基于相对知识粒度的决策表约简

知识粒度主要应用于信息系统的属性约简。为了把知识粒度拓展到决策表约简领域,在研究知识粒度的基础上,定义了相对知识粒度的概念,证明了对一致决策表约简而言,相对知识粒度表示与Pawlak代数表示的等价性。进一步定义了基于相对知识粒度的属性重要度,提出了两个基于相对知识粒度的启发式决策表约简算法。通过理论分析与实例表明约简算法是有效可行的。     

基于包含度的不完备序信息系统属性约简的一种算法

在不完备序信息系统中,通过引入包含度的概念,对属性重要度进行了定义;在此基础上,提出了一种基于包含度的属性约简算法;最后,通过实例分析表明,该算法能得到不完备序信息系统的一个约简.     

基于粗糙集对旋转机械故障诊断系统的研究

针对机电设备故障诊断中存在的知识冗余和不确定性,从原始数据出发,利用决策表约简算法进行属性和属性值的约简,建立了故障诊断的规则库.给出了基于粗糙集的故障诊断和知识获取模型的一般结构.通过对旋转机械典型故障的分析,建立了决策表,通过对决策表的约简,减少了数据库中数据的数量,解决了故障诊断中知识获取的瓶颈问题.提出了决策表的属性值约简的一种简化算法.实验证明该方法是可行的.     

基于相似联系度不完备区间值信息系统的属性约简

为了处理属性值之间大多数相交但不具备包含关系的不完备区间值信息系统,定义了一种相似联系度容差关系。基于此关系建立了拓展粗糙集模型,并引入极大相容类技术提高近似精度。通过定义新的同异反可辨识矩阵,给出了基于同异反可辨识矩阵的属性约简算法。所建模型可根据不同的用户需求和数据集的分布特点对参数进行动态调整,更符合实际。数值例子验证了模型和算法的有效性和可行性。     

一种改进的基于粗集理论的有导师学习方法

属性约简和属性值约简是基于粗集理论进行有导师学习的基础,在分析经典约简算法的基础上,根据粗集理论中属性的依赖度和重要度等性质,提出一种改进的约简方法,以获取简洁的决策规则,从而使有导师学习变得既快捷又准确.并通过实例验证了该算法的正确性和有效性.     

覆盖空间下粗糙集和Vague软集融合方法研究

针对覆盖近似空间下粗糙集、Vague集和软集3种不确定性理论方法融合扩展的问题,提出了一种新的基于近邻域的覆盖粗糙Vague软集模型,并讨论了相关性质。又针对该模型的不确定性度量问题,定义了一种新的覆盖粗糙Vague软集的不确定性度量方法。该方法通过引入覆盖粒度空间下知识熵的概念定义覆盖粒度空间的不确定程度,同时采用粗糙度定义覆盖粗糙Vague软集本身的粗糙性,最后将二者结合度量覆盖粗糙Vague软集的不确定性程度。算例分析表明,该度量方法是有效可行的,并且随着覆盖粒度的增大覆盖粗糙Vague软集的不确定性程度也随之增大。覆盖粗糙Vague软集模型在胃电信号(EGG)分析及胃疾病辅助诊断问题研究中有很好的应用前景。     

基于矩阵的决策表属性值分类方法

在粗糙集值约简算法中,需要对决策表的属性值进行分类.文中基于二进制可辨矩阵和为同一决策类的不同对象建立的二进制矩阵,提出一种简化的属性值分类方法,该方法能实现决策表属性值快速分类.最后通过实例分析验证了该方法的可行性和有效性.     

区间属性值决策系统属性的粗糙约简

基于粗糙集理论对区间属性值决策系统进行了探讨,提出了一种区间属性值决策系统属性的粗糙约简方法.首先利用分析技巧,将区间属性值决策表转化为三元决策表,其次利用粗糙集理论构建了属性的约简方法.通过算例说明了该方法的有效性.     

基于Vague熵权的模糊TOPSIS多属性决策方法

许多模糊多属性决策问题都是在权重已知的条件下,对各个方案进行排序,选出最优方案,很少在权重未知的情况下,考虑各方案的排序.笔者在权重未知的情况下,针对这种过于主观的情况对模糊条件下属性值为Vague值的多属性决策问题,根据Vague集熵的定义提出一种新的基于Vague集的熵函数,并给出了相应的证明,同时指出了现有Vague集熵存在的缺陷,这些缺陷通常是没有考虑模糊性或未知度对熵的贡献,然后根据这种新的熵函数确定公式得到各属性的熵权,从而给出了基于Vague集熵权的TOPSIS方法,避免了过于主观条件下对各方案的排序.最后,通过一个计算实例说明了该方法的有效性和实用性.     

度量信息系统的属性约简

为了发掘属性值之间的内部联系,结合度量空间,引入度量信息系统,并讨论其属性约简。基于属性值之间的距离不大于系统误差,得出一种二元关系,由此定义任意集合的上、下近似;采用辨识矩阵的方法给出属性约简判定定理;基于不同二元关系间的包含关系,等价地刻画核心属性、相对必要属性以及绝对不必要属性。度量信息系统是经典信息系统与连续值信息系统的推广。     

一种改进的属性值约简算法

通过信息系统的属性约简可以使信息系统得到简化,但经过属性约简的信息系统还不是一个最简的信息系统,它包含着大量的冗余信息。因此,需要进一步对信息系统进行属性值约简简称值约简。本文提出了一种改进的属性值约简算法。     

基于粗糙集理论的电网安全性分析

提出基于粗糙集的关联影响的基本概念及其属性约简算法,利用属性之间的相互影响,建立属性的关联影响度矩阵,以属性的关联影响度作为启发条件,有效地删除冗余属性,获得能反映出属性之间相互影响的约简集.在分析和研究电网故障诊断系统属性选择的基础上,通过电工理论计算电网连锁故障诊断预警系统的属性值,求出负荷转移情况下属性之间相互产生的关联影响,建立基于关联影响属性约简算法的电网故障诊断和预警模型.     

Rough集在企业数据挖掘中的应用

企业信息系统中收集到的大量数据往往是不完备的,引入相似关系定义不完备信息系统的分明矩阵,采用分明矩阵的简化方法计算约简,对每个约简中的不完备数据,按照对象条件属性值相对决策属性取值的先验概率进行完备化,完备化后的信息系统生成了一组决策规则,这些规则不但存在冗余而且规则解释能力低,按照特征描述逐步挖掘规则并给出了挖掘所有最简决策规则的算法.整个过程中,通过客户信息资料描述一系列过程,验证了新的信息系统完备化方案以及挖掘算法的合理性和有效性.     

基于区间值Vague集多属性决策的TOPSIS方法

为解决属性值为区间值Vague集的多属性决策问题,提出了一种新的基于TOPSIS的多属性决策方法.该方法利用记分函数确定了方案集的理想解和负理想解,定义了区间值Vague集的距离,并得到各方案到理想解和负理想解的距离,根据相对贴近度的大小对各方案进行优劣排序.实例分析验证了方法的可行性.     

存在型空值插补的特征约简方法研究

特征约简是多源信息融合中剔除冗余数据、提高融合精度的有效途径.在对多传感器数据构成的不完备信息系统进行分析的基础上,利用多种距离分析方法计算存在型空值分布区间;针对不完备信息系统同时含有的2种空值类型问题(存在型空值和不存在型空值),提出基于存在型空值插补的限制容差关系;引入知识粒度的概念,并结合特征所包含的知识依存关系,研究基于属性重要度的启发式约简算法;通过实验验证了算法的有效性,并对其性能进行了分析.该方法同时考虑了多种空值类型,更加符合多传感器数据的特征,避免了单纯考虑不存在空值或者遗失空值造成的约简不准确问题;与其他约简算法相比,所提出的算法不仅考虑了单个的填补数值,同时还将插补数值的可能离散集合也考虑进来,增加了约简算法的适应性.     

基于模糊相容关系的集值决策表的相对约简

从模糊粗糙集的角度讨论集值决策表的相对约简。首先,基于2个对象取相同值的可能性大小,在集值信息系统中定义了一个模糊相容关系,给出了模糊相容关系的上近似和下近似;其次,通过引入模糊近似质量,定义了集值决策表中条件属性的重要度与相对重要度,进而提出了一种计算相对约简的启发式算法;最后,通过实例说明该算法能够得到集值决策表的相对约简。     

模糊多粒度粗糙集约简方法研究

多粒度是近年来粗糙集领域研究的一个热点方向,而粒度约简是其中的一个核心问题。为了使得多粒度粗糙集能够用于处理连续型数据,引入模糊概念,构建了基于模糊等价关系的悲观多粒度模糊粗糙集模型,并进一步给出了粒度重要度的度量方法,设计一种基于启发式的粒度约简算法。以UCI(University of California Irvine)中3组数据集进行分析,实验结果表明所设计的算法能够在保持分类准确率不发生较大变化的情况下约去冗余的粒结构。     

序目标信息系统中分布约简的矩阵算法

在序信息系统中引入了优势矩阵和目标分布矩阵的概念,建立了此类信息系统中分布约简的矩阵算法,同时通过实例分析验证了该算法的有效性,其优点是对数据复杂的信息表可相对容易地给出所有的分配约简,为序信息系统分配约简提供了一种便捷操作的属性约简方法.     

关系积理论及属性约简算法

属性约简是粗糙集RS (rough set)理论的重要研究内容.决策表的最小属性约简是NP-hard问题.本文基于集合理论,提出了关系积概念,把决策表的属性约简过程转化为关系积的运算,充分利用关系积的相关性质,提高了关系积属性约简算法的效率.     

基于邻域关系的决策表约简

针对经典粗糙集理论难以处理连续型数据的特点,提出基于邻域关系的决策表约简方法。该方法在连续型数据的决策表中引入邻域关系,通过邻域关系进行信息粒化,避免离散化过程带来的信息损失。通过定义邻域正域和邻域约简概念,分析邻域正域的单调性原理,提出基于邻域关系的属性重要度概念,进一步设计了两种启发式约简算法。理论分析与实例表明该方法是有效可行的。