一种改进的分辨矩阵构造及求核算法

属性约简是粗糙集理论中的重要内容,而获取核属性又通常是计算属性约简的一个关键步骤.为使算法能同时应用于一致和不一致决策表,并精简分辨矩阵中的元素,优化时间性能,文章提出一种改进的分辨矩阵构造方法,构造的过程中充实核属性集,新产生的核集又能进一步优化分辨矩阵的构造.通过实例分析算法,并通过实验验证了该算法是可行有效的.     

粗集理论中的决策表条件属性的简化

根据粗集理论，给出一些概念的新的形式定义，包括决策表、决策表的正区、决策表条件属性的简化、等价关系族对前件Ⅱ型简化等，并讨论了几个等价关系，包括决策表的正区与等价关系族对正区的等价性，决策表条件属性的简化和等价关系族对前件Ⅰ型简化的等价性，协调决策表条件属性的简化和等价关系族对前件Ⅱ型简化的等价性等．     

一种基于粗集的决策表属性值约简改进算法

属性约简和值约简是粗糙集理论中的重要内容.文章提出一种适用于决策表的属性值约简改进算法AVRIMC,对分辨矩阵中的每一行,直接利用吸收率和求得的值核信息,优化该行后续元素的构造;最后用UCI数据集进行实验,并与文献中算法相比较,结果表明本算法在保持正确性的基础上,时间性能有一定程度的改进.     

决策表最优特征子集的选择--基于粗集理论的启发式算法

特征子集选择问题是机器学习的重要问题。而最优特征子集的选择是NP困难问题,因此需要启发式搜索指导求解。基于粗集理论,本文提出了一种新的决策表最优特征子集选择的启发式算法。和以往的方法相比,这种算法简单实用,在一定条件下能够以较高的效率得到最优特征子集。     

基于知识粒度的不完备决策表求核方法

为降低不完备决策表求核算法的时间复杂度,本文构造了粒度二进制的差别矩阵.然后定义属性重要性及相应的核,由此设计了一个基于不完备决策表的粒度二进制差别矩阵的求核算法,并分析新算法的时间复杂度,其时间复杂度降为max{O(|C||U||Upos|),O(K|C||U|)},优于同类算法的时间复杂度,最后用实例说明了该算法的有效性.     

一种基于依赖度的决策表属性约简算法

属性约简是粗集理论研究的重要内容之一,计算所有属性约简已被证明是NP-hard问题,目前尚不存在一种非常有效的方法。基于依赖度的决策表属性约简算法,可同时适用于一致和不一致的决策表,实验结果表明,与Hu提出的属性约简算法相比,该算法不仅简单可行,而且具有较好的时间性能。     

基于粗集理论的教学评估体系优化方法

在教学评估过程中,采用粗集理论的属性约简算法可以优化指标评价体系,剔出冗余指标。该方法根据区分矩阵原理构建属性频率函数,进而分析出关键性指标。算例结果显示,根据选出的5个指标依然有很高的分类质量和分类精度,证明了该方法是可行的。     

一种针对不相容决策表的属性约简改进算法

研究不相容决策表的属性约简问题.在对现有约简算法局限性分析的基础上,提出一种基于等价划分的属性约简改进算法.该算法不仅从整体上划分了决策表,使其适用范围更广,还使用了过滤矩阵与属性频率重要性的计算方法,提高了算法的效率.最后通过理论证明和实例分析,验证了该算法的有效性.     

基于粗集理论的数据挖掘

本文论述了粗集理论的基本原理和数据挖掘的一般过程,提出了基于粗集理论的数据挖掘算法,并结合大气污染实例分析数据挖掘的过程,最后论述了粗集理论在数据挖掘中的优、缺点及其应用范围.     

基于粗集理论的一种相容决策表的学习算法

基于粗集理论,针对相容系统规则,提出一种新的相容系统决策表归纳学习算法,并通过实际例子说明该算法的有效性和可信度,与以往的相容决策表的归纳学习算法相比较,这种算法比较简单,而且能够全面地获取规则且没有冗余。给出了具有较高可信度的规则挖掘过程。     

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。     

基于正区域的快速求核算法

基于正区域求核算法的最好时间复杂度为O(|C|2|U|log|U|),为降低该求核算法的时间复杂度,给出了基于正区域的简化决策表定义和相应核的定义.证明了该简化决策表的核与原决策表的核等价.由于求正区域的简化决策表首先要求划分U/C,而求划分U/C的最好算法的时间复杂度为O(|C||U|log|U|),因此以基数排序的思想设计了一个新的求划分U/C的算法,其时间复杂度为O(|C||U|).最后以快速缩小搜索空间为目的设计了一个新的求正区域POSC(D)的算法.在此基础上,利用核的性质设计了一个新的求核算法,其时间复杂度为max(O(|C||U|,O(|C|2|U/C|)).并用实例说明了算法的实用性.     

基于可变精度粗集模型的增量式规则获取算法

为了获取最小决策规则集，当增加新样本时，传统的方法通常需要对决策表中所有数据重新计算，效率欠佳。从可变精度粗集模型理论出发，讨论了新增记录与已有条件属性等价类的关系及对规则集的影响，在此基础上提出了基于可变精度粗集模型的增量式规则获取算法。通过仿真实验表明，这种增量式算法是可行的。     

基于可变精度粗集模型的增量式规则获取算法

为了获取最小决策规则集,当增加新样本时,传统的方法通常需要对决策表中所有数据重新计算,效率欠 佳.从可变精度粗集模型理论出发,讨论了新增记录与已有条件属性等价类的关系及对规则集的影响,在此基础 上提出了基于可变精度粗集模型的增量式规则获取算法.通过仿真实验表明,这种增量式算法是可行的.     

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)。     

基于等价类的不一致决策表约简改进算法

对Rough集的属性约简进行分析,特别针对不一致决策表,提出一种新的约简算法。算法通过等价类消除决策表不一致性,然后利用传统算法进行约简,并用实例证明算法可行性。     

基于粗集的混合变量决策树构造算法研究

文章提出混合变量决策树结构,并在此基础上提出基于粗集理论的混合变量决策树构造算法RSH2,算法在每个结点选择尽可能少的属性明确划分尽可能多的实例,减小了决策树规模,且易于理解。将RSH2算法与ID3算法及基于粗集的单变量决策树算法HACRs进行实验比较,结果表明该算法有良好性能。     

基于粗糙集决策树优化研究

决策树分类方法是一种有效的数据挖掘分类方法.单变量决策树结构简单,但规模较大.多变量决策树是为了进一步缩减树的规模而提出的决策树结构,通过选取属性的合理组合作为分裂属性,可使树的规模相对较小.文章在对以往所提出的混合变量决策树算法RSH2的抗噪性差和属性被多次选取等问题进行改进的基础上,提出了基于粗糙集的多变量决策树算法VPMDT.通过与ID3、HACRs、RSH2和C4.5等算法进行的实验比较表明,VPMDT有较好的时空性能,并保持较高的分类预测正确率.     

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.     

基于粗集理论的决策分析

管理信息系统建设的重要目标之一是利用系统运行所积累的数据辅助用户进行决策分析 ,因此从数据中挖掘隐含的知识是建立决策系统的基础。粗集理论是知识发现的基础理论之一 ,是目前在知识发现领域研究最活跃的技术之一。文章从粗集的基本体系出发以优化疾病治疗方案为例 ,探讨其在决策分析中的应用