ROUGH集决策表约简二进制形式化方法

基于属性约简的分明矩阵方法的思想,本文提出Rough集不可分明关系和不可分明集概念,给出了基于二进制的条件属性约简和属性值约简方法,该方法在形式上更加简单,二进制参加运算,运算速度快,并通过示例说明了该方法比传统的Rough集理论中的方法更优越.     

一种Rough集相对约简的计算方法

本文引入邻域分明合取项集概念,讨论了邻域分明合取项集的计算方法。在此基础上,利用约简集 RED_Q(U—{x_o},P)计算约简集 RED_Q(U,P)的思想,给出了相对约简的判定定理,从而提出了一种相对约简的计算方法。由于该方法不用计算分明矩阵的中间环节,节省了空间和时间,提高了运行效率。实验结果表明,该约简算法在效率上较现有的约简算法有一定提高。     

基于Rough集方法的数据约简与机器学习

用一种新的增加属性值的方法进行数据约简，并把这种方法用于机器学习和机器研究，提出了完全分明，分明度等新概念，使数据约简和机器学习完全统一。     

基于布尔函数的Rough集差别矩阵属性约简方法

Rough集理论是对大型数据库进行知识发现的主要方法之一。根据属性集核和相对等价类的概念,对数据库属性集中的属性进行约简,提取相应的规则(知识),是用Rough集知识发现的精髓。该文基于Rough集差别矩阵,提出了属性集的布尔函数的构造方法,并应用吸收律、分配律和等幂律对属性集布尔函数化简。论文证明了属性集布尔函数的化简与属性集的差别矩阵约简等价,同时给出了求相对决策属性基本集的算法和IRIS提供的数据仿真实验结果。     

基于二进制可辨矩阵的肝功能检测数据约简方法

基于二进制可辨矩阵的数据约简方法具有直观性和可操作性的特点,因而在实际应用中受到开发人员的青睐。但已有的此类方法通常是在扫描数据集的过程中不加“削减”地直接产生大规模的二进制可辨矩阵,这导致较大的时间和空间开销。为此,利用对行的吸收律和逻辑和实现了对二进制可辨矩阵的规模进行有效缩减,构造一种新的基于二进制可辨矩阵的数据约简算法。它具有更好的可操作性,易于编程实现,其时间和空间复杂度都得到了较大的改善。在与某医院合作开发的项目中,该算法的应用已经进入测试阶段,可以较好完成了对肝功能检测数据（定性的数据）的约简,结果令人满意。     

车牌识别中基于Rough集理论的字符识别

用Rough集理论提取车牌中的文字、字母、数字、短横线的特征，再用这些特征进行模板匹配。该文中的基于Rough集可辨矩阵的特征选择算法，时间复杂度为O(mn2)，改变了过去人们认为基于可辨矩阵的特征选择算法的时间复杂度不低于O(m2n2)的观点（其中m为数据集中特征/属性的个数，n为数据集中样本的个数）。给出了在车牌识别中的实验结果。     

基于粒计算的Rough集模型

上近似、下近似是Rough集的基本定义,它使我们能够用精确的集合讨论不精确的概念,Rough集利用可计算的边界域实现了G.Frege的边界思想.然而,Rough集本身的代数定义和其他各种扩展模型并没有提供简单直观的计算边界元素数目的算法.在二进制粒计算的基础上,通过定义粒矩阵和粒矩阵运算,建立了基于粒计算的知识表示方法和基于粒计算的Rough集模型,据此可以获得Rough集基本概念的粒矩阵表示和粒矩阵快速计算方法,为建立基于粒计算的知识发现算法提供了理论基础.举例证明了Rough包含与Rough相等的隶属度函数定义并非充要条件.同时给出了基于粒计算的Rough包含与Rough相等的充要条件.     

基于Rough集的信息约简方法

本文主要针对Rough集理论本身以及基于Rough集理论的信息表的约简方法进行研究。并在原有的Rough集理论关于信息表约简方法的基础上提出了一种新的信息表约简的方法-简单相异矩阵法。     

基于不分明与相似关系的Rough集的超图描述

近些年来,尤其是进入九十年代,国内外众多学者对Rough集理论及其应用进行了深入而广泛的研究,并取得了许多重大进展。在波兰,作为Rough集理论的发源地,在Z.Pawlak教授的带领下,许多计算机和其他领域的专家、学者们先后开发出了Rough集函数库、RoughDas/RoughClass、RSES等软件支撑系统,并在医学数据分析和工业控制     

一种基于布尔矩阵的属性约简方法

简单介绍了Rough理论及相关概念,分析了A.Skowrond的分明矩阵法以及改进方法。提出了一种基于布尔矩阵的属性约简方法,本方法用布尔矩阵来保存由信息系统直接生成的邻域分明全合取范式,减少了存储空间,提高了计算效率。     

基于粗糙集理论的故障诊断规则获取方法研究

提出了基于粗糙集理论的故障诊断规则获取方法,该方法通过决策系统的可辩识矩阵和分辨函数计算核和所有的约简集,以约简集为初始节点,建立层状节点网络模型,对于各节点,提取符合可信度要求的诊断规则写入规则集中。通过应用表明,方法是确实可行的。     

一种粗糙集属性约简算法

该文针对RoughSet理论的属性约简进行了研究。利用RoughSet和信息论的相关知识,研究了通过可辨识矩阵求得属性约简集,并利用条件熵来计算属性约简集中属性间的相关性,其平均值最小的属性集即为求得的最佳属性约简的结果。实验证明,它可以取得比较理想的效果。最后利用该文的方法给出了对UCI机器学习数据库的例子的约简结果。     

基于简化的二进制差别矩阵的快速属性约简算法

目前,基于二进制差别矩阵的属性约简算法有如下不足：算法的时间和空间复杂度不理想;所得到的属性约简与由基于正区域的属性约简的定义得到的属性约简不一致。本文给出一个简化的二进制差别矩阵和相应的属性约简的定义,证明了该定义与基于正区域的属性约简的定义是一致的。由于在简化的二进制的差别矩阵中,要先求出IND（C）,故设计了一个较好的求IND（C）的算法,其复杂度被降低为O（｜U‖U｜）。在此基础上设计了一个快速属性约简算法,其时间复杂度和空间复杂度分别被降为max{O（｜C｜^2（｜U＇pos‖U/C｜））,O（｜C‖U｜）}和max{O｜U｜},O（｜C｜（｜U＇pos‖U/C｜））}。     

基于二进制区分矩阵的约简算法研究

给出了一种基于二进制区分矩阵的约简方法.首先基于粗糙集理论定义了二进制区分矩阵及运算规则、基于二进制区分矩阵的最小约简的判别及属性重要性的计算方法.在定义的基础上,给出了基于二进制区分矩阵的求核算法、相对属性约简算法及值约简算法.该约简方法以位操作为主与传统的约简方法比较不包括复杂的逻辑化简和集合运算,在一定程度上简化了计算,提高了约简效率.将该算法应用于数字电路设计的开关电路综合中,得到最简数字电路的逻辑表达,从而说明了算法的有效性.     

连续值属性决策表中的可变精度粗糙集模型及属性约简

属性约简是粗糙集理论研究的一个核心问题.为了有效地处理决策表中连续值属性约简,提出了连续值属性决策表中的可变精度粗糙集模型以及基于此模型的连续值属性约简算法.仿真实验结果表明,该算法可以对连续值属性进行约简,而且比经典粗糙集相关方法在处理连续值属性约简方面更有效.     

基于Rough集的决策规则提取

通过分析分明矩阵方法进行属性约简时存在的一些弱点，本文提出了分明矩阵方法的简化，并将其应用于数据库中决策规则的提取。在求核集时，该方法不必生成分明矩阵这一环节，从而减少了时空上的不必要开销，提高了属性约简的效率，并通过一个实例详细地说明了具体提取过程，该实例说明了基于Rough集提取决策规则的方法简单易行。     

基于粗糙集与贝叶斯决策的不良网页过滤研究

不良网页过滤是一种两类网页分类问题。提出了一种基于粗糙集与贝叶斯决策相结合的不良网页分类过滤方法,首先利用粗糙集理论的区分矩阵和区分函数得到网页分类决策的属性约简;然后通过贝叶斯决策理论对网页进行分类与过滤决策。仿真实验表明,该方法在不良网页分类过滤系统中开销小,过滤准确度高,因而在快速过滤不良网页的应用中具有工程应用价值。     

决策表属性约简集的增量式更新算法

针对动态变化的决策表,研究了属性约简集的动态更新问题。在详细分析新增对象的所有可能情况的基础上,提出一种基于分辨矩阵元素集的属性约简集增量式更新算法。该算法根据新增对象的不同情况快速更新分辨矩阵元素集,依据分辨矩阵元素集中增加和减少的元素有效地更新原属性约简集,快速得到新的最小属性约简。最后,通过5个UCI的数据集验证了算法的有效性。