粗糙集分层递阶约简算法在医学诊断中的应用

粗糙集理论的分层递阶约简算法是根据属性的获取方式、采集成本和实时性要求等对属性进行分类,使信息系统或者决策系统中的所有属性在单层次和单粒度上的知识表示变为部分属性所构成的知识在多种层次和多种粒度上的表示,从而可以逐层对决策系统进行约简。分层递阶约简算法在某医学诊断中的应用证实其有效性。     

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。     

随机多粒度标记序决策系统的最优粒度选择

传统随机信息系统的属性一般只有一个粒度层面，即系统中的每一个对象在每一个属性上取唯一的值，而在实际应用中，人们往往需要从不同的粒度层面去获取知识.实际生活中数据集的一个对象在同一个属性上根据不同的粒度可以取不同值.针对多粒度数据集的知识获取问题，本文讨论随机多粒度标记序信息(决策)系统的最优粒度选择问题.首先，通过优势关系给出随机多粒度标记序信息系统的信息粒表示，进一步定义由条件属性集导出集合的下近似与上近似，描述在不同标记下的信息粒的结构以及上、下近似的变化关系；其次，用证据理论的信任函数与似然函数来刻画随机多粒度标记序决策系统的两种最优粒度；最后，给出协调和不协调随机多粒度标记序决策系统的最优粒度选择算法.     

知识的表示及应用

对知识的代数表示和粒度表示及其性质进行了探讨,围绕知识约简证明了两种不同表示方法的等价性,提出了基于熵与粒度计算相融合的知识约简方法,并将该方法用于KDD Cup'99数据集的属性约简.     

模糊信息表决策规则获取与属性约简方法

将粗糙集方法用于模糊信息表上的规则获取和属性约简, 在包含度概念的基础上, 定义了齐次包含度.对两类模糊信息值的信息表, 条件属性是离散值，而决策属性是模糊的模糊决策信息表和条件属性与决策属性均为模糊的模糊信息表, 采用齐次包含度研究了条件属性在决策属性中的包含关系, 得到了包含度意义下模糊决策信息表的属性约简判定定理和决策规则获取方法. 给出了模糊条件属性的所有可能组合, 研究了模糊组合属性在模糊决策属性中的包含关系, 提出了最大属性协调集的概念，建立了在最大协调属性集下的模糊信息表属性约简和决策规则获取的算法步骤, 并通过算例演示了模糊决策规则获取和属性约简的过程, 从而为模糊信息表决策规则获取与属性约简提供了一类算法.     

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.     

基于信息熵的属性约简算法的研究与实现

属性约简是粗糙集理论研究的重要内容之一,是在保持信息系统分类能力不变的基础上,删除冗余属性.为了获得决策系统中属性最小相对约简,本文将信息论应用于决策信息系统属性约简中,与遗传算法相结合,并采用加权平均的属性重要度和知识量作为启发式信息指导约简,提出了一种改进的基于核子集的属性约简算法.     

基于粗糙逻辑的决策算法之应用

针对条件属性中总是存在若干冗余的属性,粗糙逻辑采用了决策算法进行推理。它通过约简冗余属性及属性值,最终得出极小化决策算法。本文应用粗糙逻辑的知识对决策规则的约简进行了详细的分析,并成功的将之用于了医疗决策系统。     

基于有序二叉决策图的粗糙集属性约简的符号方法

针对现有属性约简算法主要基于代数表示和信息表示的方法,基于改变属性约简问题的知识表示方法,提出区分矩阵的有序二叉决策图(OBDD)的表示方法。给出了属性约简的区分矩阵模型到OBDD模型的转换方法,得到了信息系统的区分矩阵的OBDD模型,并对区分矩阵表示和OBDD模型的存储空间进行了实验对比。结果表明,OBDD模型具有较好的存储性能,可降低对象数量和属性个数较多的信息系统的属性约简问题的空间复杂度。     

结合分辨矩阵改进的邻域粗糙集属性约简算法

针对基于邻域粗糙集属性重要度约简算法在某些决策表中约简正确率下降等问题,结合基于等价关系下的分辨矩阵知识,定义一种邻域决策系统下的分辨矩阵,邻域分辨矩阵由能够分辨不同邻域对象的条件属性子集组成。根据条件属性在邻域分辨矩阵中的占比提出一种属性重要度的度量方法,以新的重要度作为启发性因子,设计一种邻域决策系统下属性重要度启发性约简算法。该算法以核属性集作为初始集合,依次选择重要度大的属性加入到核集,直至找到最小属性约简时,算法终止。实例分析和UCI数据集试验结果表明,与基于属性依赖度的约简算法相比,该算法能够更有效地找到最小属性约简集,并且可以有效减少计算工作量,证明了算法的有效性和可实用性。     

一种基于互信息增益率的新属性约简算法

为了获得决策系统中更好的相对属性约简，提出了一种基于互信息增益率的属性约简算法.该算法考虑了所选择条件属性与决策属性的互信息，还考虑了所选择属性的值的分布情况，从信息论角度定义了基于互信息增益率的属性重要性度量方法，并以此度量为启发式信息，算法从空集开始逐步将最重要的条件属性加入到选择属性集，直到所选择的条件属性集与决策属性集的互信息等于整个条件属性集与决策属性集的互信息时，算法停止.结果表明，算法能更有效地对决策系统进行约简，同时约简后的对象数目较少.     

粗糙集理论在关键功能零件识别中的应用

关键功能零件的识别可以提高装配体模型检索的效率并提高重用水平,同时为自主设计提供关键参考信息.为降低人为因素的影响和评价的主观性,本文提出了一种基于粗糙集理论的关键子装配功能零件的自动识别方法,利用装配体模型自身数据对功能零件的排序过程进行驱动.分析、讨论复杂装配体中零件类型与零件之间的装配连接关系,构建了基于复杂网络...     

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.     

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。     

决策系统的快速属性约简算法

针对决策系统提出了一种高效的属性约简算法;讨论了合理刻画属性重要性的新指标,并设计了一种快速计算划分的方法;在此基础上,得到了一种快速计算属性约简的算法。与现有算法相比,该算法具有较大的灵活性,能从搜索空间中逐次删除不重要属性,避免了对其重要性的重复计算;并且时间复杂度低。通过实例和实验表明了该算法的可行性与有效性。     

一种改进的基于代价函数的垂直切换算法

针对目前有一些切换算法没有综合考虑多种属性以及多种属性的权重对代价函数产生的影响,导致切换性能不理想的问题,提出一种改进的基于代价函数的垂直切换算法。该算法采用层次分析法来确定多种属性之间的权重关系,构造比较判决矩阵并检验其一致性切换判决,然后利用切换判决代价函数进行垂直切换的判决。实验结果表明提出的算法能够综合考虑各属性间关系,从而获得良好的切换性能。     

基于信息增益的属性约简算法

以信息增益作为属性重要性的度量方法，提出了一种基于信息增益的属性约简算法．该算法总是优先考虑对于决策更为重要的属性，用条件属性对决策属性的信息增益作为条件属性的属性重要性度量，并以此度量作为启发式信息，算法从空集开始逐步将重要的属性加入到选择属性集，直到决策表达到一致分类时结束．并通过实例分析验证了该算法能有效地对属性进行约简，同时可以得到简单规则集．     

基于信息增益的属性约简算法

以信息增益作为属性重要性的度量方法,提出了一种基于信息增益的属性约简算法.该算法总是优先考虑对于决策更为重要的属性,用条件属性对决策属性的信息增益作为条件属性的属性重要性度量,并以此度量作为启发式信息,算法从空集开始逐步将重要的属性加入到选择属性集,直到决策表达到一致分类时结束.并通过实例分析验证了该算法能有效地对属性进行约简,同时可以得到简单规则集.     

一种基于粗糙集的K-means聚类算法

对粗糙集进行了相关研究,并提出了一种以粗糙集理论为基础的K-平均聚类算法,该算法以信息表中条件属性和决策属性的一致性原理为基础,应用粗糙集的属性约简算法消除冗余属性,利用各属性重要度确定其权值,在此基础上应用改进的K-平均算法进行聚类分析.该方法的优势在于消除了不重要的属性,赋予了各属性权值,使聚类更有效,更客观.实验结果表明,该方法是有效的.