基于区分矩阵和区分函数进行属性约简的数据分类

数据分类的方法直接影响着分类效果。用粗糙集理论中的区分矩阵和区分函数进行的属性约简可以很好地用于数据分类当中，基于此，提出一种数据分类方法，即用区分矩阵和区分函数约简掉信息系统中的冗余属性，得到必要的属性集；然后再约简掉每一条规则中的冗余属性值，提取出决策规则，最后按照决策规则进行分类。实验证明，用该方法实现的数据分类复杂馋低，且能有效提高分类效果。     

不相容决策表属性约简计算的一个可辨识矩阵方法

基于Skowron可辨识矩阵求属性约简的分辨函数方法只适合于相容的决策表,对于不相容的决策表,该方法可能产生错误的结果.对Skowron方法进行改进,提出一个计算不相容决策表属性约简的可辨识矩阵方法,并给出方法正确性的证明.     

改进的差别矩阵属性约简方法

针对目前属性约简方法计算量过大、复杂度高的问题,在已有差别矩阵定义和求核方法的基础上,根据二元决策表所特有的性质,提出一种新的差别矩阵的定义,将一个大的差别矩阵分化成两个小矩阵。与建立一个差别矩阵的方法相比,改进的差别矩阵方法减少了矩阵中元素的比较次数。数据分析表明,该方法在改进差别矩阵定义的同时简化了计算过程,提高了运算效率。     

基于Skowron分明矩阵的有效属性约简算法

为降低基于Skowron分明矩阵属性约简算法的复杂度,提出了简化分明矩阵及其相应属性约简的定义,并证明了基于简化分明矩阵的属性约简与基于原分明矩阵的属性约简等价.在简化决策表的基础上,定义了一个函数,该函数能度量条件属性在简化分明矩阵中出现的频率,并给出了计算该函数的快速算法,其时间和空间复杂度均为O(|U/C|).用该函数设计了一个有效的基于原分明矩阵属性约简算法,算法的时间复杂度降为O(|C||U|)+O(|C|2|U/C|),空间复杂度降为O(|U|);并用实例证明了算法的有效性.     

分类算法中基于差别矩阵的属性约简方法

差别矩阵中会出现大量的重复元素占用大量内存,当数据太稠密时,构成的差别矩阵太大不容易操作且计算代价较高。本文提出了一种基于简化差别矩阵的属性约简算法(SDMAR),在属性约简之前,通过计算属性相似度,对属性进行了合并操作,得到简化决策表。根据简化决策表构造差别矩阵,计算差别矩阵中出现次数最多的属性并删除包含该属性的元素,当差别矩阵为空时终止操作,以达到对决策表属性约简的目的。通过算法及实例分析得到属性约简过程的时间复杂度有所减小。     

基于区分矩阵的属性约简算法改进策略

针对大容量数据表构造的区分矩阵过于庞大致使属性约简算法效率低的问题,引入置信度和支持度,提取大型数据库中的高概率事件,重新构造决策数据表,并在构造区分矩阵过程中剔除重复项和包含项,结果使得比较次数减少、存储空间节省、约简效率提高。     

基于决策分类的分块差别矩阵及其求核算法

属性约简是粗糙集理论进行数据挖掘的基本途径, 相关算法主要基于核。 核的差别矩阵表示及相关求核计算具有重要意义, 但已有的差别矩阵及其求核算法还具有时空局限性。对此, 依据差别矩阵的稀疏性与大规模性, 提出基于决策分类的分块差别矩阵及其求核算法, 直接地将决策分类信息融入形式结构与问题求解。 首先, 基于决策分类来定义分块差别矩阵, 设计其计算算法; 其次, 基于分块差别矩阵, 确定核的内涵与算法; 最后, 进行实例分析与实验验证, 说明所建方法的有效性。基于决策分类的分块差别矩阵有效地实施了信息提取与维度降低, 相关的求核算法较好地减少了差别矩阵求核算法的时空复杂性。     

An improved reduction algorithm based on the degree of attribute discernibility

This paper deals with the problem of attribute discernibility reduction and proposes some new concepts to rough set theory （RST） based on the discernibility matrix of Skowron, such as secondary core, regeneration matrix and the degree of attribute discernibility （DAD）. This paper puts forward an attribute reduction algorithm based on maximum discernibility degree, which opens up an effective way of gaining minimum attribute reduction of decision table. The efficacy of this algorithm has been verified by practical application in a diagnostic system of loader, which substantially decreases information gathering requirement and lowers the overall cost with no loss of accuracy.     

分辨矩阵构成与约简同步的方法

针对粗集理论中分辨矩阵方法的缺陷,分析了这种方法3个过程的时间-空间性能,提出了被析取的矩阵元素不参与分辨矩阵的构成,即分辨矩阵的构成与与属性约简同步的方法,减少分辨矩阵的元素数和中间数据占用的磁盘空间,提高了数据挖掘的速度.通过实验验证了该方法时间-空间性能上的优越性.     

基于可辨识矩阵的属性频率约简算法

阐述了粗糙集理论的基本概念,知识约简是粗糙集理论研究的核心内容之一,将可辨识矩阵中出现次数多少作为属性重要性的判断依据.算法求取的是所有约简结果中的某一个或某一些f当某两个条件属性出现频率相同时)结果,当信息系统的复杂程度较高时,其求解的复杂度大大小于原来的约简方法.     

基于粒计算的变形分明函数分析及属性约简证明

为了对分明矩阵和分明函数属性约简法予以理论上的证明,一个变型的分明函数被构造,它被定义为析取范式的逻辑公式.通过对变型分明函数以及等价转换成的最简式对应粒性质的讨论,证明了变型分明函数对应的粒等于所有分明关系的并.由此证明了最简式中所有的合取项就是信息系统属性集的全部约简.从而以粒计算的方法完成了分明矩阵和分明函数属性约简法的理论证明.     

装载机故障诊断属性约简算法

为了提高以先验知识进行智能诊断的效率,对粗糙集理论的约简算法进行了研究,提出了基于可分辨矩阵一种改进的属性约简算法,将其应用于装载机故障诊断决策表的属性约简.实践证明该算法对属性约简是有效的.     

连续型目标信息系统的属性约简

针对连续型数据的属性约简问题, 提出了一种新的属性约简方法[CD2]基于分配可辨识矩阵的属性约简方法。给出了基于连续型数据的分配协调集的概念, 研究了基于连续型数据的分配协调集的基本性质, 定义了基于分配协调集的辨识矩阵。在此基础上提出了基于辨识矩阵的连续型数据的属性约简方法, 并给出了计算辨识矩阵的算法。实例分析表明, 该方法能有效地对连续型数据进行属性约简。     

基于差别矩阵的增量式属性约简完备算法

为了解决基于差别矩阵的属性约简完备算法得不到最小约简的问题，提出了一种改进的属性约简方法．该方法将信息论定义的属性重要性作为启发式信息，并通过构造一个条件信息熵算子对差别集合进行运算，同时利用算子来计算候选属性的剔除次序，采用宽度优先搜索策略使约简集合中含有最重要的属性，这样就解决了完备算法约简率低的问题．结合该方法并在分析对象集增量与差别矩阵关系的基础上，证明了增量约简定理，由此提出了一种增量式约简完备算法（CAIR），当新数据加入决策表时，算法可增量构造差别集合．实验结果表明，所提CAIR在大大缩短计算差别集合时间的同时，约简率比非完备算法提高了20．3％，是同条件下完备算法执行效率的13．2倍．     

一种基于关联规则的缺省规则挖掘算法

传统的基于Rough集的缺省规则挖掘算法须计算差别矩阵并生成大量的条件属性类，挖掘效率低．为此，本文引入相容关联规则和决策关联规则的概念，提出基于关联规则的缺省规则挖掘算法——DRMBAR，该算法借助FP-tree存储结构挖掘出决策关联规则，并用相容关联规则性质对决策关联规则进行有效修剪后生成相应的缺省规则,DRMBAR可有效地过滤噪声、提高缺省规则挖掘效率，且克服了传统算法依赖于主存的限制，为缺省规则的挖掘提供了一种新的框架。实验结果表明该算法是有效且可行的。     

基于差别矩阵的区间值形式背景属性约简

目的在形式概念分析理论框架下,研究区间值形式背景的属性约简。方法给出区间值属性集差别矩阵和区间值形式背景属性约简的定义,并研究相关性质;研究协调区间值属性集的判定定理。结果给出协调区间值属性集的判定定理,以及基于区间值属性集差别矩阵的区间值形式背景约简方法。结论区间值形式背景可进行属性约简。     

基于扩展可辨识矩阵的混合决策系统属性约简

经典粗糙集理论的研究对象只能是完备的离散决策系统。为了直接对不完备混合决策系统进行属性约简,因此通过引入邻域关系和限制容差关系的概念对可辨识矩阵的定义进行了扩展,提出了一种基于扩展可辨识矩阵的属性约简算法;该算法可以兼容处理完备与不完备混合决策系统。通过UCI数据集的仿真实验证明了该算法的有效性,最后讨论了扩展可辨识矩阵中的邻域阈值选择对属性约简结果的影响。     

基于粗糙集的最简规则提取算法

提出一种基于粗糙集理论的最简规则提取算法。该算法从已知数据的初始决策系统出发，首先通过建立可辨识矩阵进行属性约简，然后以所有约简建立一系列不同简化层次的子系统，最后对各个子系统获取带有置信度的最简决策规则。一般而言，这种方法能得到尽可能简单的规则。     

基于启发式二分策略的属性约简方法

分辨矩阵为属性约简与求核运算提供了一种规范精确的数学模型,通过分辨矩阵模型可方便地获取决策系统全体属性约简.本文基于分辨矩阵运用启发式信息与二分策略扩展结点,设计了一种构造约简树求取全体属性约简的有效算法,该约简树从根结点到叶结点全体路径构成的析取范式与系统分辨函数等价,其极小析取范式所有析取项即为决策系统全体属性约简.该方法适用于满足任意约简准则的分辨矩阵,能够显著地减少搜索空间和保证全体约简求解的完备性,理论分析与实验结果说明了算法的可行性与有效性.     

一种快速属性约简算法

基于差别矩阵的属性约简算法，先要求出差别矩阵，随着问题的规模增大，存放差别矩阵的空间和算法的执行时间过大和过长，让计算机难以承受．针对这一问题，提出了差别对象对集的定义，给出了基于差别对象对的属性约简定义，并证明了该定义等价于基于差别矩阵的属性约简定义．利用差别对象对，设计了一个新的属性约简算法．由于这一算法在求属性约简的过程中不用生成差别矩阵和大量的无用元素，因而大大减少了存储量和计算量，从而提高了算法的效率．计算实例说明了新算法的高效性．