决策表约简方法的关系

讨论决策表的正域约简及基于包含度的约简方法的性质及相互关系,证明了分配协调集是正域协调集,且保持近似分类精度与近似分类质量不变.另外,信息系统的约简问题可以转化为相容决策表的约简.     

一种基于粗糙集的知识约简方法

最佳知识约简问题是信息系统与知识发现中面临的一个重要问题．提出了基于粗糙集的理论对信息系统生成的差别矩阵进行约简的方法．该方法先对连接差别矩阵进行一致化处理，然后再将差别矩阵进行约简，最后在约简后的矩阵中作最佳知识约简．     

一种基于粗糙集的知识约简方法

最佳知识约简问题是信息系统与知识发现中面临的一个重要问题.提出了基于粗糙集的理论对信息系统生成的差别矩阵进行约简的方法.该方法先对连接差别矩阵进行一致化处理,然后再将差别矩阵进行约简,最后在约简后的矩阵中作最佳知识约简.     

基于变精度模型的平分互测动态约简粗糙集知识发现方法研究

普通粗糙集模型对数据噪音的高度敏感限制了其在工程实际中的应用，本文在变精度模型近似约简的基础上提出了数据全集随机平分互测法以提高数据的利用率。为克服数据集随机分割带来的约简值浮动变化的问题，本文提出了动态约简的方法筛选出最优约简，将此最优约简应用于数据全集生成最优规则。     

变精度粗糙集β下近似属性约简

从属性集角度研究变精度粗糙集模型的属性约简问题,在对象集上定义了一种β下近似二元关系,并利用这种关系建立了属性集及其幂集上的等价关系,由此产生依赖空间。同时利用定义的二元关系和依赖空间给出了变精度粗糙集的β下近似协调集的判定定理,得到一种保持每个决策类的β下近似不变的属性约简方法。最后通过实例验证方法的有效性。     

属性约简方法评介

阐述了粗糙集理论的基本概念，详细论述了有关属性约简的几种方法(包括常规的约简方法、改进的可分辨矩阵和属性的约简方法、用户相关的约简方法、基于粗糙熵的约简方法以及JOHNSON约简方法)。     

基于模糊粗糙集的一种知识获取方法

将粗糙集理论与模糊集理论相结合,提出了一种基于模糊粗糙集的知识获取方法．该方法利用模糊集理论对决策表中连续属性进行模糊化;通过定义模糊等价类得到模糊粗糙近似空间的上、下近似,从而获取决策规则．实例验证了此方法的有效性．     

基于模糊粗糙集的一种属性约简算法

将粗糙集理论与模糊集理论相结合,提出了一种基于模糊粗糙集的属性约简算法。该方法引入了模糊C均值聚类算法用以连续属性的模糊化;并通过聚类有效性分析来确定最佳分类数目;克服了目前属性模糊化方法需要人为规定划分类数,几乎不考虑信息系统的具体属性值等缺点。实例验证了此方法的有效性。     

粗糙集理论中决策表属性约简的信息表示

主要讨论了决策表属性约简和信息熵之间的关系,证明了对于一致决策表,其属性约简在代数表示和该文给出的信息表示下是等价的,并举例说明,对于不一致决策表,其属性的约简不能用信息熵来等价表示。     

一种基于粗糙集的约简算法

在决策表中求取知识时可以进行属性约简,而属性约简中大部分算法都需计算核．文章基于现有的属性约简算法,提出了改进的约简算法．该算法不需要求核,从而节约了时间与空间,使粗糙集在面对大数据时能更好的处理．     

变精度粗集模型中变精度值的估计

变精度粗集模型是一种有参数的粗集扩充模型．目前,基于变精度粗集模型知识约简和学习的各种算法中,参数届值都是作为领域的先验知识而被直接引入．而β值不同,约简的结果一般也不同,因此有必要寻求一种方法,实现从原始数据集本身出发完成对β值的估计和选择,从而摆脱β先验知识对结果的影响．结合决策表确定性度量和决策表相对辨识性方法,分别研究了β值的估计和选择以及参数β值对约简结果的影响．通过实例进行了分析,结果表明在利用变精度粗集模型提高系统容错度时,厣值选择是必要的。     

一种具有对称性的变精度粗集模型

为了能够从不完备决策表(IDT)中进行知识发现和数据挖掘,提出一种新的具有对称性的双重可变精度限制容差关系粗集模型(VPLTRST).在该模型中,设定一对可调的参数使其作用于由IDT衍生出的限制容差关系,从而形成上下近似集.文中还提出新的在该模型下的知识依赖以及依赖度的定义,并以此作为依据进行知识约简.结合实例,清晰详实地展示了双重精度下如何获得所有知识约简并最终获得决策规则的全过程,具有很好的效果.     

一种具有对称性的变精度粗集模型

为了能够从不完备决策表（IDT）中进行知识发现和数据挖掘，提出一种新的具有对称性的双重可变精度限制容差关系粗集模型（VPLTRsT）．在该模型中，设定一对可调的参数使其作用于由IDT衍生出的限制容差关系，从而形成上下近似集．文中还提出新的在该模型下的知识依赖以及依赖度的定义，并以此作为依据进行知识约简．结合实例，清晰详实地展示了双重精度下如何获得所有知识约简并最终获得决策规则的全过程，具有很好的效果．     

基于k等价度容差关系的变精度粗糙集模型及其约简算法

针对k等价度容差关系,提出了一种基于k等价度容差关系的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展．在此基础上,定义了变精度粗糙集模型约简的概念,讨论了一种刻画属性重要性的新指标,提出了一种启发式约简算法．该算法能从搜索空间中不断地添加重要的属性,并且删除不重要的属性,从而降低了约简的时间复杂度．最后,通过实例说明该算法的有效性．     

关于变精度粗糙集模型近似算子性质的一点注记

通过引进一对新的增值算子,对变精度粗糙集模型的部分性质进行推广,把并与交的β上下近似集之包含关系推广到相等关系(定理2).     

基于可变精度粗糙集模型的有导师机器学习

机器学习是人工智能领域中重要的研究课题,基于经典粗糙集的机器学习,只有学习者的分类被完全包含在导师的分类中时,才形成决策规则,条件比较苛刻;而基于可变精度粗糙集理论的有导师机器学习,根据学习者的分类包含在导师的分类中的包含度αi,与事先给定的精度系数β的比较,来求取具有一定相容性的决策规则,该方法更具有灵活和实用性。     

基于可变精度粗糙集理论的聚类算法研究

简要介绍了一种将粗糙集理论应用于传统的聚类算法 ,从而改进了算法的效率 ,并以Iris数据集为例说明了这种思想 .     

不相容决策表中知识约减算法的比较分析

对不相容决策表分别使用3种知识约简方法(代数方法、信息熵方法和差别矩阵方法)得到的结果可能不同。在此概括这些知识约简并介绍其在分析不相容决策表中的作用。因此对于知识约简方法的选择,可以由不同决策粒度的需求决定,从而可以在相似和不确定推理的模型下生成合适的决策规则。结论对今后数据预处理的模型和算法的研究有一定作用。     

基于变精度粗糙集的入侵检测研究

网络行为的复杂性和动态变化使得入侵检测数据中存在大量干扰信息,入侵检测的误警率和漏警率很高,变精度粗糙集增强了粗糙集模型的抗干扰能力,适合分析不确定的数据集合。运用变精度粗糙集为入侵检测系统进行形式化描述,建立入侵检测信息系统和入侵检测模型。设计β参数调整算法,将训练数据集离散化后进行信息系统约简,然后生成入侵检测规则库,根据规则库进行入侵检测。模拟实验证明本方法具有良好的检测性能,可以适应网络行为的动态变化并检测出潜在的攻击行为。     

基于变精度粗糙集的一种新的区间数排序方法

针对模糊环境下的多属性决策中属性权重信息未知且属性值是区间数的情况,利用粗糙集理论将区间数排序问题转化为实数域上的排序问题,得到基于变精度粗糙集的一种新的区间数排序方法.