基于差别函数的决策表属性约简算法研究

属性约简是粗糙集的核心内容,该文分析了基于差别函数的决策表属性约简存在的优缺点,在他人提出的改进的基于差别函数的决策表属性约简算法的基础上,进一步对约简结果处理,通过对其平均信息熵的大小衡量,选择具有巨大信息量的约简作为最后的单一约简。     

基于差别函数的决策表属性约简算法研究

属性约简是粗糙集的核心内容,该文分析了基于差别函数的决策表属性约简存在的优缺点,在他人提出的改进的基于差别函数的决策表属性约简算法的基础上,进一步对约简结果处理,通过对其平均信息熵的大小衡量,选择具有巨大信息量的约简作为最后的单一约简。     

基于模糊聚类方法的决策表约简算法

根据决策规则在实际应用中的匹配思想,对数值型一致决策表提出了一种基于模糊聚类方法的决策表约简方法.该方法在保持决策表一致性的前提下,通过冗余度大小的调整,对具有相同决策的对象进行压缩,从而达到对决策表约简的目的.基于计算相关规则的直接分类法验证结果显示,它是有效和可行的.     

关于简化的决策表及属性约简的注记

对简化的决策表进行转换,得到改进的简化决策表.基于正区域的属性约简,证明了在原决策表上约简与在改进的简化决策表上约简,结果相同.由于改进的简化决策表是一致的,从而保证在实际应用中,对改进的简化决策表可以用现有的任意一种完备的属性约简算法.     

决策表的论域约简及其粒度原理

属性约简和属性值约简是决策表的两种简化方法，本文研究决策表的论域约简．提出了决策表论域约简的总体框架及一致决策表的连续性假设，给出了纯信息粒的概念及三种表示方法，通过实例说明了可以在不影响决策能力的情况下对决策表的论域进行约简．     

基于树型结构的属性约简算法

该文对粗糙集理论进行了研究,提出一种基于树的约简算法。该算法的特点是能够得到决策表的所有约简,并且适合相容决策表和不相容决策表。通过构造约简树,得到基于约简树的决策表的极小属性集,最后通过实例来验证该算法。     

基于树型结构的属性约简算法

该文对粗糙集理论进行了研究,提出一种基于树的约简算法。该算法的特点是能够得到决策表的所有约简,并且适合相容决策表和不相容决策表。通过构造约简树,得到基于约简树的决策表的极小属性集,最后通过实例来验证该算法。     

一种改进的基于差别矩阵属性约简算法及其应用

为得到决策表的一个最优约简或相对最优约简,提出了一种改进的约简算法,先利用差别矩阵约简算法得出约简全集,然后通过定义约简的可信度、相对于核的属性重要度,计算出决策表的约简,并在中央空调系统节能决策表中应用,结果表明了该算法的有效性。     

基于粗糙集的快速车牌字符识别技术

为了解决传统识别技术在车牌字符识别时效率低的问题,本文提出了一种基于粗糙集高效属性约简算法的快速车牌识别技术,该方法首先根据训练样本集的特征向量建立决策表并对决策表进行二次离散化处理,然后应用粗糙集理论对决策表进行高效属性约简,最后从约简后的决策表中获取决策规则,按照规则可信度的大小进行规则的匹配。实验表明该方法有效地压缩了图像的特征数,并简化了规则匹配算法,提高了字符识别率及识别速度,在车牌字符识别中取得了较好的识别效果。     

基于分形维数的非常规决策表的属性约简

属性约简是粗糙集的一个核心研究课题,但经典属性约简及其延伸算法是基于有决策属性的决策表的属性约简算法,它们对无决策属性的非常规决策表的属性约简无能为力。以粗糙集理论为基础,对无决策属性的非常规决策表从分形维数方面进行研究,提出了一种适用于无决策属性的决策表的启发式属性约简算法。该算法在一定程度上能够解决非常规决策表的属性约简问题,进一步扩展了粗糙集理论的应用范围。实例表明该算法是有效可行的。     

序信息系统中属性约简的启发式算法

基于序信息系统的知识粗糙熵,在系统中引入属性重要性的概念,利用该测度能度量序信息系统中属性集的不确定性,基于此,提出序信息系统中基于知识粗糙熵的启发式约简算法。通过实例对该方法的有效性进行检验,结果显示该算法可以作为一种有效的数据挖掘工具,为序信息系统的知识发现提供理论基础。     

基于邻域粗糙集下知识划分的信息表降维

Pawlak粗糙集的知识约简包括对决策表的知识约简和对信息表的知识约简。作为Pawlak粗糙集的扩展,邻域粗糙集在针对决策表的属性约简方面应用广泛,而针对信息表的属性约简方面应用鲜少。为了设计一种适用于信息表的属性约简算法,根据Pawlak粗糙集的信息表知识约简标准,首先提出一种邻域粗糙集的信息表知识约简标准,然后根据这种标准,结合贪心思想,进一步提出了一种适用于聚类任务的信息表属性约简算法。与主成分分析(principal component analysis,PCA)算法相比,实验结果表明用该算法对数据集降维后,得到的属性约简集合的属性个数较多,K-means算法根据属性集合进行聚类的精度较高。实验结果证明该算法能有效地应用于信息表的属性约简方面。     

基于邻域粗糙集组合度量的混合数据属性约简算法

属性约简是一种重要的数据挖掘方法。为了对混合型信息系统达到更好的属性约简性能,提出一种邻域组合度量的启发式属性约简算法。邻域依赖度是构造混合信息系统属性约简的常用方法,根据粒计算的视角,在混合信息系统中提出邻域知识粒度用于评估属性的粒化能力。将邻域依赖度与邻域知识粒度进行结合,提出混合信息系统下的邻域组合度量,并将该度量方法作为启发式函数,提出一种属性约简算法。实验分析表明,该算法比混合信息系统的其他相关属性约简算法具有更高的约简性能。     

改进的相容矩阵的属性约简算法

在粗糙集理论中,知识约简已经成为其核心内容之一。针对相关文献中基于相容矩阵的不完备信息系统属性约简算法,提出了一种新的相容矩阵定义,该矩阵能够减少关注的条件属性。同时,也证明利用该矩阵所求的属性约简与相关文献中的属性约简是等价的。给出了其属性约简算法,提高了属性约简的速度。     

基于条件信息熵的决策表约简

Rough集理论是近年来发展起来的一种有效地处理不精确、不确定、含糊信息的数学理论方法，在机器学习、数据挖掘、智能数据分析、控制算法获取等领域取得了很大的成功。研究者从不同的角度对这个理论进行研究。本文将从信息论观点出发对Rough集理论的基本概念和主要运算进行分析讨论，通过与Rough集理论的代数观点进行比较分析，得到这两种观点下的一些等价性质和不同的特性，并基于条件信息熵提出决策表的约简算法。     

基于相对熵的一种属性约简算法

知识约简是粗糙集理论研究的主要内容之一。在信息系统中引入了知识的相对熵的概念,证明了在知识相对约简过程中相对熵的变化趋势是递减的;利用相对熵的概念,定义了属性的相对重要性,提出了一种基于相对熵的新的属性约简启发式算法,该算法的时间复杂度为O(｜C｜3｜U｜2),通过例子分析,表明该算法是有效的。     

应用近似模糊熵的不完备信息系统属性约简

属性约简是Rough集理论的重要研究内容,基于信息熵的属性约简是一种有效的属性约简方法。在实际应用中,获取的信息系统通常是不完备的。针对这种问题,在容差关系下对个体进行分类时,基于属性子集redu与CAttr(属性全集)-redu之间的内在联系,定义了一种新的知识熵,提出了一种新的应用近似模糊熵的不完备信息系统属性约简算法(newS算法),其时间复杂度是O(｜C｜²∑mi=1(k^p_i)²)。最后,在ROSE和UCI data中的6个数据集上进行了实验仿真,结果表明newS算法是可行的,并且在同等约简效果下与其他算法相比具有更高的属性约简效率。     

不完备联系度粗糙集模型的知识约简

知识约简是粗糙集理论的重要研究内容之一。在不完备信息系统中,对联系度粗糙集模型的研究比较深入,但极少涉及知识约简问题。该文在进一步改进联系度粗糙集模型的基础上,研究该模型的知识约简。针对改进模型,提出多种知识约简定义,给出了这些约简之间的关系。通过定义初等分辨矩阵和属性重要度,介绍一种分配约简算法。实例分析说明了算法的有效性。     

基于优势关系下信息系统分配约简的矩阵算法

在基于优势关系下的信息系统中引入了优势矩阵和目标分配矩阵的概念，进一步建立了优势关系下信息系统分配约简的矩阵算法，通过实例分析验证了该算法的有效性，说明了其优点是对数据复杂的信息表也可相对容易地求出所有的分配约简。该方法提供了在优势关系下信息系统分配约简的便捷操作方法。     

一种基于决策信息系统的知识约简算法

差别矩阵方法作为求解粗糙集知识约简的关键技术之一,而差别矩阵中的元素个数将直接影响知识约简算法的计算效率,针对现有基于差别矩阵方法的知识约简算法的不足,并且当决策信息系统中样本量较大、决策类别数较少时,算法构造的差别矩阵中将存在大量空值元素。提出了一种新的差别矩阵构造方法,有效地剔除了差别矩阵中的空值元素,在此基础上,设计了一种决策信息系统的知识约简算法,由于算法能有效地利用核属性,进一步缩小了知识约简算法的效率,并通过算例分析说明了算法的可行性。