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.     

基于粗糙集的电机故障诊断

利用粗糙集能够约简决策表减少得到诊断规则的复杂度和案例分析能够快速计算出两个案例的相似度,本文设计了一种基于粗糙集理论电机故障诊断方法。首先结合粗糙集中区分矩阵的知识消除掉收集的电机故障数据中的冗余信息,以求得到最简决策表,从而得到诊断规则;然后借鉴属性重要度的计算方法,来确定各属性权重,标记出各属性的重要程度,并为计算属性相似度做基础;最后利用案例推理的理论计算测试规则和所得的诊断规则的各相似度,根据最高相似度的诊断规则得出测试规则的故障检测结果。实例验证所得结果也证明了本文设计的方法的可行性与有效性。     

粗糙集在雷达辐射源识别中的应用

雷达辐射源识别既是雷达侦察系统中信号处理的重要内容,同时又为判断敌方武器威胁、战场态势评估提供依据。为准确解决辐射源识别问题,研究了粗糙集中基于可辨识矩阵和逻辑运算的属性约简算法,对决策表进行约简,减少了属性个数;并建立了一种基于粗糙集数据处理的雷达辐射源识别模型。最后用软件ROSE2对决策表进行属性值约简、提取规则,从而进一步识别新的雷达辐射源,结果验证了算法的合理性。     

属性约简准则与约简信息损失的研究

属性约简是粗糙集的重要研究内容,信息熵是度量信息量的方法.在研究绝对约简和几种相对约简的基础上,归纳出属性约简的一般准则.定义了基于条件属性信息熵的属性约简和基于联合熵的属性约简,研究了几种属性约简与绝对约简之间的关系.定义了基于条件属性信息熵的约简信息损失,澄清了属性约简不损失信息的含糊观念,指出了属性约简只是在约简准则意义下不损失信息,在信息熵意义下可能损失信息.为进一步研究粗糙集、粒计算中属性约简与分类夯实了信息论基础.     

基于粗糙集信息观的决策表属性约简方法

粗糙集理论是近年来发展起来的一种有效的处理不精确、不确定、含糊信息的数学理论方法，它被广泛应用于相容和不相容决策表的属性约简和核属性计算。利用反例指出目前基于粗糙集信息观[2、6]的决策表属性约简和核属性计算方法的局限性。对决策表的性质作了深入的研究，研究发现文献[2、6]方法的不足原因是：它们没有考虑U／ind（C）中等价类的相客性。给出了基于U／ind（C）中等价类相客性的属性约简定义和核属性定义，并给出了一种新的基于粗糙集信息观的决策表属性约简和核属性计算方法。讨论了该方法同文献[2、6]方法的区别。最后用相同实例验证了该方法的有效性。     

属性约简的一种新计算方法

属性核的确定和属性约简是粗糙集理论研究的两个重要问题。目前的计算方法基本上是通过差别矩阵先求出属性核．然后在属性核的基础上再求出属性约简的。而这种方法具有较高的复杂度。因此在定义了相容样本集．证明了相对正域和相容样本集之间的等价性的基础上，提出属性约筒的一种高效方法。     

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。     

基于粗糙集的CBR系统案例检索策略

针对案例推理系统中案例检索的效率和质量问题,提出一种新的案例检索策略.采用粗糙集进行案例属性约简,完成案例库优化,并计算反映专家经验的属性权重,结合相似度计算和人工神经网络进行不同情况下的案例检索.运用UCI数据集进行了仿真对比,将其用于数字数据网故障诊断系统中,结果表明所提出的策略在不同数据集下均具有较高的检索效率,更加适用于实际CBR系统.     

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。     

一种改进的不完备熵属性约简在装备故障诊断中应用

针对经典的粗糙集方法在处理不完备测试数据时,将完备化和属性约简先后进行易导致完备化数据产生偏差而影响属性约简准确性的问题,给出一种基于不完备熵的属性约简算法.通过对属性重要度概念在粗糙熵和不完备熵定义上进行拓展,立足原始测试数据直接计算各条件属性的属性重要度,从而获取一个较优的属性约简.该方法不仅充分考虑了不完备数据与属性约简之间的联系,而且约简结果更加精确,最后在某型装备故障诊断中应用验证了其有效性和优越性.