面向属性的RST在数据挖掘中的应用

基于对ＲＳＴ的基本概念的近似空间的形式描述,定义了不确定信息系统,并引入面向对象属性的泛化和约简操作算法,在此基础上,提出了一个面向属性的ＲＳＴ的数据挖掘方法,即基于系统的关系数据库形成差别矩阵,并对差别矩阵放行最佳约简和核操作,给出在逻辑意义下的决策规则,从而完成领域的知识发现。同时给出了在一个医疗诊断系统中应用的实例。     

基于修正差别矩阵的高效属性约简算法

为降低基于修正差别矩阵的属性约简算法的复杂度,给出了基于修正差别矩阵的简化差别矩阵,证明了基于该简化差别矩阵的属性约简定义与基于原修正差别矩阵的属性约简定义是等价的.在此基础上设计了一个基于简化差别矩阵的属性约简算法,其空间和时间复杂度分别被降为O(|C|(|U'pos||U/C|))和max{O(|C|2(|U'pos||U/C|)),O(|C||U|log|U|)}.实例说明:用新算法进行属性约简,不仅减少了计算量,而且减少了存储空间,因而是一种高效的属性约简算法.     

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．     

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。     

知识约简的差别矩阵启发式算法

首先从差别矩阵的角度 ,对决策表中属性的重要性给出度量 ,并提出了部分差别矩阵的概念 .在此基础上提出了一种基于部分差别矩阵的知识相对约简的启发式算法 ,并通过实例分析表明 ,在多数情况下该算法能够得到决策表的最小约简 .     

基于压缩差别矩阵的属性约简算法

影响基于差别矩阵的属性约简算法效率的主要因素有计算U/C等价类和差别矩阵的大小.为了解决差别矩阵大小影响属性约简算法计算效率,分析了基于差别矩阵的属性约简算法中差别矩阵定义的不足,重新定义了一种压缩差别矩阵,删除差别矩阵中大量的空元素和相同元素,从而进一步减少了差别矩阵元素的个数,并设计基于压缩差别矩阵的属性约简算法.对UCI及其他数据库进行仿真,实验结果表明该算法具有高效性.     

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.     

一种信息系统求核的新方法

为简化用差别矩阵求核的计算方法,给出了差别矩阵与核关系的定理,并在此基础上给出了一种新的求核方法．新算法从差别矩阵中直接提取出核属性元素并利用该定理的结论给出信息系统中核的构成．经计算,该算法的复杂度为O(n^2√m)。     

基于粗糙集的数据挖掘改进属性约简算法研究

研究基于粗糙集的属性约简算法在数据挖掘规则提取阶段的应用。数据挖掘中对属性进行约简时,经常采用粗糙集,再按照规则进行提取。考察差别矩阵的定义和信息系统比较复杂且核属性元素所占比例较少的情况,改进基于差别矩阵的属性约简算法,利用差别矩阵的结构建立一种新的选择属性的依据。     

模糊等价关系下的犹豫模糊粗糙集及其应用

首先通过对长度不同的犹豫模糊元进行补齐来定义犹豫模糊集新的交并运算,在Pawlak近似空间中利用新的运算建立粗糙犹豫模糊集模型;然后将Pawlak近似空间推广到一般犹豫模糊近似空间,利用犹豫模糊元间的相似度获得犹豫模糊近似空间中对象间的模糊关系矩阵,再利用模糊集的传递闭包法将模糊相似矩阵转化成模糊等价矩阵,在此基础上建立犹豫模糊信息系统中的粗糙集模型,研究犹豫模糊信息系统的属性约简。最后通过一个算例来说明犹豫模糊信息系统的属性约简方法。     

基于D-S证据理论的不完全信息作战方案优选

针对带有不完全信息的作战方案优选问题,提出了一种基于D-S证据理论的多属性决策方法.首先由属性值构建残缺决策矩阵(矩阵中有某些未知元素),然后根据属性值的特征确定各属性对应的焦元.利用信任函数、似然函数和证据推理算法求得每个方案的效用区间和优先度,并根据优先度对所有方案进行排序,从而完成方案优选.该方法通过对作战方案优选过程中繁杂、不确定信息进行融合,可以较好地处理作战信息不完全对作战指挥决策的影响.以一类炮兵作战方案优选为应用算例,证明了该方法的有效性.     

基于粗糙集面向属性的数据挖掘及改进

用粗糙集进行数据挖掘是近年来被采用的一种新的有效方法 ,本文针对传统粗糙集分类方法过于严格 ,对噪音过分敏感的缺点 ,提出了改进的粗糙集挖掘模式及相应面向属性的约简算法和实现步骤     

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.     

基于RST改进NN模型的高压输电线系统故障诊断

为了克服实时诊断信息在形成和传递过程中的畸变而导致故障诊断结果的错误，在基于粗糙集理论(Rough Set Theory，简称RST)的高压输电线系统故障诊断模型的研究基础上，充分利用神经网络(Neural Networks，简称NN)的泛化能力和粗糙集理论强大的定性分析能力，构造了RST与NN相结合的故障诊断模型。首先利用RST从诊断样本中提取领域知识，然后利用所提取的诊断对象知识属性形成诊断NN的初始结构，进而增强诊断NN的智能性和容错性。通过高压输电线系统故障诊断的仿真结果比较，证明了该模型的有效性和通用性。该模型即使在诊断信息不完整的情况下，也具有高的诊断容错性能，因此在电力系统实时故障诊断方面具有广阔的应用前景。     

一类模糊属性值的多属性决策问题的排序方法

研究了属性权重信息完全未知且属性值以三角模糊数形式给出的不确定型多属性决策问题．利用模糊数数据的变异系数来度量三角模糊属性值之间的差异程度，给出了求解属性权重的简洁公式和一种基于可能度的决策方案排序方法．     

基于信息粒度与粗糙集的决策细化研究

从理论上研究了决策表中决策值细化程度与信息粒度、近似分类的精度及近似分类质量之间的关系,结果表明,决策属性的属性值划分得越细,则该属性的信息粒度、近似分类精度和近似分类质量的值就越小.仿真实验同时证明,在基于决策属性划分之下,对任意一个条件属性集经决策细化后的决策表所对应的信息粒度、近似分类精度和近似分类质量的值,都不大于决策细化前决策表所对应的信息粒度、近似分类精度和近似分类质量的值,这个结果对研究决策表属性约简和决策规则的有效性等问题都有指导作用.     

决策细化的粗糙集理论分析

对基于粗糙集的决策系统,从理论上分析了决策数据细化的程度对规则近似质量、近似分类精度、核属性和信息熵的影响.证明了决策属性的属性值划分越细,则其规则近似质量、近似分类精度和信息熵就越小,并且决策表中决策属性值细化后所得到的核属性集一定包含细化前的核属性集.因此,在对决策属性离散化时,决策数据细化的程度要适宜.研究结果对研究决策表属性的约简、决策规则的形成和有效性等问题具有实际意义.     

一类不确定信息下的多属性决策问题的研究

对一类不确定信息下的多属性决策问题进行了研究,给出了不确定信息的定义,即在决策过程中决策者不仅不能准确地估计方案的属性值,甚至不能确定同一属性下方案之间的偏好关系.在此基础上,提出使用具有置信结构的偏序关系来表示不确定信息,并给出了解决这类问题的模型和方法.该方法首先采用证据推理算法对不确定信息进行集成,然后使用优势和劣势这2种指数来确定方案间的偏好关系,并在这2种指数的定义中使用了偏序之间的距离公式.最后通过一个例子说明,在信息不确定的情况下该方法能够帮助决策者做出比较合理的决策.     

基于不确定语言信息的C-OWA和C-OWG算子及其应用

研究了不确定语言信息的集成问题，把连续的有序加权平均（C—OWA）算子和连续的有序加权几何（C-OWG）算子扩展到不确定语言环境之中。提出了一些新的不确定语言信息集成算子，如：加权的不确定语言偏差C-OWA（WULDC-OWA）算子和加权的不确定语言偏离C-OWG（WULDC-OWG）算子等，研究了它们的一些优良性质，如：齐次性、单调性等。分别给出了基于WULDC-OWA算子和基于WULC-OWG算子的不确定语言多属性决策方法，并且用实例对方法的求解过程进行了详细说明。