优势信息系统的属性约简算法

粗糙集理论是一种新的软计算方法,已成为知识发现和属性约简算法领域的一个研究热点.但经典的粗糙集理论是建立在等价关系基础之上的.从粗糙集理论出发,在优势关系之上给出了优势信息系统中信息量的概念,建立了知识粒度与信息量之间的关系.在此基础上,提出了一种基于信息量的属性约简启发式算法,得到了该算法的时间复杂性为O(|A|3×|U|2).通过实例分析表明该算法是有效的,为进一步研究约简算法提供了一种可行的方法.     

基于优势关系的启发式属性约简算法

根据优势原理,提出一种具有明确粗糙集理论含义的指标——优势度,用于度量序目标信息系统的协调程度。在证明优势度粒化单调性的基础上,给出属性集重要性度量函数,提出一种基于优势度的序目标信息系统启发式约简算法。该算法与经典粗糙集理论约简有相同的理论基础,易于理解。应用结果表明,该算法适用于优势关系下目标信息系统的知识发现。     

基于spearman秩相关的序值决策系统约简

约简是知识发现的重要过程。经典的基于等价关系的粗糙集理论,没有考虑系统取值的序值性,并且对数据噪声较为敏感。提出了一个基于spearman秩相关分析的序值决策系统约简方法,该方法通过各属性对被决策个体的spearman秩次的影响来确定约简结果。实验结果表明,该方法不但考虑了系统属性值的序值关系,并且对数据噪声不敏感,因而更符合实际应用的要求。     

基于属性重要性的属性约简算法

粗糙集理论是一个新的处理不确定性问题的数学工具,属性约简是粗糙集理论的核心问题之一。为了获得决策系统中更好的相对属性约简,提出一种基于属性重要性的属性约简算法。将可辨识矩阵中出现次数多少作为属性重要性的判断依据。算法还考虑了当出现次数相同的情况下属性选择问题,由此定义新的属性重要性,以新的属性重要性为启发信息,分析表明,提出的算法是有效可行的。     

优势关系下随机信息系统的属性约简

粗糙集理论与概率论、模糊数学和证据理论等其他处理不确定或不精确问题的理论有很强的互补性。在优势关系的基础上,以证据理论中的mass函数为基本工具,提出了基于优势关系的随机信息系统,研究了优势关系下随机信息系统的属性约简问题。分别考虑了随机信息系统和目标随机信息系统两种情况,并给出了实例说明约简方法的有效性。     

基于属性重要性的决策表属性约简算法

提出一种基于粗糙集属性重要性的属性约简算法。该算法以所有条件属性为初始约简集合，以属性重要性为迭代准则，通过逐步缩减来求取约简。同时给出了该算法的时间复杂度分析，并举例验证了所提出算法的有效性和实用性。     

基于属性重要性的决策表属性约简算法

提出一种基于粗糙集属性重要性的属性约简算法。该算法以所有条件属性为初始约简集合,以属性重要性为迭代准则,通过逐步缩减来求取约简。同时给出了该算法的时间复杂度分析,并举例验证了所提出算法的有效性和实用性。     

基于属性相关性的属性约简新方法

文章给出了一个基于粗糙集理论的属性相关性的新定义,并在此基础上给出了基于属性相关性的属性约简新方法。本算法不但能过滤掉属性集合中的无关属性,而且能有效地找到属性集合中的冗余属性,从而得到满意的属性约简。对UCI机器学习数据集的测试结果也验证了算法的有效性。     

基于粗糙集的属性约简算法

本文主要研究基于粗糙集理论的属性约简算法.提出了一种同时适合于相容信息表和不相容信息表的启发式约简算法,并通过算例验证了该算法的可行性和有效性.     

广义信息系统的属性约简

把完备信息系统、不完备信息系统、序信息系统、覆盖信息系统等常见信息系统统称为广义信息系统,采用新的知识表达形式将其知识结构进行统一表示,特别是将覆盖信息系统纳入了广义信息系统的框架之中。在广义信息系统中引入粒度熵的概念,对属性的重要性给出度量;在此基础上,提出一种广义信息系统属性约简的启发式算法,进而得到广义信息系统的知识约简,并给出了若干算例。     

属性序下基于容差关系的约简算法

在给定属性序下,提出了一种基于容差关系的属性约简算法,该算法可以计算给定属性序下不完备信息系统的唯一约简。文中给出了严格的证明,并给出了实例说明。     

基于条件信息熵和相关系数的属性约简算法

粗糙集的属性约简是一个NP难问题,获得较为高效的算法是研究的主要目的。针对传统的粗糙集属性约简算法效率不高、速度不快的问题,提出基于相关系数和条件信息熵的属性约简算法,把决策表的非核属性约简过程转化为相关系数的运算,能减少对决策表的扫描次数,降低算法时间复杂度,降低算法冗余,提高属性约简的效率。并利用k-fold轮换对比方法计算相关系数,较大地减少了计算量,同时能得到次优属性约简结果。给出了算法内容,并结合实验进行了验证。     

一种基于零值原则的属性约简方法

根据Guan等提出的完备信息系统下矩阵约简算法,提出一种改进的属性约简计算方法。该方法根据矩阵的运算特点,通过引入唯一零值概念,使得计算过程更为简易。证明了它与区分矩阵下属性约简的等价性,最后将该方法运用到协调决策表中,并用实例对此进行了说明。     

基于集合覆盖的不完备信息系统属性约简方法

深入分析了不完备信息系统的特点以及相似关系的定义,通过构造不完备信息系统的相关矩阵,把不完备信息系统的最小属性约简问题与最小集合覆盖问题联系起来,将不完备信息系统的最小属性约简问题转化为最小集合覆盖问题,给出了基于集合覆盖的不完备信息系统最小属性约简算法。实例分析证明该算法可行,高效。     

基于FCM的相似关系粗糙集属性约简方法

对具有连续属性值的信息系统的属性约简是粗糙集理论的研究热点之一。区别于传统通过连续属性离散化方法定义的等价关系,提出利用自适应的模糊C均值聚类的初步划分能力定义一种相似关系以及其自适应形式。基于该相似关系定义的粗糙集模型较好地排除噪声数据。提出正域与非正域定义以及从中导出的一种重要度以指导属性约简。与现有方法的比较实验表明该方法在属性约简上具有有效性和稳定性以及约简结果的合理性。     

基于粒计算的属性约简算法

粒计算是一种基于问题概念空间划分的新的智能计算理论和方法,不相容决策表是粗糙集理论研究的一个重点。利用粗糙集中的等价关系来构建粒子,给出了决策表系统的粒子分解方法及在粒表示下以属性重要性作为启发信息的属性约简算法。实验结果表明该算法不仅具有高效性,而且能处理大型决策表。     

基于划分的信息系统属性约简

从信息系统中属性间划分能力不同的角度出发,提出了属性左划分和属性右划分的观点,研究了它们的特点与性质,给出了在属性划分意义下核属性判定方法,设计了一种基于划分的属性约简算法ARABP,并进行了理论分析和实验仿真,结果表明该约简算法在效率上较现有的启发式算法有显著的提高。     

一种基于逻辑关系方程解的属性约简算法

粗糙集理论中所有的概念与运算都是通过代数学的等价关系和集合运算来定义的.在这种定义下,粗糙集理论的很多概念与运算的直观性较差.从逻辑代数的角度出发,建立了属性集与布尔矩阵以及逻辑关系方程之间的关系,给出了逻辑关系方程有解、有惟一解、有多个解的充分必要条件,在逻辑关系方程解的基础上给出了一种新的高效的属性约简算法.     

一种基于相对区分表的属性约简算法

属性约简是知识获取中的核心问题之一。为了能较高效率地获得属性约简,在Rough Set理论基础上构造出了相对区分表,将基于相对区分表的属性约简的判定算法(JRA)作为子算法并结合归纳属性约简算法的优点,设计出了基于相对区分表的归纳属性约筒算法(RA)。算例说明该算法具有较高的属性约简效率,并能取得较好的约简结果。