粗集中不可分辨类算法求解实现

从原始信息系统出发,用不可分辨类的思想求解系统的核属性和约简是粗集理论的精华.因此,如何在计算机上实现这种思想关系到读者对粗集理论抽象概念的理解.文中利用MATLAB语言编程实现了不可分辨类算法.考虑该语言的特点,首先将原始信息系统转换为数字型矩阵,然后自定义用户函数attvalist,并结合MATLAB语言中丰富的矩阵与向量运算函数,不经复杂的编程完成了样本分类.     

粗集中不可分辨类算法求解实现

从原始信息系统出发,用不可分辨类的思想求解系统的核属性和约简是粗集理论的精华。因此,如何在计算机上实现这种思想关系到读者对粗集理论抽象概念的理解。文中利用MATLAB语言编程实现了不可分辨类算法。考虑该语言的特点,首先将原始信息系统转换为数字型矩阵,然后自定义用户函数attvalist,并结合MATLAB语言中丰富的矩阵与向量运算函数,不经复杂的编程完成了样本分类。     

基于粗集的模糊属性值信息系统的知识获取

文章研究了一类属性取模糊值的不完备信息系统的知识获取方法。首先给出了信息系统的一种表示方法,同时采用模糊集思想,构造了这类系统的模糊不可分辨关系,并研究了这类信息系统的知识获取算法,并以一个实例,说明了这种算法的有效性。     

基于粗集理论的决策表核计算方法

决策表信息系统核属性的计算是粗集理论中的一个重要问题。从知识约简及核属性的定义出发,详细分析了文献[5]中的方法用于不相容决策信息系统中产生错误原因,并提出了一个新的基于等价类运算计算核属性的方法,该方法的优点在于同时适用相容决策表及不相容决策表核计算,且计算核属性不需要生成分明矩阵的中间步骤,最后证明了这种方法的有效性。     

一种基于粗集理论的属性约简改进算法

利用粗集理论中属性的依赖度和重要度性质,提出一种对数据属性进行约简的改进算法,对该算法进行分析,并运用一个简单的例子对该算法的有效性进行验证。     

基于粗集理论复杂系统神经网络模型构建

设计了一个基于粗集理论复杂系统神经网络模型,详细地阐述了该模型的实现算法。运用分辨矩阵特性以及粗集理论得到一些结论,提出知识约简算法,避开NP-HARD问题,实现巨量数据知识库、多维指标体系参数和多类决策指标参数知识属性有效约简,降低构建神经网络系统复杂性,为神经网络系统构建提供了一种模型和方法。实例表明该算法在保持知识库系统不失真的情况下能够有效地对复杂系统知识约简,从而降低构建神经网络模型的复杂性。     

粗集、S-粗集、函数S-粗集及其关系定理

针对Pawlak粗集理论的现况,着重介绍了S-粗集、函数S-粗集的定义、两种结构及对偶形式,详细讨论了S-粗集与Pawlak粗集之间的关系,函数S-粗集与S-粗集、Pawlak粗集之间的关系。最后给出了S-粗集理论的可应用领域。     

基于容差关系的扩展粗集模型中的知识依赖

论文在基于容差关系的扩展粗集模型中,考虑了条件属性子集与决策属性子集间知识依赖和条件属性子集间的知识依赖两种情况,分别给出了这两种情况下知识依赖和部分知识依赖以及依赖度等概念的定义,证明了与这些概念的定义相关的一些重要定理结论,并给出了一些例子加以验证。     

在不完备信息系统中的一种粗集扩充模型

对已有的基于不完备信息系统的粗集拓展模型进行分析比较,进而提出一种改进的限制容差关系模型。主要思想是考虑到人的主观要求,在容差类的划分中加入一个插值,再利用这些类得到上下近似集,最后通过实例说明该模型是符合客观实际的。     

数据样本集残缺的粗集解决法

数据样本集是人工智能发展需要的主要要素,所以要求提供的数据样本集,应该是全面的、有效的集合。当所提供的数据样本集残缺不全时,会影响人工智能的有效应用。针对此问题,文章提出了一种基于粗集理论的数据样本集补全方法,能科学的、正确的、有效的补全数据样本集,为提高人工智能的决策推理,铺平了道路。     

Rough集中U/P的快速算法

针对目前计算Rough集中U/P算法需要重复扫描决策系统、不断地进行属性值比较和排序的缺点,提出了一种基于树型结构的不可区分关系树,通过不可区分关系树实现了计算U/P的快速算法.该算法只需扫描一次决策系统,并且也避免了不断地进行属性值比较和排序.经实验验证该算法较目前基于排序的U/P算法更快,而且算法实现更简洁.     

基于粗糙集理论的电力变压器故障诊断方法研究

为了能从完备信息中得出正确的诊断结论,并能从不完整的信息中得出满意的诊断结果,提高故障识别率,提出一种基于粗糙集理论的电力变压器故障诊断方法,给出了粗糙集的基本概念、约简计算方法和约简过程,并给出了故障诊断原理和诊断实例．实验结果表明,该方法是有效的,达到了预期目的,为电力变压器故障诊断提供了新的思路,对其他电气设备的故障诊断具有参考价值。     

基于可能度容差关系的多粒度粗糙决策分析方法

在不完备区间值决策信息系统中,针对可能度容差关系和多粒度决策粗糙集的各自优点,提出一种基于可能度容差关系的多粒度决策粗糙模型。首先提出可能度的概念,定义新的容差关系;然后构建了基于可能度容差关系的乐观和悲观多粒度决策粗糙集模型,给出模型的上下近似,并对相关性质和定理进行证明;最后以实例验证了模型的有效性与适用性。结果表明,通过调整属性相似度阈值◢ω◣,可使模型具有一定的容错能力和很强的分类能力。     

基于可辨识矩阵的快速粗糙集属性约简算法

Karno Bozi提出的Core Searching算法在向约简中插入候选属性的时候,根据属性出现次数需要循环查找可辨识矩阵中的所有剩余项,直至矩阵为空,导致计算量较大和结果中冗余属性存在的可能.基于Core Searching算法提出通过给属性设立计数器的基于可辨识矩阵的快速属性约简算法,实例分析表明,该算法与Core Searching算法相比,在计算量减少和循环次数减少的同时能得到更简约的结果,是一种快速、高效的属性约简算法.     

粗糙集用于舌色分析的研究

舌诊是中医四诊中望诊的重要内容,已有的舌色苔色分析方法在识别颜色特征空间互相重叠和不精确样本时效果欠佳。利用粗糙集在处理不完备信息方面的优势,首次将粗糙集理论用于舌色苔色分析中。采用量化的方法以减少颜色属性值;提出了一种按独立属性个数递增顺序进行约简的方法以及一种对待测样本在上、下近似集分别打分的综合分类识别算法,实验结果证明了该文方法的有效性。     

基于加权特性关系的扩展粗糙集模型

综合考虑不完备信息系统中信息缺失的不同情况及属性本身的重要性,提出了加权特性关系,给出了基于加权特性关系的扩展粗糙集模型及其近似集的定义和性质,并用实际例子解释了该扩展粗糙集模型的近似集计算方法。     

基于变精度粗糙集的不完备决策表属性约简

针对现有的在相容关系下基于变精度粗糙集约简算法的局限,给出了[β]上（下）分布约简的判定方法和改进的[β]上（下）分布可辨识矩阵定义,并给出求解基于变精度粗糙集的不完备决策表约简算法;最后通过实例验证了算法的有效性。     

不完备信息系统中一种拓展粗糙集模型*

以同时具有遗漏型和缺席型未知属性值的不完备信息系统为研究对象,提出了一种使用参数进行控制的二元关系以及相应的粗糙集模型,将这种拓展粗糙集模型与不完备信息系统中现有的几种拓展粗糙集模型进行了对比研究。对一不完备信息系统进行了实例分析,以说明新提出的二元关系的有效性。     

广义不完备信息系统中一种拓展粗糙集模型

以同时具有遗漏型和丢失型未知属性值的广义不完备信息系统为研究对象,定义一种用于分类的[α]程度限制优势关系,提出一种基于[α]程度限制优势关系的拓展粗糙集模型,并给出其上、下近似性质。通过一个教师教学质量评估实例,说明这种模型在广义不完备信息系统中处理模糊和不确定知识是有效和可行的。     

多半径邻域粗糙集改进约简算法

属性约简是粗糙集理论中的重要问题。许多学者针对邻域粗糙集提出多种属性约简方法,包括应用最为广泛的启发式算法。在多半径邻域粗糙集的基础上,针对当前启发式约简算法往往会包含一定冗余属性的缺陷,提出一种融合属性权重影响的改进约简运算方法,通过根据各属性权值大小设置阈值使得约简结果能够消除冗余属性。实验选取UCI的数据集与当前几种常用启发式约简算法进行比较分析。实验结果表明,所提出的属性约简方法能够得到更优的约简集合,同时更大程度地保留了决策表本身的知识信息,具有较高的分类能力。