一种基于粗糙集的纳税人属性约简方法．

基于粗糙集理论,对基于属性重要度的启发式属性约简算法进行了改进,并将改进后算法运用于纳税人属性约简的实际工作中.该算法解决了原有基于属性重要度的启发式属性约简算法结果中存在冗余属性问题,实现了属性选择较小化,并保持原有数据分类能力不发生大的变化.通过属性约简实验结果和实际工作情况对比,证明该算法具有很好的性能.     

一种改进的基于差别矩阵的属性约简算法

为解决决策表属性约简完备算法约简质量低的问题，在基于差别矩阵的属性约简完备算法的基础上，引入信息论中信息熵和互信息增益的定义，给出一种启发式属性约简完备方法，通过实例说明启发式信息可以提高完备算法的约简质量，比较不同启发信息对完备算法的约筒质量和约简效率。试验结果表明，采用基于信息论定义的两种启发信息的完备算法约筒效率基本一致，该算法较非启发式完备算法有更好的约简质量。     

一种改进的无核信息系统属性约简算法

针对无核信息系统的特点,基于互信息提出了一种新的启发式属性约简算法,该算法以增加属性后的互信息增量和属性自身的信息熵2项指标作为评价属性重要度的依据。实验结果表明,该算法避免了对于没有核属性的无核信息系统因随机选择初始属性造成计算复杂度增大的问题,并且属性约简效率提高,属性约简后的个数也相对较少。     

改进的粗集属性约简的启发式算法

提出了一种改进的粗集属性约简的启发式算法。寻找粗集理论的最小属性约简已经被证明是NP难题,一般采用启发式算法来寻找近似最优解,但求得的约简有冗余属性存在的问题。针对一般启发式算法的不完备性,利用粗集理论中的属性依赖度和属性重要度,构造启发式信息,并在算法中增加了消除冗余的二次约简过程,得到一种改进的启发式算法。最后通过实际算例分析,验证了该改进算法的有效性。     

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.     

基于粗集可辨识矩阵的属性频率约简算法

针对信息系统在属性约简过程中存在属性频率值相同的问题进行改进.改进后的算法在基于可辨识矩阵属性频率约简算法的基础上.引进强等价集概念,以属性在可辨识矩阵中出现的次数越多其重要性越大为启发式信息,利用强等价集中的属性是可以约简的特性,在属性频率约简过程中判断具有相同属性频率属性是否最终包含在核属性集里,提出改进的属性频率约简算法.通过理论和实例的分析证明,该算法在保持时间复杂度不变的情况下,处理具有相同属性频率信息系统的属性约简,使其准确性得到提高,与原算法相比,改进后的算法可以得到一个更为精准的约简结果.     

粗糙集理论在决策判断中的应用

属性约简是RoughSet理论研究中的核心内容之一,现在已经证明寻找决策表的最小约简是NP hard问题。本文首先阐述了可辨识矩阵的概念;然后在此基础上提出了一种基于可辨识矩阵和信息熵的属性约简的新算法,并给出了该算法的时间复杂度;最后,通过实例分析表明,本文算法能够成功用于决策判断,并且在多数情况下该算法能够得到决策表的最小约简。     

一种针对不完备信息系统的粗糙集约简算法

针对区分矩阵构造庞大,计算工作量大,基于区分矩阵的约简策略效率低的问题,提出一种新型的针对不完备信息系统的属性约简算法NARIIS。提出的约简算法把属性值的个数应用到属性约简上,使该约简算法的时间和空间复杂度都远小于基于区分矩阵的约简策略。     

关于粗糙集属性约简的进化算法研究和应用

粗糙集理论是一种新的处理模糊和不确定知识的数学工具．属性约简是粗糙集理论研究中的重要内容之一。本文提出了用其构建科学、合理、简洁有效的科研项目评审指标体系，为科研智能管理提供新的解决方法。本文中提出一种基于进化算法的知识相对约简算法。通过在知识表达系统中引入决策属性支持度的概念．来描述由条件属性所提供的知识对整体决策的支持程度．并通过决策属性支持度定义条件属性对决策属性的相对重要性。以此作为启发式信息求出相对核。并将相对核加入进化算法的初始种群中以加快算法的收敛。同时．在适应值函数中引入惩罚函数。可以保证所求约筒既含较少的属性又有较强的支持度，能够获得最佳的搜索效果。     

粗糙集理论在学生综合评价中的应用研究

高中学生综合素质评价是一项复杂的工作,是一类带有大量不确定因素的半结构化或非结构化问题。为了改善现有的指标体系约简方法和属性权重确定方法的不足,提出了一种基于粗糙集理论的学生素质综合评价方法,该方法采用基于信息量的属性约简启发式算法,实现了评价指标的筛选,从而优化了指标体系;并基于约简指标的重要度信息确定权重,减少人为主观因素对评价结果的影响。通过例子分析,验证了该方法的可行性和实用性。     

二进制粒属性相关判定与应用

采用二进制粒表示信息系统中的离散化属性值,即对属性进行二进制粒化,定义了基于二进制信息粒的匹配、合取及析取算子,描述了二进制粒属性相关的定义,提出了基于二进制粒的属性相关性判定矩阵的算法,算法通过判定信息系统中属性的相关性,为属性约简及关联规则的求解提供一种新方法.如果相关属性同为条件属性,则可进行约简,选择其一;如果有决策属性,则可生成强关联规则;该算法在气象数据的仿真实验中验证了其实用性.     

决策表中基于条件信息熵的近似约简

属性约简是粗糙集理论的重要研究内容,已有效应用于机器学习、数据挖掘等领域.基于条件信息熵的属性约简可有效推广代数观下的属性约简,但存在抗噪声弱且某些情况下冗余属性多的不足.为此,本文在引入决策表中基于条件信息熵的近似约简概念后,提出决策表中基于条件信息熵的近似约简算法,该算法可有效增强抗噪性,且可依据实际应用的需要有效地对冗余属性进行取舍.最后,本文侧重通过选择不同精度下的约简属性子集在Benchmark上进行了分类器的性能测试.     

Generalized binary discernibility matrix for attribute reduction in incomplete information systems

To extract and express the knowledge hidden in information systems, discernibility matrix and its extensions were introduced and applied successfully in many real life applications. Binary discernibility matrix, as a representative approach, has many interesting superior properties and has been rapidly developed to find intuitive and easy to understand knowledge. However, at present, the binary discernibility matrix is mainly adopted in the complete information system. It is a challenging topic how to achieve the attribute reduction by using binary discernibility matrix in incomplete information system. A form of generalized binary discernibility matrix is further developed for a number of representative extended rough set models that deal with incomplete information systems. Some useful properties and criteria are introduced for judging the attribute core and attribute relative reduction. Thereafter, a new algorithm is formulated which supports attribute core and attribute relative reduction based on the generalized binary discernibility matrix. This algorithm is not only suitable for consistent information systems but also inconsistent information systems. The feasibility of the proposed methods was demonstrated by worked examples and experimental analysis.     

基于PLS的加权朴素贝叶斯分类测试算法

朴素贝叶斯算法是一种简单而高效的分类算法,但是它的条件独立性假设影响了其分类性能。通过放松朴素贝叶斯假设,可以增强其分类效果,但通常会导致计算代价大幅提高。文章提出了一种基于偏最小二乘的加权朴素贝叶斯分类算法,通过建立条件属性和决策属性之间偏最小二乘回归方程,把回归系数赋给对应的条件属性,作为相应的权重,从而在保持简单性的基础上有效地提高了朴素贝叶斯算法的分类性能。最后,通过在UCI数据集上的仿真实验,验证了该算法的有效性。     

基于分辨关系的决策树构建算法

针对完全以核属性为首选构建决策树算法的不足,本文以粗糙集的分辨关系为基础,提出以决策属性的分辨量和分辨类别两个参数确定条件属性的重要性,择优自顶向下构造决策树.该算法的优点在于算法简洁有效和时空复杂度低.实例分析的结果表明,该方法能获得更为简洁有效的决策树.     

A Knowledge Reduction Algorithm Based on Conditional Entropy

1　ＩｎｔｒｏｄｕｃｔｉｏｎＳｏｍｅｉｎｄｕｓｔｒｉｅｓ ,ｉｎｃｌｕｄｉｎｇｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓａｎｄｃｒｅｄｉｔｃａｒｄｓ ,ｈａｖｅｉｎｔｅｒａｃｔｉｖｅｒｅｌａｔｉｏｎｓｈｉｐｗｉｔｈｃｕｓｔｏｍｅｒｓｔｈａｔｇｅｎｅｒａｔｅｍａｎｙｔｒａｎｓａｃｔｉｏｎｒｅｃｏｒｄｓ,ｗｈｉｃｈｍａｋｅｓｄａｔａｔｏｂｅｇｅｎｅｒａｔｅｄａｎｄｃｏｌｌｅｃｔｅｄａｔａｎｕｎｐｒｅｃｅｄｅｎｔｅｄｓｐｅｅｄ .Ｈｏｗｅｖｅｒ,ｔｈｅｓｅｄａｔａｈａｖｅｔｏｂｅｔｕｒｎｅｄｉｎｔｏｋｎｏｗｌｅｄｇ…     

基于属性关系矩阵的AP子空间聚类算法

Affinity Propagation（AP）聚类算法将所有数据点作为潜在的聚类中心，在相似度矩阵的基础上通过消息传递进行聚类, 但却不适用于子空间聚类。基于属性关系矩阵的AP子空间聚类算法（AP clustering algorithm based on attributes relation matrix, ARMAP）是一种异步软子空间聚类算法，首先通过计算属性a的 邻域得到属性的关系矩阵，然后通过查找极大全1子矩阵得到数据集的兴趣度子空间，最后在各兴趣度子空间使用AP算法聚类，完成子空间聚类的任务。ARMAP算法将子空间的查找转换成查找矩阵的极大全1子矩阵，在正确查找子空间的同时，降低了时间复杂度。算法既保留了AP聚类算法的优点，又克服了AP算法不能进行子空间聚类的不足。     

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。     

Research on vertical handoff decision based on service history information and SINR for heterogeneous wireless networks

In this letter, we propose a SH (Service History) and SINR (Signal to Interference plus Noise Ratio) based PROMETHEE (SHS-PROMETHEE) vertical handoff (VHO) decision algorithm. An attribute matrix is constructed considering the SH information and the SINR in the source network and the equivalent SINR in the target network and so on. Handoff decision meeting multi-attribute QoS requirement is made according to the traffic features. The weight relation of decision elements is determined with LS method. Finally decision is made using PROMETHEE algorithm based on the attribute matrix and weight vector. The simulation results have shown that the SHS-PROMETHEE algorithm can reduce unnecessary handoffs and provide satisfactory vertical handoff performance.