一种决策表属性值细化的正域约简算法

目前决策表的数据信息都是动态变化的,为了有效地对这些数据集进行处理,提出了信息系统属性值细化时粗糙集增量式约简的矩阵方法并构造相应的算法,最后,通过实例分析来说明属性约简的具体操作方法和算法的有效性与可行性.     

基于矩阵的模糊信息系统的属性约简算法

基于模糊粗糙集的知识获取方法在模糊粗糙集的研究中具有十分重要的作用,通过矩阵来刻画粗糙集理论,用模糊矩阵定义了模糊粗糙集和粗糙模糊集的上（下）近似、重要度等概念,给出模糊信息系统的属性约简算法,并用UCI数据集说明算法的可行性。     

基于对象增量的不完备混合信息系统动态属性约简算法

属性约简是粗糙集理论在信息处理和自动化控制领域中的重要应用,然而实际应用环境下,数据的采集是源源不断地并且采集到的数据包含了不同的数据类型,同时数据传输过程中也存在着数据丢失的情况,使得最终得到的信息系统是不完备混合类型的,并且时刻处于增加更新之中。针对这一情形,提出一种条件信息熵的不完备混合型信息系统动态属性约简算法。文中首先介绍了不完备混合型信息系统的条件熵模型以及条件熵的属性约简,然后提出了不完备混合型信息系统条件熵随论域增加时的增量式更新计算,该计算方法通过旧信息系统的条件熵进一步计算新信息系统的条件熵,理论证明了这种增量式计算具有很高的计算效率,最后基于这种增量式计算,设计出了条件熵的不完备混合型信息系统动态属性约简算法。实验分析表明,所提出的动态属性约简算法相比较于传统的静态属性约简算法具有很高的动态属性约简性能,同时与同类型的动态属性约简算法相比具有较好的优越性。     

粗糙集属性约简方法研究

属性约简是粗糙集理论研究的核心内容之一。传统的属性约简研究并未考虑决策信息系统的树形结构,为解决这一问题,本文基于粗糙集理论,首先给出了决策信息系统的树形表示结构,该树形结构以粗糙集理论中的不可分辨关系为基础。基于本文构建的树形表示结构,文中给出了一种判断属性是否可约简的树形结构求解方法。通过理论分析表明,本文提出的树形结构求解方法能够大大减少属性搜索的步骤,压缩属性约简所消耗的时间。因此本文提出的属性约简算法是行之有效的。     

信息系统属性约简的柔性差别矩阵

提出了一种柔性差别矩阵的概念与构造方法,利用柔性差别矩阵可直接对不完备信息系统、模糊属性信息系统以及Vague集属性信息系统进行属性约简,同时给出了相关的理论和应用举例.该研究结果也为实值属性信息系统利用差别矩阵进行属性约简提供了研究基础,对粗糙集的理论与应用研究具有新的意义.     

基于FCM的模糊粗糙属性约简

为解决粗糙集离散化过程中存在的信息损失问题,将粗糙集理论与模糊集理论相结合,提出基于FCM的模糊粗糙属性约简算法.该方法用模糊C均值聚类算法对连续属性进行模糊化,并通过有效性分析来确定最佳分类数目.该方法克服了目前属性模糊化方法需要人为规定划分类数.几乎不考虑信息系统的具体属性值等缺点.最后分别对天气信息系统和玻璃识别信息系统进行了属性约简计算,结果表明该方法是可行有效的.     

Jelonek属性约简算法的一个改进

受Jelonek粗糙集属性约简算法思想的启发,本文利用单属性的近似精度和Hu的差别矩阵方法,得到一个改进的属性约简算法.理论分析表明,该算法比Jelonek算法具有更低阶的计算复杂性.     

基于二元矩阵的启发式属性约简算法

本文将基于分辨矩阵的二元矩阵和基于属性重要度的启发式属性约简算法结合起来,提出了一种新颖的针对不完备信息系统的属性约简算法。该算法用条件属性和决策属性之间的依赖度来度量属性重要度,进行启发式约简。该算法将属性约简问题转化为寻找能够覆盖决策属性的二元矩阵的二元矩阵集合问题。通过实例检验,该算法是有效的。     

概念的属性约简及异构数据概念漂移探测

粗糙集是粒计算的一种重要方法,数据异构性是大数据的一种特征.针对异构数据问题,探索了粗糙集属性约简的本质,提出了概念属性约简的定义,它兼容值约简、Pawlak约简和并行约简.探究了概念属性约简的性质,提出了异构数据的属性约简方法和概念漂移探测方法.理论分析和示例表明了这些方法的有效性.为粗糙集、粒计算融入大数据的时代潮流提供了一种新方法.     

基于分明矩阵的序贯属性约简算法

根据决策表信息系统的分明矩阵及序贯思想,提出了序贯属性约简算法,该算法首先构造递增序列的分明函数,然后利用逐次增加的属性核对分明函数进行分支运算,并建立属性约简树,从而求出所有约简.该算法避免了大量的逻辑运算,实现了高维数据的高效属性约简.理论分析和实验结果表明该算法具有更高的运行效率.     

两种差别矩阵约简算法在故障诊断中应用分析

军用飞机故障诊断知识库的信息存在不完备和知识的不确定性,严重增加了实时诊断的难度.粗糙集针对不完整、不精确信息处理具有显著优势,首先介绍了粗糙集理论中的知识表达系统和差别矩阵,分析了基于差别矩阵的两种决策表属性约简算法,并应用于某型机载设备进行故障诊断,结论表明两种算法均能对数据进行必要约简,并准确地做出故障诊断.通过...     

基于粗集可辨识矩阵的属性频率约简算法

针对信息系统在属性约简过程中存在属性频率值相同的问题进行改进.改进后的算法在基于可辨识矩阵属性频率约简算法的基础上.引进强等价集概念,以属性在可辨识矩阵中出现的次数越多其重要性越大为启发式信息,利用强等价集中的属性是可以约简的特性,在属性频率约简过程中判断具有相同属性频率属性是否最终包含在核属性集里,提出改进的属性频率约简算法.通过理论和实例的分析证明,该算法在保持时间复杂度不变的情况下,处理具有相同属性频率信息系统的属性约简,使其准确性得到提高,与原算法相比,改进后的算法可以得到一个更为精准的约简结果.     

混合数据的邻域区分度增量式属性约简算法

增量式属性约简是一种针对动态环境下的数据挖掘方法.目前已经提出的增量式属性约简算法仅适用于符号型的信息系统,而很少有对混合信息系统进行相关的研究,这促使在混合信息系统下构建相关的增量式属性约简算法.区分度是用于设计属性约简的一种重要方法,本文将传统的区分度在混合信息系统下进行推广,提出邻域区分度的概念,然后分别研究了邻域区分度在混合信息系统下对象增加和对象减少时的增量式学习,最后根据这种增量式学习分别提出了对应的增量式属性约简算法.UCI数据集上的相关实验结果表明,所提出的增量式属性约简比非增量式属性约简能够更快速的更新约简结果.     

一种针对不完备信息系统的粗糙集约简算法

针对区分矩阵构造庞大,计算工作量大,基于区分矩阵的约简策略效率低的问题,提出一种新型的针对不完备信息系统的属性约简算法NARIIS。提出的约简算法把属性值的个数应用到属性约简上,使该约简算法的时间和空间复杂度都远小于基于区分矩阵的约简策略。     

一种基于粗糙集理论的双向选择属性约简算法

文章首先对粗糙集的基本理论进行了简要介绍,然后重点讨论粗糙集理论中的属性约简问题,在总结分析现有属性约简算法的基础上,提出了一种双向选择属性约简算法--BSARA,并用一个例子与其它算法进行了对比分析,结果表明该算法是可行和有效的.     

一种基于粗糙集的纳税人属性约简方法．

基于粗糙集理论,对基于属性重要度的启发式属性约简算法进行了改进,并将改进后算法运用于纳税人属性约简的实际工作中.该算法解决了原有基于属性重要度的启发式属性约简算法结果中存在冗余属性问题,实现了属性选择较小化,并保持原有数据分类能力不发生大的变化.通过属性约简实验结果和实际工作情况对比,证明该算法具有很好的性能.     

基于粗糙集的属性约简算法综述

属性约简是粗糙集中的一个重要研究方向.本文从8个方面对基于粗糙集的属性约简算法进行归纳,即:不完备决策信息表,不相容决策信息表,连续型属性决策信息表,动态决策信息表,有序型属性决策信息表,基于粗糙扩展模型的属性约简,基于属性重要度的属性约简,结合智能优化算法的属性约简,这对进一步深入研究粗糙集的属性约简算法具有积极意义.     

一种基于关系矩阵维度增量式约简算法

目前决策表的数据信息都是动态变化的,为了有效地对这些数据集进行属性约简处理,在改进的等价关系矩阵的基础上,提出一种增量式属性约简算法,决策表增加了一些属性,利用更新前决策表的等价关系矩阵和属性约简等信息,便能快速求解出更新后的决策表属性约简.实验结果进一步验证了该方法的有效性和正确性.     

二进制粒属性相关判定与应用

采用二进制粒表示信息系统中的离散化属性值,即对属性进行二进制粒化,定义了基于二进制信息粒的匹配、合取及析取算子,描述了二进制粒属性相关的定义,提出了基于二进制粒的属性相关性判定矩阵的算法,算法通过判定信息系统中属性的相关性,为属性约简及关联规则的求解提供一种新方法.如果相关属性同为条件属性,则可进行约简,选择其一;如果有决策属性,则可生成强关联规则;该算法在气象数据的仿真实验中验证了其实用性.     

贝叶斯网络在大规模医疗数据上的应用研究

针对医院信息系统中积累的大量数据,探讨了采用粗糙集、规则推理、贝叶斯网络相结合的方法基于这类数据进行学习建模.该方法在粗糙集属性约简的基础上,考虑了规则推理的影响,对信息表中的属性列进行压缩,获取最少属性列.基于最少属性的贝叶斯网络模型可以有效降低网络结构的复杂性;同时利用贝叶斯网络实现概率推理.最后进行了实验分析,结果证明该方法快速有效.