基于可辨识矩阵的模糊目标系统决策约简算法

在模糊目标信息系统决策约简和可辨识矩阵定义的基础上,讨论了可辨识矩阵的性质以及与决策约简集之间的关系.同时定义一种新的属性重要度,并将此作为启发式信息,设计了一种模糊目标决策信息系统最小决策约简算法,通过实例验证该算法简捷、有效.     

基于粒关系包含度矩阵的属性约简算法研究

针对信息系统属性约简问题,通过借助粒关系包含度矩阵这一中间工具,给出一种决策表属性启发式约简算法.首先,计算决策表中条件属性与决策属性之间的粒关系包含度矩阵;然后,将粒关系包含度矩阵中隐含的信息L_B作为启发式算子对决策表进行属性约简;最后,删除冗余属性并设置终止条件,实现决策表的属性约简.通过实例验证了该算法的有效性.     

不完备模糊目标信息系统的α,β精度约简算法

本文首先定义了不完备模糊目标信息系统及其非对称相似关系,然后借鉴经典的可辨识矩阵精度约简算法,提出一种新的基于非对称相似关系的可辨识矩阵(α,β)精度约简算法,对不完备模糊目标信息系统进行属性约简.最后给出一个实例,检验算法的可行性.     

基于优势关系的不协调区间值目标信息系统的分布约简

区间值信息系统是单值信息系统的的一种推广,知识约简是粗糙集理论的核心问题之一.在基于优势关系下的不协调区间值信息系统中引入了分布约简和最大分布约简的概念,进一步建立了分布约简和最大分布约简的判定定理和辨识矩阵,从而利用辨识矩阵给出了在优势关系下不协调区间值目标信息系统分布约简的具体方法.     

直觉模糊序决策信息系统的分布约简

本文在直觉模糊决策信息系统中引入直觉模糊序关系,建立了基于直觉模糊序关系的决策信息系统.然后,基于定义的分布协调集,给出相应分布约简的判定定理和可辨识分布矩阵,从而提供了直觉模糊序决策信息系统的属性约简方法.最后通过例题验证方法的有效性.     

一种基于模糊聚类的区间值属性约简算法

针对区间值信息系统基于粗糙集理论提出一种新的属性约简算法:首先计算同一属性下对象间的相似度,然后通过合取算子计算出所有属性下对象之间的相似度矩阵,再用模糊聚类中的传递闭包算子得到等价矩阵,将区间值信息系统转化为具有等价关系的信息系统并且进行约简,从而得到λ-核,同时给出了该算法的复杂度.最后通过一个实例表明这种算法的有效性和合理性.     

一般二元关系下的关系决策系统属性约简

文献[Wang C Z,Wu C X,Chen D G.A systematic study on attribute reduction with rough sets based on general binary relations.Information Sciences,178(2008),2237～2261]将基于经典粗糙集上的属性约简模型推广到基于广义粗糙集模型上,给出了关系决策系统中属性约简的判定定理和辨识矩阵.但是在属性约简模型中,支撑域的界定使模型的一般性受到限制.本文通过重新定义决策域的正域,给出了改进的决策系统属性约简判定定理和辨识矩阵,并对约简性质进行研究,实现关系决策系统基于正域的属性约简.     

基于优势-等价关系下不协调目标信息系统的分布约简

引入优势-等价关系下不协调目标信息系统的概念,讨论了该系统的分布约简和最大分布约简之间的关系,得到了辨识矩阵及分布约简和最大分布约简的判定定理,并通过实例验证了该方法的有效性.     

不一致不完备直觉模糊信息系统的属性约简

利用广义优势关系,可完成不完备直觉模糊信息系统属性约简工作.若不完备直觉模糊信息系统属性约简不一致时,则可进一步利用广义优势关系定义此类信息系统的分布函数和最大分布函数,然后介绍分布约简和最大分布约简的概念,最后给出求分布约简和最大分布约简的有效方法.由此可成功解决不一致不完备直觉模糊信息系统属性约简问题.     

基于粗糙集与层次分析法的组合预测方法

本文在改进的属性约简启发式算法 ,即应用加权平均的属性重要度对属性进行约简的基础上 ,将粗糙集理论和层次分析相结合 ,给出了一种全新的组合预测方法 .