基于相似联系度不完备区间值信息系统的属性约简

为了处理属性值之间大多数相交但不具备包含关系的不完备区间值信息系统,定义了一种相似联系度容差关系。基于此关系建立了拓展粗糙集模型,并引入极大相容类技术提高近似精度。通过定义新的同异反可辨识矩阵,给出了基于同异反可辨识矩阵的属性约简算法。所建模型可根据不同的用户需求和数据集的分布特点对参数进行动态调整,更符合实际。数值例子验证了模型和算法的有效性和可行性。     

度量信息系统的属性约简

为了发掘属性值之间的内部联系,结合度量空间,引入度量信息系统,并讨论其属性约简。基于属性值之间的距离不大于系统误差,得出一种二元关系,由此定义任意集合的上、下近似;采用辨识矩阵的方法给出属性约简判定定理;基于不同二元关系间的包含关系,等价地刻画核心属性、相对必要属性以及绝对不必要属性。度量信息系统是经典信息系统与连续值信息系统的推广。     

基于模糊粗糙逻辑的属性约简与规则提取

把决策属性看作是一个模糊粗糙逻辑,利用矩阵法求出决策属性对于条件属性的相对正域,给出了基于模糊粗糙逻辑的属性约简的方法,最后根据约简提取规则并计算其精度.     

不完备信息系统的下近似分布约简与规则

研究了不完备信息系统的知识发现问题．将带有未知数据的不完备信息系统看作集值信息系统，提出了一种新的约简方法一下近似分布约简，给出了判定定理，并根据约简方法给出了下近似分布规则的定义、辩识函数以及对象x所支持的所有下近似分布规则的方法．证明了完备信息系统协调时，x-下近似分布规则是x-确定规则，说明了下近似分布规则是确定规则的推广。     

一种模糊决策信息系统的属性约简方法

基于邻域粒化思想提出了邻域关系下模糊决策信息系统的粗糙集模型.定义了上、下近似算子,并讨论了它们的性质.通过构造辨识矩阵和辨识函数,给出了一种连续值域模糊决策信息系统上、下协调属性约简的方法,并用实例对该方法进行了说明.该方法为条件属性连续取值的模糊决策信息系统的属性约简、特征选择等提供了一种新途径.     

基于属性相似度的属性约简算法

为解决粗糙集属性约简算法存在的诸多问题，从属性相似度出发推导出属性相似度与粒度相似度的一致性，进而提出了一种基于属性相似度的属性约简算法，主要包括采用分明矩阵法求条件属性集的约简，核的求取，可省属性的相似度计算和最简约简的求出等步骤，仿真与对比分析表明其计算简便、效果显著。     

模糊决策信息系统上精度约简与规则提取

基于模糊决策信息系统,借助于模糊相容关系,寻找各属性的相容类,将模糊信息系统转化为模糊目标信息系统,再通过区分矩阵对基于模糊相容类的粗糙模糊集的上、下近似分别进行精度约简,最后提取规则并对规则进行优化。     

基于模糊粗糙集依赖度的两步属性约简方法

为获取连续属性值数据集的最小属性子集,提出了一种两步约简方法.该方法以模糊粗糙集模型为基础,将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展,使其能对条件属性之间的依赖关系进行度量,利用属性与类别之间的依赖度选出候选属性集,然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简.仿真结果表明,该方法在有效降低属性维数的同时一定程度上保证了分类正确率.     

一种基于属性重要度的约简算法

属性约简是Rough Set理论的核心内容之一,现已证明求决策表所有约简和最小约简是一个典型的NP难题.在对启发式约简算法研究的基础上,提出一种改进的约简算法.该算法将决策属性作为一个特殊的条件属性加入到核中,通过分析加入后划分出的等价类的变化来缩小需要处理数据的范围,并通过实例分析表明该算法的有效性.     

基于粗糙集相关矩阵的属性约简算法

利用粗糙集相关矩阵采用贪婪策略构造了寻找最小属性约简的启发式算法，证明了算法的正确性并作了复杂性分析，通过实例和与基于属性频率重要性算法进行的对比分析，发现该文算法能快速逼近最小约简，且获得的知识容易理解。     

基于不完备信息系统相容关系的分配约简遗传算法

属性约简是粗糙集理论的核心问题之一,也是粗糙集有效算法研究的焦点.本文研究在不完备信息系统下的属性约简算法,在相容关系基础上,提出了一种应用遗传算法来求解分配约简的方法,并通过实例分析说明了该算法的有效性.     

基于划分子集的属性约简算法

Pawlak提出的基于属性重要度的约简算法是常用的算法之一,它通过计算等价关系对论域划分的粒度来度量属性的重要度。但用该算法计算每一个属性的重要度时,都要计算不同等价关系对整个论域的划分,计算复杂度非常高。受决策树划分子集思想的启发,对基于属性重要度的属性约简算法进行了改进,提出了一种基于划分子集的属性约简算法。在核属性集形成划分的基础上,通过在核属性中添加非核属性从而形成更细的划分,如此反复。在保持正域不变的框架下,形成最细化分的属性集就是一个约简。理论分析显示该算法减少了求属性约简的计算时间复杂度,提高了求属性约简的效率。     

一种基于互信息增益率的新属性约简算法

为了获得决策系统中更好的相对属性约简，提出了一种基于互信息增益率的属性约简算法.该算法考虑了所选择条件属性与决策属性的互信息，还考虑了所选择属性的值的分布情况，从信息论角度定义了基于互信息增益率的属性重要性度量方法，并以此度量为启发式信息，算法从空集开始逐步将最重要的条件属性加入到选择属性集，直到所选择的条件属性集与决策属性集的互信息等于整个条件属性集与决策属性集的互信息时，算法停止.结果表明，算法能更有效地对决策系统进行约简，同时约简后的对象数目较少.     

一种基于粗集的模糊系统设计方法

利用粗糙集理论可以高效地进行属性约简和规则提取,并且在规则提取过程中能自动的生成各规则的强度,针对模糊系统设计过程中输入变量的约简、模糊规则难以提取等问题,将粗糙集理论与模糊集理论相结合,提出了一种基于粗集设计模糊系统的方法,并给出了具体的设计过程;最后给出了该设计方法的应用,结果表明了该设计方法的有效性．     

一种基于粗集的模糊系统设计方法

利用粗糙集理论可以高效地进行属性约简和规则提取，并且在规则提取过程中能自动的生成各规则的强度，针对模糊系统设计过程中输入变量的约简、模糊规则难以提取等问题，将粗糙集理论与模糊集理论相结合，提出了一种基于粗集设计模糊系统的方法，并给出了具体的设计过程；最后给出了该设计方法的应用，结果表明了该设计方法的有效性．     

一种基于属性-值树的求核与约简方法

为快速计算粗糙集的一个属性约简与核,提出一种基于属性-值树模型的改进约简与求核算法,并证明了算法的完备性．该算法充分利用树型结构,引进树的合并方法,使得计算复杂度从O(|U||C|2)降低为O(|U||C|),提高了计算效率(其中|U|和|C|分别代表对象个数和属性个数)．     

基于信息量的一种属性约简算法

提出了决策属性集相对于条件属性集的条件信息量的概念，证明了其在属性约简过程中的变化规律是单调递减的，并提出了一种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．     

基于粗糙模糊集理论的卫星导航系统作战效能评估方法

针对卫星导航系统在信息化战争中的地位与作用,提出了一种基于粗糙集和模糊集理论的作战效能评估方法——粗糙模糊集理论,并对粗糙模糊集理论的算法进行了分析和设计,建立了卫星导航系统作战效能评估指标体系.最后结合实例,运用粗糙模糊集理论对卫星导航系统作战效能进行了评估,给出了效能评估的决策规则.     

基于改进辨识矩阵的变精度邻域粗糙集属性约简

提出一种用于变精度邻域粗糙集,可以大幅减少时间复杂度的属性约简算法.该算法基于一种改进的辨识矩阵.首先用辨识矩阵同时记录决策一致和不一致的数据,然后用二进制位运算计算样本的邻域,最后获得可以保持下近似分布不变的属性约简.实验结果证明,本文算法不仅能够大幅减少属性约简时间,而且精度上总体优于NBRS算法和LDNRS算法.