粗糙集理论中核概念的讨论

核是粗糙集理论的基本概念之一,为使获取的知识规则更简洁、更易于理解,许多算法都以先求出信息系统的核为基础进行启发式搜索以求取信息系统属性集的最小约简.通过实例验证,发现了许多文献中核的定义与核的计算之间存在矛盾冲突,这一矛盾冲突导致众多属性约简算法普遍存在核基为0时无法有效地进行属性约简的缺陷.针对核概念的这一问题及由此引起的属性约简算法的缺陷,对粗糙集理论中核的概念进行了重新定义,将核的定义统一于核的计算,提出了真核和伪核两个新概念,并给出了这两个新概念的相关定理及证明.     

基于社区节点重要性的社会网络压缩方法

针对目前图压缩方法中存在的时间复杂度较高、依赖先验知识设定参数、需要调节的参数过多、压缩有损、忽视网络社区结构等问题, 提出基于社区节点重要性的社会网络压缩方法。该方法由基于贪婪策略的社区发现算法(GS)和社会网络压缩算法(SNC)两部分组成。GS算法采用拓扑势理论, 不但可以实现社区发现, 而且可挖掘出社区中的重要节点。SNC算法以网络社区为压缩对象, 在保持社区间的关联关系的前提下实现了无损压缩, 并可在必要时保留社区中的重要节点或基本结构。通过实验, 对方法的可行性和有效性进行了验证。