可变多粒度粗糙集粒度约简研究

为了研究可变多粒度粗糙集的粒度约简,首先,提出一个适合各种多粒度粗糙集模型的粒度矩阵定义,围绕粒度矩阵,研究多粒度粗糙集模型的相关理论.其次,定义衡量粒度重要性的计算公式,通过计算每个粒度的重要性选择粒度,并结合粒度矩阵,设计了可变多粒度粗糙集的下近似分布粒度约简算法.最后通过实例和实验验证了粒度约简算法的有效性.     

基于广义粗糙集的属性约简

目前,人们对广义粗糙集的研究主要集中在集合的近似计算上,而真正利用广义粗糙集进行属性约简的研究还很少见.基于广义粗糙集理论研究了信息系统中属性约简的问题.首先定义了关系信息系统及其属性约简的概念.然后给出了属性约简的判定定理和辨识矩阵并详细地研究了属性约简的基本性质.最后给出了计算信息系统中属性的所有约简的一般方法.     

IVFD信息系统的属性约简的一个注记

利用粗糙集理论和推广的D-S证据理论获得了IVFD信息系统的信任约简和似然约简.     

基于相似关系的变精度粗糙集的数据约简

基于最大相似类的变精度粗糙集模型．此模型把变精度粗糙集的基础由等价关系拓展到条件更弱的相似关系,更好地利用数据间的相关信息,扩大了粗糙集理论的应用范围．讨论了相似变精度粗糙集的性质与属性约简,举例说明了相似的变精度粗糙集在大学生体质检测数据约简中的应用．     

覆盖广义粗糙集与信任函数

本文在覆盖广义粗糙集最简覆盖的基础上,应用等域关系,将覆盖广义粗糙集转化为Pawlak经典的粗糙集,使得经典粗糙集理论的应用范围得到了一定的扩充,并用例子说明该转化方法提高了一个集合的近似程度.最后讨论了覆盖广义粗糙集与证据理论之间的关系.     

基于条件信息熵的粗糙集属性动态约简

属性约简是粗糙集理论的热点研究内容之一,从信息论出发,提出一种新的信息熵定义.约简算法从条件信息熵出发,迭代选择属性重要性最大的属性,得到信息系统的约简.在此基础上,构造基于条件信息熵的不完备信息系统的动态属性约简算法.在删除单个对象的情况下,新算法通过新的数据集有无删除对象的不可区分对象来判断是否更新原有约简.通过实例说明算法的有效性和可行性.     

基于邻域熵的决策表约简

针对传统粗糙集理论难以处理数值型数据的特点,提出基于邻域熵的决策表特征约简方法.该方法通过引入邻域关系进行信息粒化,定义邻域熵概念,用来度量数值型数据的不确定性,证明邻域熵的单调性原理,提出基于邻域熵与分类精度加权的特征重要度概念,基于邻域熵单调性原理设计了两种启发式特征约简算法.理论分析与实例表明该方法是有效可行的.     

基于相似关系的不完备模糊决策信息系统知识约简

在不完备信息系统和模糊决策信息系统及其粗糙集模型的基础上,提出了不完备模糊决策信息系统的概念,并基于相似关系及其粗糙集模型,给出了不完备模糊决策信息系统的粗糙集模型.该模型是不完备信息系统,完备模糊决策信息系统和经典决策信息系统粗糙集模型的推广.还给出了该系统的知识约简及其算法.     

课堂教学质量评估指标体系整体优化方法

基于粗糙集理论的课堂教学质量评估指标体系整体优化方法,约简掉冗余的评估指标,使指标体系整体优化.与其它方法相比,更简洁、更有效.     

属性序下的粗糙集与KNN相结合的英文文本分类研究

由于KNN(K Nearest Neighbor)文本分类器的待分类文本数据维数和计算次数较高,其耗费的时间和空间成本也很高,故引入粗糙集的属性约简算法对待分类的数据进行预处理。提出了基于属性序的处理方法和算法,解决粗糙集属性约简中的NP-hard问题。降低算法计算量从算法本身和运算技巧两个层面出发:在粗糙集区分矩阵的关键环节正区域计算上提出递减式计算方法,减少等价类的计算工作量;运用去停止词的查表法、位置信息在属性序中的引入及倒排索引的检索方法等来进一步降低系统的运行时间和空间成本。通过实验验证,经过粗糙集约简处理的KNN分类系统在分类的准确度、召回率与F值上与没有约简的KNN分类器效果相当,但是系统的时间和空间成本大幅降低。