基于优势关系下模糊目标信息系统的属性约简

在现实生活中,许多信息系统不仅是模糊的还是基于优势关系的。在基于优势关系下模糊目标信息系统中引入了广义决策的概念,提出了分别保持下广义决策、上广义决策、广义决策不变的三种不同约简,进一步给出了各属性约简的判定定理和辨识矩阵,提供了在优势关系下模糊目标信息系统属性约简的具体方法。通过实例验证了该方法的有效性,进一步丰富了粗糙集理论。     

集值决策信息系统的知识约简与规则提取

本文用集值信息系统描述不完备信息系统。在集值信息系统中定义了两种不同的关系：相容关系和优势关系,给出了两种不同关系下集合的上下近似概念及其性质。研究了集值决策信息系统在两种不同关系下的广义决策约简,得到了广义决策约简的判定定理和辨识矩阵,从而得到了约简的具体操作方法。最后,基于两种关系从集值决策信息系统提取了最优广义决策规则,并进行了讨论。     

集值决策信息系统的知识约简与属性特征

本文定义了集值决策信息系统中的一种新的关系,给出了在这种关系下协调集值决策信息系统属性约简的判定定理和辨识矩阵,从而得到了知识约简的具体操作方法,并讨论了在属性约简中起不同作用的属性分类及其特征。定义了不协调集值决策信息系统的分配协调集,给出了一种将不协调集值决策信息系统转化为广义协调近似空间的方法,并证明了不协调集值决策信息系统的分配协调集就是广义协调近似表示空间的协调集。     

不完备信息系统中基于相似关系的知识约简

以具有丢失型未知属性值的不完备信息系统为研究对象,根据非对称相似关系,讨论了知识约简问题.在不完备决策系统中,引入了近似、粗糙分布约简以及广义决策约简,讨论了它们之间的相互关系,给出了近似分布约简的判定定理、可辨识矩阵以及约简公式,并进行了实例分析,为从不完备信息系统中获取知识提供了新的理论基础与操作手段.     

优势关系下不协调目标信息系统的上近似约简

针对基于优势关系下不协调目标信息系统中属性约简的复杂问题,提出基于优势关系下不协调目标信息系统上近似约简的概念,得到上近似约简的判定定理以及辨识矩阵,建立不协调目标信息系统的上近似约简的具体方法,同时通过实例验证该方法的有效性,从而为优势关系下信息系统的知识发现提供理论基础。     

基于优势关系下不协调目标信息系统的知识约简

在基于优势关系下不协调目标信息系统中引入了分配约简和近似约简的概念,并讨论了它们二者之间的关系,进一步给出了知识约简的判定定理和辨识矩阵,从而提供了在优势关系下不协调目标信息系统知识约简的具体操作方法。     

优势关系下分布约简和最大分布约简问题研究

研究了优势关系下不协调决策表的分布约简和最大分布约简问题,指出文献[9]关于分布约简和最大分布约简的几个结论是错误的。首先用反例指出文献[9]给出的分布约简和最大分布约简的判定定理是错误的,分析了错误的原因。其次,利用这些定理所得到的辨识矩阵,用来求分布约简和最大分布约简也是错误的。为此,引入了优势关系下不协调决策表的绝对约简的概念,证明了绝对约简与分布约简和最大分布约简是等价的。另外,讨论了另一种新的最大分布约简,并证明新的最大分布约简与下近似约简是等价的。     

优势关系下不协调目标信息系统的下近似约简

在基于优势关系下的不协调目标信息系统中引入了下近似约简的概念,并得到了下近似约简的判定定理以及辨识矩阵,建立了不协调目标信息系统的下近似约简的具体方法,同时通过实例验证了该方法的有效性,从而为优势关系下信息系统的知识发现提供了理论基础。     

直觉模糊序决策系统的部分一致约简

直觉模糊决策系统是模糊决策系统的扩展,其中条件属性值均为直觉模糊元。讨论属性值之间带有序关系的直觉模糊决策系统,即直觉模糊序决策系统。首先,引入直觉模糊序决策系统的部分一致约简,并证明了在一致直觉模糊序决策系统中,部分一致约简恰为相对约简,因此部分一致约简是相对约简在不一致直觉模糊序决策系统中的扩展。其次,给出求解直觉模糊序决策系统全部部分一致约简的部分一致辨识矩阵和辨识函数。然后,介绍了部分一致约简的两种等价形式:下约简和下近似约简。最后,用实例验证了约简计算方法的可行性。     

变精度极大相容块粗糙集模型及其属性约简

主要研究不完备信息系统的属性约简问题。首先基于极大相容块构造乐观和悲观两种广义变精度粗糙集模型,分析两种模型之间的关系并研究其主要性质。在此基础上,定义乐观(悲观)β-下分布约简和β-上分布约简并且给出相应的判定定理,进而得到一种保持决策类上(下)近似分布不变的属性约简方法--布尔计算方法。这种构造极大相容块间的辨识矩阵的方法缩小了矩阵的规模,进而简化了计算属性约简的过程,从而能够有效地节省计算时间和存储空间。然后对含有"丢失""不关心"值和只有"不关心"值的两种不完备信息系统进行实例分析,最后从UCI数据集中选取5组不完备信息数据集来验证方法的有效性。     

基于特定类的区间值决策系统的分布约简

在粗糙集理论中,属性约简是重要的研究内容之一。通过属性约简可以去除冗余属性,求得保持决策系统某种分类能力不变的最小属性子集。分布约简保持决策系统中所有决策类的分布不变,但针对所有决策类的分布约简在实际问题中可能是不必要的。针对以上问题,文中给出了区间值决策系统中基于α-相容关系的特定类分布约简的概念,证明了特定类分布约简的相关定理,构造了特定类分布约简对应的差别矩阵,提出了基于差别矩阵的特定类的分布约简算法(CDRDM),并分析了特定类的分布约简算法和全局分布约简算法(DRDM)构造的差别矩阵中非空元素的集合之间的关系。实验中选取了6组UCI数据集,引入了区间参数,当区间参数为1.2、阈值为0.5时,比较了DRDM算法和3种不同决策类下的CDRDM算法的约简结果和平均约简长度,并且当区间参数分别为1.2和1.6、阈值分别为0.4和0.5时,给出了DRDM算法和两种不同决策类下的CDRDM算法的约简时间随着对象数目和属性数目的变化情况。实验结果表明,特定类分布约简算法针对不同决策类的约简结果可能不同,并且当决策系统中的决策类数量大于1时,特定类分布约简算法的平均约简长度小于或等于全局分布约简算法的平均约简长度,特定类分布约简算法针对不同的决策类在约简效率上有不同程度的改进。     

基于信息观差别矩阵的属性约简算法

提出一种信息观下的差别矩阵,并基于该矩阵设计了一种信息观下决策表的属性约简算法,该算法以信息观下属性核为起点,通过计算信息观下差别矩阵中各属性出现的频率确定属性的重要度,进而根据各个属性的重要度来计算属性约简。实验结果表明,该算法可以求出更有效的信息观下属性约简,且计算约简耗时更少。     

基于标记可辨识矩阵的增量式属性约简算法

针对现有增量式属性约简算法中存在的约简传承性差以及不完备现象,提出基于标记可辨识矩阵的增量式属性约简算法.本文首先定义了标记函数,对样本之间的可辨识性进行分类,并将之引入一个新的可辨识矩阵,在新增样本时,结合标记信息可以快速识别可辨识矩阵元素集的异动,获得强传承性的约简超集,在此基础上,设计与标记可辨识矩阵匹配的必要矩阵,用以快速判断并删除冗余属性,确保约简的完备性. 理论分析以及实验测试表明,本算法具有约简传承性强,约简集完备等特点,具有较强的实用性.     

不完备决策系统下的多特定类广义决策约简

属性约简是粗糙集理论研究中最重要的领域之一。经典的不完备决策系统广义决策约简关注决策系统中的所有决策类,而在实际应用中,决策者往往只关注一个或者几个特定决策类。针对以上问题,提出基于多特定类的不完备决策系统广义决策约简理论框架。首先,定义了单特定类的不完备决策系统广义决策约简的相关概念,提出并证明相关定理,构造相应差别矩阵和区分函数。其次,将单特定类的广义决策约简推广到多特定类,提出基于差别矩阵的多特定类的不完备决策系统广义决策约简算法。最后,采用6组UCI数据集进行实验。实验结果表明,相对全部决策类数量,当选定特定类数量较少时,平均约简长度有不同程度的缩短,占用空间有所减小,约简效率有不同程度的提升。     

A systematic study on attribute reduction with rough sets based on general binary relations

Attribute reduction is considered as an important preprocessing step for pattern recognition, machine learning, and data mining. This paper provides a systematic study on attribute reduction with rough sets based on general binary relations. We define a relation information system, a consistent relation decision system, and a relation decision system and their attribute reductions. Furthermore, we present a judgment theorem and a discernibility matrix associated with attribute reduction in each type of system; based on the discernibility matrix, we can compute all the reducts. Finally, the experimental results with UCI data sets show that the proposed reduction methods are an effective technique to deal with complex data sets.     

基于特定类的不完备决策系统的分布约简

现有的不完备决策系统的分布约简研究主要针对决策系统中的所有决策类,而某些实际应用中,人们往往仅关注于某个特定类的属性约简问题。基于这种考虑,首先提出了基于特定类的不完备决策系统的分布约简的理论框架,给出了在相容关系下的基于差别矩阵的约简算法,最后将该算法与基于所有决策类的不完备决策系统分布约简算法进行对比。实验结果表明,当决策类为特定类时,约简结果的平均长度相对较短,约简效率也有显著的提高。     

一种基于概念可辨识矩阵的概念约简方法

基于布尔因子分析的概念约简能够保持形式背景的二元关系不变。借鉴概念格中基于可辨识矩阵求解属性约简的思想,在形式背景上定义概念可辨识矩阵,基于此给出保持二元关系不变的概念约简方法。首先,在形式背景上定义一种新的可辨识矩阵,称之为概念可辨识矩阵。该矩阵的行和列都是形式概念,矩阵的每个元素是由属于所在行的形式概念的所有对象和属性对,但不属于所在列的形式概念的对象和属性对构成的集合。其次,研究概念可辨识矩阵与概念协调集之间的关系,利用概念可辨识矩阵给出概念协调集的判定方法。然后,利用概念可辨识矩阵详细讨论核心概念、相对必要概念和不必要概念的特征,进而分别给出判断这3类形式概念的方法。最后,给出基于概念可辨识矩阵寻找概念约简的步骤。