不协调决策信息系统的约简

知识约简是粗糙集理论中的一个重要内容,目前大多数研究都集中在协调的决策信息系统上。但现实中存在大量的不协调决策信息系统,针对该类系统的约简研究,将更具有实践意义。定义了决策包含度约简和最大决策包含度约简的概念,讨论了决策包含度约简和最大决策包含度约简的关系,即最大决策包含度约简弱于决策包含度约简,为解决不协调决策信息系统的知识约简问题提供了新方法。     

基于优势关系下不协调目标信息系统的知识约简

在基于优势关系下不协调目标信息系统中引入了分配约简和近似约简的概念,并讨论了它们二者之间的关系,进一步给出了知识约简的判定定理和辨识矩阵,从而提供了在优势关系下不协调目标信息系统知识约简的具体操作方法。     

相容关系下不协调集值目标信息系统知识约简

在不协调集值目标信息系统中定义了相容关系,并在基于相容关系的不协调集值目标信息系统中引入分配约简和近似约简的概念,讨论了二者之间的关系,并且得到了分配约简和近似约简的判定定理以及辨识矩阵,建立了不协调集值目标信息系统的分配和近似约简的具体方法,同时通过实例验证了该方法的有效性。     

不完备模糊目标信息系统粗集模型与知识约简

在不完备信息系统和模糊目标信息系统的基础上,将不完备近似空间和模糊目标信息系统有机地结台起来,提出了不完备模糊目标信息系统的概念;同时还给出了不完备模糊目标信息系统的粗糙集模型,该模型是完备模糊目标信息系统和经典目标信息系统粗糙集模型的推广。还给出了系统知识约简的一些相关概念及其辨识矩阵的知识约简方法。     

模糊目标信息系统上的知识约简方法

模糊目标信息系统(fuzzy objective information systems,简称FOISS)在许多实际应用中存在,这种系统上的知识简化不能采用Pawlak信息系统上的约简方法.因此,提出了模糊目标信息系统上的口分布约简、α最大分布约简、α分配约简、粗糙分布约简,并给出了它们的性质以及与Pawlak信息系统上约简的关系,同时也给出了这些约简的判定定理、对应的可辨识矩阵、约简公式.这些约简推广了Pawlak信息系统上的知识约简方法,为模糊目标信息系统上的知识发现和基于粗糙模糊规则的模糊概念分类器提供了新的低复杂性手段.     

不协调决策信息系统的知识约简及决策规则优化研究

针对不协调决策信息系统的知识约简及决策规则的优化问题,引入分布约简和最大分布约简理论,提出一种基于分布区分对象集的知识约简算法,并得到具体的优化决策规则获取方法。该算法通过求解分布区分对象集和最小析取范式从而得到知识约简集,依据属性约简集挖掘出最优决策规则集。理论分析和实例结果表明该方法的有效性和实用性。     

不完备目标信息系统中基于描述子的知识约简

以具有遗漏型未知属性值的不完备目标信息系统为研究对象,根据描述子的定义和基于描述子的粗糙集模型,讨论了知识约简问题.给出了求得描述子所有约简的具体操作方法.根据描述于的支持集与决策类之间的关系,提出了描述子的下、上近似相对约简概念,并给出这两种约简的判定定理及区分函数,为从不完备信息系统中获取简化的决策规则提供了新的理论基础与操作手段.     

广义不完备信息系统的知识约简 *

以同时具有丢失型和遗漏型未知属性值的广义不完备信息系统为研究对象,提出了一种新的二元关 系,并基于此关系讨论了其中的知识约简问题。在广义不完备信息系统中,引入了约简、广义区分矩阵等概念, 并给出了约简的判定定理和知识约简算法。最后,通过一个具体的例子,说明了约简算法在广义不完备信息系 统中处理模糊和不确定性知识是可行、有效的,为从复杂的不完备信息系统中获取知识提供了新的理论基础与 技术手段。     

不完备信息系统下的变精度粗糙集模型及其知识约简算法

1 引言 Z.Pawlak提出的粗糙集理论,提供了一种新的知识获取手段,但是,应用经典粗糙集理论的一个重要前提是它的处理对象必须是完备信息系统。现实中,由于数据采集能力不足等原因又使得大量的信息系统是不完备的,因此需要对经典粗糙集理论进行必要的扩充。目前有两种扩充方法,一是间接处理方法,即先通过一种方式将不完备信息系统转化为完备信息系统,再使用针对完备信息系统的方法对其进行处理;二     

一种基于粗集的格值信息系统的知识约简方法

粗糙集理论是一种建立在分类的基础上处理模糊和不确定知识的数学工具,正越来越被人们所关注。首先介绍了格值信息系统的相关知识,并以偏序关系为基础得到了一种新的关系:优势关系,给出了约简和核心,简化了概念的分类特征,也给出了上近似、下近似及约简的判定定理和辨识矩阵的概念,最后通过具体的例子说明这种约简方法是有效的。     

不相容信息系统的求核

对不相容信息系统不相容规则与差别矩阵元素项关系进行了分析，讨论了差别矩阵与核的关系并给出了相关定理．给出了一种差别矩阵的产生方法以及相关的求核算法．最后给出了应用举例．     

区间值信息系统的知识约简

知识约简是粗糙集理论的重要研究内容之一.传统的知识约简主要针对单值信息系统,但在许多实际问题中,信息系统中的数据往往以区间值的形式存在,因此,区间值信息系统的知识约简研究具有重要意义.现有工作中,论域的分类结果存在冗余度大、误分率高等问题.针对上述问题,在区间值信息系统中引入了α-极大相容类的概念,并提出了新的粗糙上下近似算子,α-极大相容类的采用有效地提高了分类和粗糙近似精度.最后,给出了区间值信息系统知识约简的定义和相应区分函数的计算方法,为区间值信息系统的知识获取提供了一条新的途径.     

关于贝叶斯粗糙集模型的知识约简

贝叶斯粗糙集模型是一种修正的变精度粗糙集模型，它既能克服粗糙集模型所描述的分类是完全精确的，同时又不需要象变精度粗糙集模型需要预先给定参数，因此在人工智能与认识科学领域有重要的作用。本文通过引入上、下分布约简给出该模型的一种约简方法。     

一种基于绝对信息量的知识约简算法

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。知识约简是粗糙集理论研究中的重要内容之一,现已证明寻找信息系统的最小约简是NP-hard问题。该文提出一个基于绝对信息量的知识约简的启发式算法,该算法的时间复杂性为O(｜R｜3｜U｜2)。通过例子分析,表明该算法是有效的。     

不一致决策表信息熵约简与代数约简的核计算与转化

对不一致决策表,信息熵约简与代数约简有时会得到不同的属性约简和核属性,当前的方法多为先将不一致决策表转化为一致决策表,再对后者寻求高效算法.本文基于等价差别矩阵具有相同的核属性和属性约简的思想,提出一种以条件属性等价类构造简化的代数约简差别矩阵,从差别矩阵内部进行比较与分析,发现只须将信息熵约简差别矩阵中由同时为矛盾对象所产生的可辩识属性集剔除,即可转化为简化的代数约简差别矩阵,从而得到将信息熵约简核属性转化为代数约简核属性的新方法,理论分析与数值算例都验证了其正确性.