基于优势关系下模糊目标信息系统的属性约简

在现实生活中,许多信息系统不仅是模糊的还是基于优势关系的。在基于优势关系下模糊目标信息系统中引入了广义决策的概念,提出了分别保持下广义决策、上广义决策、广义决策不变的三种不同约简,进一步给出了各属性约简的判定定理和辨识矩阵,提供了在优势关系下模糊目标信息系统属性约简的具体方法。通过实例验证了该方法的有效性,进一步丰富了粗糙集理论。     

模糊属性信息系统的规则约简

1 引言信息系统的规则约简是机器学习与数据挖掘的重要内容。在研究中,大多数算法都是以离散值为处理对象,而在计算机研究与应用领域所处理的很多都是实值属性数据。实值属性信息系统没有明确的等价关系,也难以用属性值的完全相同来判定规则的一致性。因此,对实值属性信息系统的规则约简研究为研究领域所关注。模糊属性信息系统的属性值     

优势关系下直觉模糊目标信息系统的上近似约简

传统的粗糙集理论对决策属性值为直觉模糊数的直觉模糊目标信息系统不能直接属性约简.文中在直觉模糊目标信息系统中引入优势关系,基于优势关系定义条件属性集的上近似决策协调集,给出上近似约简的判定定理,建立该信息系统条件属性集的上近似约简模型,并给出上近似约简的算法步骤.在决策属性值为直觉模糊数的一些目标信息系统中,利用条件属性集的上近似约简,可得到更为简洁的决策规则.最后给出一个实例验证算法的有效性.     

集值信息系统中的模糊优势关系粗糙集

以集值信息系统为研究对象,考虑对象之间的优势程度,提出了模糊优势关系的概念;将模糊的方法引入优势关系粗糙集理论,给出了基于模糊优势关系的粗糙集模型并讨论了其相关性质,为从集值决策系统中获取决策规则提供了新的理论基础与操作手段。通过实例验证了所提方法的可行性和有效性。     

优势关系下随机信息系统的属性约简

粗糙集理论与概率论、模糊数学和证据理论等其他处理不确定或不精确问题的理论有很强的互补性。在优势关系的基础上,以证据理论中的mass函数为基本工具,提出了基于优势关系的随机信息系统,研究了优势关系下随机信息系统的属性约简问题。分别考虑了随机信息系统和目标随机信息系统两种情况,并给出了实例说明约简方法的有效性。     

基于描述子的信息系统属性约简及决策规则优化

在不完备信息系统中,利用描述子来表达决策规则．引入描述子简化和约简的概念,给出描述子的区分函数,利用布尔推理理论求取描述子的约简,并由此获取信忠系统的优化决策规则．从保持原系统决策信息的角度出发,定义信息系统的Gs-约简和Ds-约简,G-约简和D-约简．通过对这几种约简及其关系的讨论,从不同角度考察了信息系统中属性的重要性．以上结果对于完备信息系统同样有效．     

基于优势决策规则的信息系统综合评估

分析信息系统安全模型,提出一种基于变一致优势关系粗糙集(VC-DRSA)决策规则的信息系统综合评估方法。对VC-DRSA决策规则的数据进行归纳分析,结合谨慎性原则与净现值最大原则,实现定性评估和定量评估。仿真实例的结果表明,该方法可以对数据进行科学的分类,提高信息系统的数据挖掘效率。     

基于VPRS的信息系统近似决策规则优化

基于变精度粗糙集模型,在决策信息系统中定义近似协调等价类的一种近似约简;构造相应的区分函数,利用布尔推理理论求取近似协调等价类的近似约简,并由此获取近似决策规则的简化决策规则。利用这个方法得到的简化决策规则,与原系统中的近似决策规则是相容的。     

基于粗糙集的决策规则约简

粗糙集理论是一个新的数据挖掘方法，正越来越被人们所重视。其主要思想是保持分类能力不变的情况下，利用等价类，通过属性约简和决策规则约简，达到发掘知识并简化知识的目的。但是属性约简是一个NP问题，对属性的约简和决策规则的约简只能通过启发式算法实现。该文针对属性约简和决策规则约简，各提出了一个启发式算法。     

基于全序优势关系的不完备模糊信息系统及其属性约简

针对具有优势关系的不完备模糊决策信息系统,在分析了现有的两种优势关系的优缺点的基础上,利用属性值的概率分布原理提出了一种新的全序优势关系,这种关系合理地改进了扩展优势关系,克服了限制优势关系不能对论域中所有对象进行比较的缺点,并进一步给出了基于全序优势关系的上下近似表达式,相对约简的定义和具体的计算方法。最后用实例说明这种方法的有效性。     

优势关系下的集值序值信息系统

集值序值信息系统分为合取/析取集值序值信息系统,分别深入分析了合取/析取集值序值信息系统已有优势关系的局限性,并对其不合理情形进行了讨论,进而提出了对对象进行更好划分的新优势关系。在此基础上,分别构建了优势关系下的合取/析取集值序值信息系统的粗集模型,并通过典型例子验证了该方法的有效性。     

限制优势关系下的加权多粒度粗糙分析方法

作为多粒度粗糙集的推广,提出了限制优势关系下的加权多粒度粗糙分析方法。分析了优势关系粗糙集和多粒度粗糙集的局限性,引入限制优势关系对加权多粒度粗糙集进行改进,充分考虑到属性的偏好关系和粒度的重要性差别,使其适用于不完备的高维或分布式有序信息系统;由此得出粗糙近似,讨论了其与限制优势关系下的乐观、悲观多粒度粗糙集的关系,并对相关性质和定理进行证明;通过实例验证了该方法的有效性和实用性。     

Homomorphisms-based attribute reduction of dynamic fuzzy covering information systems

Information system homomorphisms have made a substantial contribution to attribute reduction of covering information systems. However, the efforts made on homomorphisms are far from sufficient. This paper further studies homomorphisms for attribute reduction of dynamic fuzzy covering information systems. First, the concepts of neighbourhood and induced fuzzy covering are proposed and their properties are discussed in detail. Then, we introduce the concepts of consistent functions and fuzzy covering mappings providing a basic theoretical foundation for compressing fuzzy covering information systems. Afterwards, the notion of homomorphisms is presented to reveal the relationship between fuzzy covering information systems. We show how large-scale fuzzy covering information systems and dynamic fuzzy covering information systems can be compressed into smaller ones by means of homomorphisms. Finally, illustrative examples are employed to show that attribute reduction can be simplified significantly by our proposed approach.     

优势关系下的区间值信息系统及其属性约简

针对区间值信息系统,提出一种新的优势关系,并定义了基于这种优势关系的信息系统的上、下近似集。通过可辨识矩阵的方法,提出了区间值信息系统的属性约简方法。通过实例验证该属性约简方法简便易行。     

不协调优势目标信息系统的启发式约简算法

针对不协调优势目标信息系统,引入知识粒度的概念,证明了知识粒度是随着知识的不确定程度的增加而减小的。其次定义了优势信息系统中的粗糙度、精度以及不协调目标信息系统中的近似精度等概念,得到了它们的相关性质,并证明了精度和近似精度可以作为属性重要性的衡量指标。因而进一步提出一种以近似精度为启发信息的不协调优势目标信息系统的启发式约简算法,并分析了该算法的时间复杂度。最后通过实例分析验证了算法的实用性和有效性。     

广义优势多粒度直觉模糊粗糙集及规则获取

优势关系粗糙集模型是研究序信息系统中数据挖掘的主要方法。为了丰富现有优势关系粗糙集模型,使其更加有效地应用于实际问题,本文首先在直觉模糊决策信息系统中利用三角模和三角余模定义了3种优势关系,得到了3种优势类;其次构造了广义优势关系多粒度直觉模糊粗糙集模型,讨论了该模型的主要性质;随后给出如何从直觉模糊决策信息系统中获取逻辑连接词为“或”的决策规则;最后通过实例说明该模型在处理直觉模糊决策序关系信息系统时是有效的。     

集值信息系统基于限制相容关系的属性约简

讨论集值信息系统基于限制相容关系的属性约简方法;给出相似水平核心属性的特征。通过实例说明该算法能够得到集值信息系统的相对约简。