述更细致客观。     

信息表属性约简新方法

在研究区分能力大小的基础上建立一个用于指导信息表的绝对属性约简的粗糙集模型,研究区分能力和分类能力之间的关系,提出决策依赖区分精度概念,为指导决策表的相对属性约简提供了一个新的判据。给出区分精度、近似精度和决策依赖区分精度在属性约简过程中相互关系的研究结论,通过一组对比实验说明决策依赖区分精度比近似精度对分类能力的描述更细致客观。     

基于核与改进的条件区分能力的反向删除属性约简算法

粗糙集理论的布尔矩阵表示形式具有直观、易于理解的优点,它的引入为研究粗糙集的理论提供了一个新的思路。在对布尔矩阵性质研究的基础上,针对已有的基于布尔矩阵算法没有考虑到核属性在浓缩布尔矩阵时的重要性的不足,将属性重要性与改进的条件区分能力相结合,提出基于核与改进的条件区分能力的属性约简算法,借助反向删除确保约简集的完备性。实例表明改进后的算法在条件区分能力上更加准确,并且使约简结果更具有较强的完备性。     

基于区分能力的HU差别矩阵属性约简算法

将决策表属性区分能力大小与HU差别矩阵结合起来,建立起属性区别能力与该属性在HU差别矩阵中出现次数之间的关系.提出与HU差别矩阵属性约简相适应,只依赖于等价类基数计算的属性区分能力计算公式,得到HU差别矩阵约简的属性区分能力判定定理.定义了以属性区分能力为基础的属性相对重要性概念,提出以相对重要性为启发式信息的HU属性约简算法.由于该算法不必构造差别矩阵,只依赖于等价类基数的计算,从而大大提高了算法效率.数值算例和实验结果表明,该算法更有利于最优或次优约简结果的搜索.     

基于局部条件区分能力的高效属性约简算法

基于区分矩阵的传统属性约简方法具有直观易理解的优点,但时间和空间复杂度都很高,当数据规模较大或条件属性较多时,会无法快速得到约简结果.为解决该问题,在区分关系的基础上构造了条件区分能力来进行属性选择,提出一种基于条件区分能力的属性约简算法.而为了进一步加快属性重要性的计算、提高约简效率,依据大数定律中频率的稳定性,通过...     

基于动态区分矩阵的属性约简算法

在分析基于静态区分矩阵的属性约简算法基础上,提出一种基于动态区分矩阵的属性约简算法。该算法采用2种不同的区分矩阵调整方案,使其能客观及时地反映出当前的约简以及剩余条件属性对信息系统的影响。实验结果表明,该算法不仅能找到信息系统的属性约简,还能有效减少计算属性约简的计算量,提高计算效率。     

考虑属性排名的约简算法

属性约简是粗糙集研究的重要内容之一.目前有多种计算约简集的方法,但计算效率普遍不高.杨萍等学者提出的基于二进制区分矩阵的启发式约简算法,考虑了属性的区分度和区分率,采用高效的逻辑运算获得约简集,提高了运算的效率.在该算法的基础上,首先指出其计算所得的约简集存在不确定性,然后给出一种考虑属性排名的改进的约简算法,消除了约简集的不确定性,并且可以迎合用户的需求.最后通过一个信息系统实例,验证该算法的可行性和有效性.     

一种改进的区分矩阵属性约简算法及应用

通过对传统的基于区分矩阵的属性约简算法进行分析后,针对区分矩阵中"重复"元素过多,同时这些"重复"元素非但在求解属性约简的过程中不起作用,而且还降低时间效率这一缺点进行了改进,即在构造区分矩阵的过程中,利用命题演算中的吸收律去掉了在区分函数中不起作用的"重复"元素,提出了一种属性约简的改进算法RADM,提高了属性约简效率。     

一种基于差别矩阵属性约简的完备算法

为获取一个较优的属性约简集,在对粗糙集中基于差别矩阵的属性约简算法研究的基础上,文中提出了一种新的属性约简算法.该算法对由差别矩阵得到的属性差别集进行运算,得到一种集合内元素之间没有包含关系的新集合,在分析该集合性质的基础上,给出针对该集合的一个较优属性约简集.最后对时间复杂度进行了分析,并给出了完备性证明.     

用差别矩阵思想设计的基于正区域的高效属性约简算法

近来一些学者用差别矩阵或差别矩阵的思想设计了基于正区域的属性约简算法.由于计算差别矩阵是一个既消耗时间又消耗空间的过程,故这些算法的效率并不好.为了降低这类属性约简算法的复杂度,文中利用基于区分对象对的属性约简的思想,在简化决策表的基础上,定义了一个函数,该函数能度量简化决策表中条件属性集产生的区分对象对的个数,并用该函数设计了一个启发函数,同时给出了计算该启发函数的快速算法,经分析其时间和空间复杂度均为O(|U/C|).最后用该启发函数设计了一个有效的基于正区域的属性约简算法,该算法的时间复杂度降为O(|C||U|),空间复杂度降为O(|U|).文中还用一个具体实例说明了新算法的有效性.经实验证明,新算法具有较高的效率.