基于相似关系向量的改进ROUSTIDA算法

在对粗糙集理论进行深入研究的基础上,依据决策规则独立原则,提出了一种基于相似关系向量的不完备信息系统数据补齐算法,有效地解决了原有ROUSTIDA算法可能存在的决策规则矛盾问题。实例证明改进算法的填补正确率比ROUSTIDA算法高,具有更好的实用价值。     

不完备数据分析方法（ROUSTIDA）的改进算法

针对在实际问题中,数据库中的数据经常受到各种因素的干扰,待处理的数据常有某种程度的不完备的情况,基于粗糙集理论,对不完备信息系统的完备化进行了研究.提出了改进的ROUSTIDA算法,改善了原算法对某些缺失数据不能处理的情况,分别提出了相应的策略,扩充了原算法的适用范围,同时可以在填充时避免不一致信息的产生,对下一步的数据挖掘作好了充分的数据准备.     

基于粗糙集不完备信息系统的离散化算法

针对不完备信息系统提出了一种新的粗糙集离散化算法。通过分析候选断点与决策类之间的影响关系,定义了候选断点对决策类的区分能力,并以此作为断点重要性的度量,实现不完备信息系统中连续属性的离散化。仿真实验验证了该算法的有效性。     

基于新集对理论下的粗糙集模型

为了用集对分析方法进一步刻画不完备信息系统,文中把新集对分析理论与粗糙集理论结合在一起,提出了一种新的集对粗糙集模型,从而拓宽了集对分析方法的应用;定义了一种不完备信息系统的上、下近似算子,得到了一些相关的性质。最后通过一个简单的例子说明了上述方法的可行性。     

基于粗糙集理论的不完备数据分析方法的混合信息系统填补算法

为了提高基于粗糙集理论的不完备数据分析方法(ROUSTIDA)在实际应用中对包含离散型(如整型、字符串型、枚举型)、连续型(如浮点数表达)、缺失型属性的混合信息系统(HIS)数据的填补能力,提出了一种基于粗糙集理论的混合信息系统缺失值填补方法(RSHISMIA).首先,根据决策属性等价类划分思想并按照决策属性对混合信息...     

基于新集对理论下的粗糙集模型

为了用集对分析方法进一步刻画不完备信息系统，文中把新集对分析理论与粗糙集理论结合在一起，提出了一种新的集对粗糙集模型，从而拓宽了集对分析方法的应用；定义了一种不完备信息系统的上、下近似算子，得到了一些相关的性质。最后通过一个简单的例子说明了上述方法的可行性。     

不完备信息系统的一种属性约简

条件属性的重要性存在差异,通过引入差异度,对不完备信息系统中属性的重要性进行了定义,提出了一种基于权重联系度的属性约简算法。通过实例说明该算法能得到不完备决策表的最小相对约简。     

基于粗糙集理论的一种属性约简算法

MIBARK算法在度量属性的重要性时计算量很大,它需要多次计算不同条件属性组合与决策属性之间的互信息。论文的改进算法以属性的频率作为选择属性的启发信息,由过滤差别矩阵得到属性的频率。实验表明,在获得相同属性约简的前提下,该算法与MIBARK算法相比,属性约简的计算量较少,提高了计算速度。     

一种基于粗糙集属性频度约简算法的改进

为了获得有效的属性最小相对约简,在基于属性频度的启发式约简算法的基础上,提出了一种同时满足属性重要性和频度改进的启发式约简算法.该算法的基本思想是:以属性的核为基础,以频度作为选择属性的启发信息,即把属性频度最大的属性添加到核属性中,这样就把分类能力较强的属性添加到约简集合中,从而能够获得较优的约简.     

一种基于粗糙集属性频度约简算法的改进

为了获得有效的属性最小相对约简,在基于属性频度的启发式约简算法的基础上,提出了一种同时满足属性重要性和频度改进的启发式约简算法。该算法的基本思想是：以属性的核为基础,以频度作为选择属性的启发信息,即把属性频度最大的属性添加到核属性中,这样就把分类能力较强的属性添加到约简集合中,从而能够获得较优的约简。     

一种基于粗集理论不完备数据的改进算法

本文在对粗集理论进入深入研究的基础上，依据决策规则独立原则，提出一种改进的ROUSTIDA算法，有效地解决了原算法可能存在的决策规则矛盾的问题，实例表此方法是行之有效的。     

基于集对分析的变精度粗糙集模型

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具,在人工智能及数据挖掘等众多领域已经得到了广泛的应用。对于不完备信息系统目前也有多种扩充方法,如基于容差关系的扩充、基于相似关系的扩充等等。该文是在集对粗糙集模型的基础上,引入相对分类错误率的概念,提出了一种基于集对分析的变精度粗糙集模型。然后用集对分析的方法得到了变精度的上、下近似的性质,将经典粗糙集理论和集对粗糙集理论进行了推广。最后,通过一个不完备信息系统的具体例子,说明了这种基于集对分析的变精度粗糙集模型对不完备信息系统中处理模糊和不确定性知识的可行性和有效性。     

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。     

一种改进的属性约简算法

粗糙集理论是一种有效的信息处理工具,属性约简是粗糙集理论研究的一个核心内容。为了能够较为有效地获得不相容决策表较优的属性约简,在对文献[7]中属性约简算法分析的基础上,根据不相容决策表约简不改变决策表正域的原则,仅考虑相对差异比较表中与正域相关的实例对,同时结合属性重要性作为特征选取的启发式信息,提出了一种改进的启发式属性约简算法。该算法在不增加算法时间复杂度的前提下能够处理不相容决策表。最后,通过实例完整演示了该方法,表明该算法是有效的。     

基于信息熵的粗糙集连续属性离散化算法

该文提出了一种新的粗糙集连续属性离散化算法．首先对每一个候选断点定义了信息熵，以此作为对断点重要性的量度，在此基础上给出了断点选择的粗糙集连续属性离散化算法．最后采用多组数据对此算法的性能进行了检验，并与其它算法做了对比实验．实验结果表明此算法是有效的，而且当候选断点个数增多时仍有很高的计算效率．     

基于粗糙集和mPCA的人脸识别算法

提出了一种粗糙集与mPCA相结合的人脸识别算法。根据一定规则将人脸图像模块化,对每一个小模块利用PCA进行处理,对于经过PCA降维后的数据再利用粗糙集约减,去除冗余信息。该方法可以减少姿势表情的变化给人脸识别带来的影响,去除大量的冗余信息,从而降低计算的复杂性,提高识别率。基于ORL人脸数据库的实验结果表明,该算法正确识别率达到97%。     

一种基于粗糙集理论的分类规则提取算法

给出了一组关于分类问题的自足而严密的形式化描述,并运用精确和覆盖两种准则,将类的特征明确划分为充分特征和必要特征。在此基础上,结合“约简”方法和“聚焦”机制,提出了一种新的分类规则提取算法。使用该算法,能从分类信息系统中提取出明确的分类规则。这些规则不仅包含了分类信息系统中类的某些潜在的充分特征和必要特征,而且比传统的归纳法所提取的规则更能反映专家的“聚焦”思维方式。最后给出了运用该算法的示例。     

一种改进的属性约简算法

粗糙集理论是一种有效的信息处理工具,属性约简是粗糙集理论研究的一个核心内容.为了能够较为有效地获得不相容决策表较优的属性约简,在对文献[7]中属性约简算法分析的基础上,根据不相容决策表约简不改变决策表正域的原则,仅考虑相对差异比较表中与正域相关的实例对,同时结合属性重要性作为特征选取的启发式信息,提出了一种改进的启发式属性约简算法.该算法在不增加算法时间复杂度的前提下能够处理不相容决策表.最后,通过实例完整演示了该方法,表明该算法是有效的.