关于属性约简和集合覆盖问题的探讨

论文探讨了粗糙集的属性约简和集合覆盖问题之间的联系。通过构造信息系统的相关矩阵将粗糙集的属性约简问题与集合覆盖问题联系起来,从而将粗糙集的属性约简问题简化为集合覆盖问题。然后用几个定理及其证明说明了这种联系是存在的。基于这种联系,推断出求最小属性约简问题算法的近似度的上下界为ln(｜U'｜)-lnln(｜U'｜)+O(1)和(1-o(1))ln(｜U'｜)。最后,利用两个范例分别演示了如何具体地构造相关矩阵以及如何将解决集合覆盖问题的思想和方法应用到解决属性约简问题中来,由此推理如果将文献5中的解决集合覆盖问题的启发式方法应用到解决最小属性约简中,属性约简的复杂度为o(r2m3+m2),并且能以78%的“概率”得到最小属性约简。     

不完备决策表属性约简的CIEARAWCC算法

不完备信息系统中的属性约简是粗集理论应用的难点。通过引入信息熵和条件信息熵,对信息系统中属性的必要性进行了定义,提出了一种基于条件信息熵的属性约简启发式算法。通过引入相对正域,有效地解决了不一致系统属性约简过程中产生的冗余属性问题,并分析了该算法的时间复杂度。最后,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。     

在不完备信息系统中基于VPRSM的约简异常分析

属性约简问题的关键在于约简集合能否表达与原属性集完全一致的信息。分析了完备信息系统中基于变精度粗糙集模型属性约简异常出现的原因,并将其扩展到不完备信息系统中,在文献[1]的基础上,给出了不完备信息系统中基于集对分析的VPRSM的约简定义,既能保证在不完备信息系统中基于变精度约简的准确性,又能增加灵活性和容噪能力。     

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。     

基于粒化单调的不完备混合型数据增量式属性约简算法

增量式属性约简是一种针对动态数据集的新型属性约简方法。然而目前的增量式属性约简很少有对不完备混合型的信息系统进行研究。针对这类问题提出一种属性增加时的增量式属性约简算法。在不完备混合型信息系统下引入邻域容差关系。基于邻域容差关系的粒化单调性,提出信息系统属性增加时邻域容差条件熵的增量式更新方法,并提出了不完备混合型信息系统下的邻域容差条件熵增量式属性约简算法。实验分析表明了该算法的有效性。     

不完备信息系统中基于限制容差关系的属性约简方法

决策表核属性的确定往往是信息约简的基础,然而以往的核属性约简方法大多是针对完备信息系统的。将完备信息系统中的属性核与属性序约简算法延伸至不完备系统,提出一种不完备信息系统中基于限制容差关系的属性约简方法。该方法通过构造限制容差关系下决策表的改进分辨矩阵来求得核属性,并将非核属性按直观影响分类质量的能力排序,能够保证得到的约简结果是相对最小约简。通过实验比较证明该方法可行、有效。     

基于粒子群的不完备决策表属性约简PSOIDTAR法

属性约简是粗糙集理论的一个核心部分。由于经典的粗糙集模型对不完备信息系统不适应,通过把属性约简问题归结为0-1组合优化问题,提出了一种应用二进制粒子群算法来求解属性约简的方法。通过引入近似分类精度和近似分类质量,为获得最小约简确定了有效合理的粒子适应度函数。仿真实验结果表明该算法能得到最小相对约简,且具有较高的运算效率。     

广义信息系统的属性约简

把完备信息系统、不完备信息系统、序信息系统、覆盖信息系统等常见信息系统统称为广义信息系统,采用新的知识表达形式将其知识结构进行统一表示,特别是将覆盖信息系统纳入了广义信息系统的框架之中。在广义信息系统中引入粒度熵的概念,对属性的重要性给出度量;在此基础上,提出一种广义信息系统属性约简的启发式算法,进而得到广义信息系统的知识约简,并给出了若干算例。     

基于粗糙集的不完备信息系统增量式属性约简

属性约简是粗糙集理论在模式识别中一项重要的应用,传统的属性约简算法只适合处理静态的信息系统,而处理不断动态更新的信息系统面临着巨大的挑战。对于不完备信息系统,提出一种增量式的属性约简算法。在不完备信息系统下引入粗糙集理论中关于正区域的概念,针对不完备信息系统中属性增加的情形,提出了基于正区域的增量式属性约简算法。实验结果表明了所提出的增量式属性约简算法比非增量式的算法具有更高的效率,同时比其他同类型的算法具有更高的优越性。     

基于粗糙集理论和构造型神经网络的分类算法研究

提出将Rough集理论与构造型神经网络覆盖算法相结合,用Rough集理论提取保持信息完整的最小属性集后构造覆盖网络,提高了覆盖算法的泛化能力,而对于属性不完备信息系统进行粒度处理后再构造覆盖网络,能解决覆盖算法对不完备信息系统的分类.实验结果表明该算法能提高覆盖算法的应用范围和对不完备信息系统的知识发现.     

基于非平衡数据下不完备混合型信息系统的属性约简

完备混合型信息系统下的粗糙集模型是传统粗糙集模型的重要扩展,目前关于非平衡数据属性约简的研究仅限于完备混合型的粗糙集模型。针对这一问题,提出一种基于不完备混合型信息系统的非平衡数据属性约简。本文首先将传统的粗糙集模型进行推广,提出不完备混合型信息系统下的粗糙集模型;然后针对数据的非平衡性,根据上下边界区域和类分布的不均匀性定义了一种新的属性重要度;在基于区别矩阵的基础上设计出一种非平衡数据的属性约简算法。实验分析表明该算法针对不完备非平衡数据的属性约简具有一定的有效性和优越性。     

不完备系统中一种增量式属性约简算法

实际应用中，信息系统的数据常常是动态变化的，当对象增加时，原始的属性约简集不一定有效。针对不完备决策系统对象增加的情况，提出基于条件熵的增量式属性约简算法。首先定义不完备决策系统中的条件熵，然后分析对象增加时条件熵的变化机制以及对约简集的影响，提出增量式属性约简算法，当对象增加时，该算法能够更高效地进行属性约简。最后，实验验证本文算法的有效性和高效性。     

混合值不完备决策信息系统的粗糙分类方法

针对混合值不完备决策信息系统,提出一种将邻域联系度粗糙集与贝叶斯理论相结合的分类方法。定义了一种新的属性辨识矩阵——同异反辨识矩阵,给出了基于同异反辨识矩阵的t分配约简算法,以及对约简后的决策信息系统建立基于邻域联系度粗糙集的最小错误率贝叶斯决策准则,用于对含有混合属性值以及不完备数据的对象进行分类。实验表明所提出的方法是客观有效的。     

基于布尔矩阵表示的粗集属性约简启发式算法

属性约简是粗糙集理论研究中的核心内容之一，现已证明寻找最小约简是NP-hard问题。该文对信息系统中属性的条件区分能力给出定义。在此基础上，提出了一种基于条件区分能力的属性约简的启发式算法。通过实例分析表明，在多数情况下该算法能够得到信息系统的最小约简。     

基于最小集合覆盖的属性约简算法

在粗糙集理论的各种应用中,属性约简算法具有重要的意义,因而对属性约简算法的研究一直是粗糙集理论研究中的重点问题之一。在对属性约简算法充分研究的基础上提出一种基于最小覆盖集的粗糙集属性约简算法,即通过构造知识系统的一种改进的相关矩阵将属性约简简化为最小覆盖问题。将该算法与文献[7]中的算法进行实验比较并对结果进行分析,实验结果表明,当随着数据量增大时该算法具有更小的时间复杂度。     

粗糙集理论在故障诊断中的问题分析

粗糙集理论能对系统中的冗余信息进行约简,但其处理过程完全基于样本集,样本集的完备性对其处理结果有直接影响.对粗糙集理论及其在故障诊断中属性约简存在的问题进行了分析,通过实例证明了在故障样本集不完备的情况下,利用粗糙集进行的属性约简会由于新故障样本的引入而导致前后约简结果的不一致,从而影响诊断的准确性;指出了该问题产生的关键原因及解决的办法,并给出了相关的实现算法,以提高系统的故障诊断自适应性.     

粗糙集理论在故障诊断中的问题分析

粗糙集理论能对系统中的冗余信息进行约简,但其处理过程完全基于样本集,样本集的完备性对其处理结果有直接影响。对粗糙集理论及其在故障诊断中属性约简存在的问题进行了分析,通过实例证明了在故障样本集不完备的情况下,利用粗糙集进行的属性约简会由于新故障样本的引入而导致前后约简结果的不一致,从而影响诊断的准确性;指出了该问题产生的关键原因及解决的办法,并给出了相关的实现算法,以提高系统的故障诊断自适应性。     

一种新的不完备食品信息系统评价属性相对约简算法

本文针对不完备食品信息系统提出了一种基于粗糙集理论的评价属性相对约简方法。本文利用粗糙集等价关系 的扩展,即容差关系为基础提出容差关系相似矩阵的概念。然后通过引入广义决策函数的限制来解决不完备信息系统约 简的不一致性问题,通过容差关系相似矩阵求不完备信息系统的核属性,再利用属性在容差关系相似矩阵中出现的频率 给出了属性重要度的计算公式,利用属性重要度为约简的启发式规则,并运用折半启发式算法减少扩展次数,提高约简 速度。实验表明该方法是简单有效的。     

一种不完备信息系统的约简方法

提出了一种基于覆盖粗糙集理论，利用最大一致块技术进行不完备信息系统约简的方法。在证明利用最大一致块技术生成的相容类构成论域的最简覆盖基础上，利用覆盖粗糙集理论对已利用最大一致块技术进行属性约简的信息系统进行属性值约简，并提出一种新的约简算法。