一种基于粗糙集理论的双向选择属性约简算法

文章首先对粗糙集的基本理论进行了简要介绍,然后重点讨论粗糙集理论中的属性约简问题,在总结分析现有属性约简算法的基础上,提出了一种双向选择属性约简算法--BSARA,并用一个例子与其它算法进行了对比分析,结果表明该算法是可行和有效的.     

粗糙集属性约简的完备算法

属性约简是Rough Set理论研究中的核心内容之一,现已经证明寻找决策表的最小约简是NP-hard问题.为了快速有效地得到最小约简,本文利用决策表的一些特点提出了一种完备算法,并给出了该算法的复杂度,最后通过实例分析表明,在多数情况下该算法能够得到决策表的最小约简.     

基于粗糙集和遗传算法的知识发现方法

粗糙集理论是一种处理不确定和不精确问题的新型数学工具,为数据挖掘提供了一条崭新的途径。提出了结合粗糙集理论和遗传算法的知识发现方法。首先通过粗糙集理论对数据进行预处理,在实现属性约简中采用了遗传算法,以提高搜索效率,然后进行规则提取。以农业病虫害诊断知识发现应用为实例说明了该方法的可行性。     

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.     

基于遗传算法的粗糙集属性约简算法

针对目前粗糙集遗传约简算法不能确保得到约简的不足,分别提出基于二进制编码基因和符号编码基因的遗传约简算法.基于二进制编码基因的遗传算法加入修正算子以确保遗传算法在可行解的空间搜索.基于符号编码基因的遗传算法融合交叉算子和变异算子以降低遗传算法的复杂度.实验结果表明,两种编码方式的遗传约简算法都能确保得到约简.     

一种粗糙集属性约简的改进算法

通过时属性的重要性以及属性提供的信息量进行研究，提出一种综合考虑属性重要性和属性的信息量的属性加权平均重要度的概念，并构造在决策表中的基于此重要度的一种新的属性约简方法。通过实例计算表明，该算法简单有效。     

一种从粗到细的改进型进化算法简介

介绍将从粗到细的函数光滑化方法引入到传统进化算法中去的方法和步骤,给出以高斯函数作为光滑核的优点,并给出仿真计算结果。     

Jelonek属性约简算法的一个改进

受Jelonek粗糙集属性约简算法思想的启发,本文利用单属性的近似精度和Hu的差别矩阵方法,得到一个改进的属性约简算法.理论分析表明,该算法比Jelonek算法具有更低阶的计算复杂性.     

粗糙集理论及其应用研究

粗糙集理论是一种处理不确定和不完全数据的强有力数学工具,其主要思想是在保持分类能力不变的前提下,通过数据约简得出问题的决策或分类规则.目前,粗糙集理论已成功地应用于机器学习、决策分析、过程控制、数据挖掘等领域,是当前人工智能领域研究热点之一.现介绍了粗糙集理论及其应用的国内外研究现状,总结了主要研究方法,最后指出了粗糙集理论及其应用所面临的主要问题.     

A Method of Attribute Reduction Based on Rough Set

The main purpose of oil logging interpretation is to calculate the oil content in formation and set up the exploration scale by determining the lithology and reservoir parameter (porosity, permeability, and saturation ratio)[1]. As the development of digital logging technology and tomography logging technology, more and more well logging data have been produced with exponential increase. Therefore, it is very important to extract the useful or interesting information from the database, and to …     

粗糙集理论中属性相对约简算法

粗糙集理论是近年来发展起来的一种有效地处理模糊和不确定性知识的数学工具,而求核与约简是粗糙集理论中的两个重要问题,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.本文在分析粗糙集理论的基础上,发现了正区域的一些有用性质,提出了一种利用正区域直接求核的方法,并利用正区域的启发式信息给出了两种相对约简算法.     

基于可变精度粗糙集的决策规则格构造

基于概念格理论提出了决策规则格的概念，格中的每一节点均可表示为相应的决策规则。针对格节点之间存在偏序关系的特点，文中给出了三种剪枝策略。特别地，将粗糙集知识约简的思想和可变精度粗糙集的β下近似思想应用于决策规则格的构造，有效地减少了格中节点的数目，并有较强的抗噪声数据干扰能力。     

一种基于粗糙集的数据挖掘模型

网格计算的资源管理涉及到大量的互联网资源，为了有效管理与应用系统资源，需要研究相应的资源管理模型。基于此探讨了粗糙集理论的相关算法，在此基础上提出了一个粗糙集理论与数据挖掘问题相结合的应用模型。在研究中对该模型进行了模拟数据实验测试，结果与算法的理论结果一致，为粗糙集理论在网格计算领域的应用做了一些力所能及的尝试。     

粗糙集理论在雷达识别中的应用

基于粗糙集知识约简的思想,提出了一种雷达目标识别方法,该方法不仅能够找出雷达目标的有效特征集、降低目标识别的特征空间的雏数、减少目标识别的工作量,而且提高了目标的识别率.实践表明该方法是可行有效的.     

粗糙集方法在红外图像增强中的应用

粗糙集理论是一种新的处理含糊和不确定问题的数学工具。文中将粗糙集理论应用到红外图像处理中,并提出了一种新的图像增强方法。结合属性直方图算法,将红外图像分为目标区和背景区,分别进行处理,得到增强后的图像。实验结果显示,文中方法优于直方图均衡化方法。     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果