优势信息系统中的启发式属性约简算法

在优势信息系统中引入粒度熵概念,定义其相关的性质和定理,并以优势关系下的粒度熵为启发式信息,给出属性的重要性度量。在此基础上提出一种基于粒度熵的启发式属性约简算法,并分析该算法的时间复杂度。通过实例说明该算法的有效性,为进一步研究优势目标信息系统的规则提取提供理论基础。     

基于优势关系的广义不完备模糊系统

本文以同时具有丢失型和遗漏型未知属性值的广义不完备模糊决策系统为研究对象,提出了确定特征优势关系的概念,构建基于确定特征优势关系的模糊粗糙集模型,并提出相对下、上近似约简的概念,在此基础上得到近似约简的的判定定理及区分函数。并进行实例分析说明其有效性。     

广义不完备信息系统中一种拓展粗糙集模型

以同时具有遗漏型和丢失型未知属性值的广义不完备信息系统为研究对象,定义一种用于分类的[α]程度限制优势关系,提出一种基于[α]程度限制优势关系的拓展粗糙集模型,并给出其上、下近似性质。通过一个教师教学质量评估实例,说明这种模型在广义不完备信息系统中处理模糊和不确定知识是有效和可行的。     

不协调优势目标信息系统的启发式下近似约简

基于不协调优势目标信息系统,给出刻画属性重要性的新指标,以该指标为启发式信息,提出一种新的下近似约简算法。该算法具有较大的灵活性,能从搜索空间逐次删除不重要属性,避免重复计算属性的重要性,从而提高搜索的效率,且时间复杂度较低。通过实例说明了该算法的有效性。     

一种基于属性划分的序信息系统并行约简算法

在粗糙集理论中,序信息系统的属性约简是一个重要的问题.目前已取得一些初步的研究成果,但仍缺乏有效的计算方法,主要表现为求解约简耗时过长.本文采用"分而治之"的策略,利用递减划分对属性进行分组,从而将原系统分解为规模相近的若干子系统,并在互不影响的情况下同步计算各子系统的核与约简,然后将子系统的核与约简合并得到原系统的核与约简.算例分析验证了本文提出的属性约简方法的可行性和有效性.