合成信息系统与子信息系统

本文给出了对象合成信息系统、属性合成信息系统、对象子信息系统及属性子信息系统的定义，分别讨论了它们的上下近似算子与原信息系统的上下近似算子之间的关系．并给出了它们的一些实际应用。     

属性合成区间值信息系统的0-1形式背景研究

区间值信息系统是常见的信息系统之一。针对相同论域上的区间值信息系统给出属性合成的区间值信息系统;将形式背景的基本理论引入到合成区间值信息系统中,讨论利用子形式背景直接构造原形式背景;进而研究子形式背景与原形式背景下协调集之间的关系,给出原形式背景下同构概念格的构造方法;最后利用实例验证相关结论。     

合成随机信息系统的属性约简方法

基于一般随机信息系统上的属性约简方法讨论合成随机信息系统上的属性约简问题,分析它与原随机信息系统上属性约简问题之间的联系,并尝试讨论其上、下近似算子之间的关系,发现合成随机信息系统上的协调集可以通过两个原随机信息系统的协调集来构造;另一方面从包含度的角度讨论属性约简问题,验证合成随机信息系统上的包含度和原随机信息系统上包含度之间是否存在等价关系。最后通过实例验证了得出的结论。     

序信息系统的贴近度及属性约简算法

在基于优势关系的序信息系统中,定义了对象在不同属性集下优势类的贴近度,并基于对象优势类的贴近度提出了属性集之间的贴近度。针对基于优势关系的序信息系统提出了基于贴近度的属性约简启发式算法,通过实例对该算法的有效性进行了检验。结果显示,该算法能有效得到优势关系下信息系统的属性约简,为基于优势关系的序信息系统的知识发现提供了理论基础。     

模糊属性信息系统的规则约简

1 引言信息系统的规则约简是机器学习与数据挖掘的重要内容。在研究中,大多数算法都是以离散值为处理对象,而在计算机研究与应用领域所处理的很多都是实值属性数据。实值属性信息系统没有明确的等价关系,也难以用属性值的完全相同来判定规则的一致性。因此,对实值属性信息系统的规则约简研究为研究领域所关注。模糊属性信息系统的属性值     

不完备信息系统中属性的重要度及约简方法

在不完备信息系统中,基于相似关系的定义,讨论了属性相对于对象的重要度。通过聚合算子聚合属性相对于所有对象的重要度,可得到属性的重要度。根据属性的重要度,给出了不完备信息系统的一种属性约简方法。实例说明该方法可以减少属性约简的搜索空间并找到不完备信息系统的属性约简。     

基于信息系统属性同态的数据压缩

数据压缩是数据处理的一个重要主题,同态是实现数据压缩的一种有效工具。根据信息系统属性集及其上的依赖关系,定义了信息系统属性同构和信息系统属性同态的概念。研究了信息系统属性同态的性质,利用属性等价关系诱导出了信息系统属性理想同态,应用信息系统属性理想同态实现了信息系统属性集的无损压缩。最后通过比较原信息系统与同态像信息系统的距离,给出了度量任意属性同态理想程度的方法。     

形式概念分析与集值信息系统

形式概念分析与粗糙集理论是两种有效的知识发现工具,已在各个领域获得成功应用。本文给出了一种将形式背景转化为集值信息系统的方法,证明了形式背景分析中的对象粒协调集与由该形式背景导出的集值信息系统的协调集是等价的,并且分析了形式背景中三种不同类型的对象粒属性特征。最后给出了形式背景中属性粒的概念及相关结论。     

采用二分法的信息系统属性约简研究

属性约简是粗糙集理论的重要研究内容之一,并已经证明是一个NP难问题。为了提高算法的效率,提出了一个采用二分策略的属性约简方法,即计算信息系统的划分核心,利用划分核心将原始对象集逐次二分,对每个二分后的对象子集分别计算划分辨识集,计算划分辨识集的极小覆盖,通过合并极小覆盖与划分核心获得信息系统的属性约简。分析和实验结果表明随着划分核心数量的增长,使用二分法大幅度提高了算法的效率。     

信息系统属性增量约简算法的设计与实现

信息系统是一种重要的知识表达形式,对它的增量算法研究主要集中在对象的动态增加上。论文分析了信息系统核和约简在增加属性后的变化规律,设计并实现了信息系统的属性增量约简算法。实验表明,该算法能够有效利用原信息系统的知识,快速、准确地计算出新信息系统的核和约简。     

大变量多输出逻辑函数实质项识别算法

在对Espresso算法进行分析改进的基础上，提出了一种基于全域识别的多输入多输出逻辑函数实质本源项、完全冗余项和相对冗余项生成算法，该算法通过对基于积项表示的多输入多输出逻辑函数的余因子计算来进行全域判断，根据全域判断结果来识别实质本源项、完全冗余项和相对冗余项，从而构成实质本源项集合、完全冗余项集合和相对冗余项集合。对基于二级SOP型的多输入多输出逻辑函数设计了多输入多输出逻辑函数优化识别软件系统，允许的最大输入变量数为128、最大输出变量数为256、最大输入输出变量总和为300、最大输入积项数为20 000。软件系统在Pentium 1.8GHz、512MB内存的计算机上通过了Benchmark例题的测试。     

约束高斯分类网研究

针对基于一元高斯函数估计属性边缘密度的朴素贝叶斯分类器不能有效利 用属性之间的依赖信息和使用多元高斯函数估计属性联合密度的完全贝叶斯分类器 易于导致对数据的过度拟合而且高阶协方差矩阵的计算也非常困难等情况,在建立 属性联合密度分解与组合定理和属性条件密度计算定理的基础上,将朴素贝叶斯分类 器的属性选择、分类准确性标准和属性父结点的贪婪选择相结合,进行约束高斯 分类网学习与优化,并依据贝叶斯网络理论,对贝叶斯衍生分类器中属性为类提供 的信息构成进行分析.使用UCI数据库中连续属性分类数据进行实验,结果显示,经过 优化的约束高斯分类网具有良好的分类准确性.     

决策信息系统的增量式F-并行属性约简

在传统的属性约简算法中,将增加的对象和原来的信息系统整合为一个信息系统,并对这个信息系统重新划分新的等价类,为了降低处理增量式数据的复杂度,在信息系统的属性集上定义了信息论意义下的F-属性重要度,给出了一种增量式F-并行属性约简算法。该算法将增加的多行记录组成一个或若干个新的信息系统进行并行计算。与传统的方式相比,该算法能够很好地适应新加入的数据,同时通过利用优秀的启发式信息避免了增量式属性约简时间复杂度过高的问题,时间效率提高。     

序信息系统的启发式属性约简算法

属性约简是粗糙集理论的核心问题之一,序信息系统中的属性约简也逐渐受到关注。基于优势类的概念,引入了序信息系统的一种信息粒度,用于度量属性集在序意义下的不确定性,进而给出了序信息系统中属性重要度的定义。在此基础上,设计了一种序信息系统的启发式属性约简算法,并通过实例分析进行了有效性检验。     

人工智能软件系统的非功能属性及其质量保障方法综述

随着神经网络等技术的快速发展,人工智能被越来越多地应用到安全关键或任务关键系统中,例如汽车自动驾驶系统、疾病诊断系统和恶意软件检测系统等.由于缺乏对人工智能软件系统全面和深入的了解,导致系统时常发生严重错误.人工智能软件系统的功能属性和非功能属性被提出以加强对人工智能软件系统的充分认识和质量保障.经调研,有大量研究者致力于功能属性的研究,但人们越来越关注于人工智能软件系统的非功能属性.为此,专注于人工智能软件系统的非功能属性,调研了138篇相关领域的论文,从属性定义、属性必要性、属性示例和常见质量保障方法几个方面对目前已有的研究工作进行系统的梳理和详细的总结,同时重新定义和分析了非功能属性之间的关系并介绍了人工智能软件系统研究中可以用到的开源工具.最后,展望了人工智能软件系统非功能属性的未来研究方向和挑战,以期为该领域的研究人员提供参考.     

一种无决策属性的信息系统的属性约简算法

经典属性约简及其延伸算法是基于有决策属性的信息系统的属性约简算法,它们对无决策属性的信息系统的属性约简无能为力.为此,本文以粗集理论为基础,对无决策属性的信息系统从集合论的论域划分方面进行研究,提出了一种适用于无决策属性的信息系统的启发式属性约简算法.该算法在一定程度上能够解决无决策属性的信息系统属性约简问题,进一步扩展了粗集理论的应用范围.实例表明该算法是有效可行的.     

信息系统知识约简简便算法

In this paper, by using discernibility attribute matrices, give the sufficient and necessary conditions for justfying an attribute is absolute,relative and superfluous,and then simplified approaches to knowledge reductions in information systems and consistent target information systems are presented,from which the cost for computing the reductions is reduced.