优势关系下分配约简矩阵算法的程序实现

依据计算不协调优势关系信息系统分配约简的矩阵算法,使用C++语言编程实现在优势关系信息系统中计算分配约简的快速计算,并将程序开发成软件。作为简便的计算工具,软件功能上实现了优势类、分配矩阵、优势矩阵、分配约简、核的计算和输出,为优势关系下计算分配约简提供了便利工具。     

随机信息系统的约简

利用不协调信息系统的分布约简方法讨论了不协调的随机目标信息系统的约简方法，说明了通过恰当地构造信任测度与似然测度，随机目标信息系统的约简可以通过计算信任测度或者似然测度得到。     

不完备信息系统的下近似分布约简与规则

研究了不完备信息系统的知识发现问题．将带有未知数据的不完备信息系统看作集值信息系统，提出了一种新的约简方法一下近似分布约简，给出了判定定理，并根据约简方法给出了下近似分布规则的定义、辩识函数以及对象x所支持的所有下近似分布规则的方法．证明了完备信息系统协调时，x-下近似分布规则是x-确定规则，说明了下近似分布规则是确定规则的推广。     

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.     

优势关系下的相容约简和下近似约简

定义了决策表在优势关系下的相容约简和下近似约简,优势关系下的相容约简是优势关系下一致决策表约简的推广。证明了优势关系下的下近似协调集是优势关系下的相容协调集。举例说明了优势关系下的相容协调集不是优势关系下的下近似协调集,给出了优势关系下的相容约简和下近似约简的判定定理和可辨识矩阵,由此可以给出它们的约简算法。     

基于程度粗糙集的知识约简方法

给出了基于程度粗糙集模型上知识的近似约简及近似相对约简,引入了目标信息系统上的k上(下)近似约简及k上(下)分布约简的概念,并讨论了它们之间的关系,得到了几个重要结论,可为知识发现或数据挖掘技术奠定一些基础.     

基于不完备混合序信息系统的增量式属性约简

由于大数据环境下数据呈现出动态更新的特征,因此增量式属性约简已成为粗糙集理论的重点研究方向。本文针对不完备混合型有序信息系统,利用邻域优势条件熵提出一种对象更新情形下的增量式属性约简算法。首先,针对不完备混合型有序信息系统提出一种新的邻域优势粗糙集模型,同时在其基础上定义了邻域优势条件熵,并设计出一种不完备混合型有序信息系统的非增量式属性约简算法;然后,针对不完备混合型有序信息系统对象的动态性,分别研究了邻域优势条件熵随信息系统对象增加和对象减少时的增量式更新;最后,利用邻域优势条件熵作为启发式函数提出了不完备混合型有序信息系统对象增加和对象减少时属性约简的增量式更新算法。实验结果表明,所提出的增量式算法无论在属性约简结果和属性约简效率上均比非增量式算法具有更高的性能。     

一种模糊决策信息系统的属性约简方法

基于邻域粒化思想提出了邻域关系下模糊决策信息系统的粗糙集模型.定义了上、下近似算子,并讨论了它们的性质.通过构造辨识矩阵和辨识函数,给出了一种连续值域模糊决策信息系统上、下协调属性约简的方法,并用实例对该方法进行了说明.该方法为条件属性连续取值的模糊决策信息系统的属性约简、特征选择等提供了一种新途径.     

序信息系统中变精度粗糙集属性约简的Matlab实现

根据序信息系统中变精度粗糙集的理论知识,应用Matlab程序实现序信息系统中变精度粗糙集属性约简的计算。当序信息系统变精度粗糙集考虑单个优势决策时,约简类型不受系统协调性的影响,因此进行了考虑单个优势决策的约简计算研究,并通过算例验证了程序的正确性和可行性。     

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.