模糊信息系统上的粗糙约简

:基于粗糙集理论和模糊等价关系,提出了模糊信息系统(FISs)在不同粒度划分上的知识约简方法和属性重要性度量.这些约简利用了2个水平划分参数(或对象相似度)α、β,其中相对约简与属性重要性度量采用了决策类的水平集正区域公式.利用水平集粗糙成员函数得到分布约简与分配约简方法,它们扩展了Pawlak信息系统(PISs)上的属性约简方法,解决了FISs上的知识获取与特征选择问题.同时,基于不同粒度下的等价类,给出了FISs上可辨识属性矩阵、分布约简和分配约简的辨识公式,克服了经典方法在FISs上的不适用性.示例结果表明,在不同粒度空间上,这些约简方法产生了与全部属性具有最大程度分辨能力和规则置信度的属性子集.     

测试用例约简技术及其在单元测试中的应用

测试用例的质量和数量决定软件测试的成本和有效性，本文提出了一种测试用例的简约方法。该方法首先根据测试需求之间的关系，给出各个参数的候选集；然后根据模块接口参数运行的模拟图、数据覆盖和模拟路径覆盖的原理得出测试用例基本集，即测试命中集。本文还提出了在单元回归测试过程中，可以按照一定原则进行属性简约，在剩余属性集合中再进行测试用例的简约。实验表明，该算法在减少测试成本和提高测试效率方面取得了很好的效果，并且极大地增强了它的可操作性。     

基于程度粗糙集模型的近似约简和近似相对约简

知识约简是在保持知识库分类能力不变的务件下，删除其中不相关或不重要的知识，它是粗糙集理论的核心内容之一。基于程度粗糙集模型提出了知识的近似约简和近似相对约简的定义，并且讨论了它们的一些相关性质。近似约简和近似相对约简是Pawlak粗糙集模型下的约简和相对约简的推广，它们能够在一定误差允许下约简更多的知识，使问题更加简化，同时也为获取近似决策规则奠定了基础。     

一种改进的相对属性约简算法

研究了粗糙集理论中一般属性约简和相对属性约简这两个重要问题,针对决策信息系统,提出一种基于一般约简和互信息的相对属性约简算法,实例表明能够有效得到决策表的约简。     

一种新型知识约简法在数据挖掘中的应用

数据挖掘是一门新兴技术。在数据提取中如何去除冗余数据是数据挖掘研究的重点之一。在研究粗糙集理论的基础上，将属性约简法应用到数据挖掘的知识约简中，可有效地删除冗余数据，并能取得较好的约简结果。     

广义决策约简同相对约简的关系

对广义决策约简和相对约简的关系进行了研究。给出了广义决策约简是相对约简的充要条件和相对约简是广义决策约简的充要条件。特别的,得到了决策属性只取两个决策值的决策表,其广义决策约简同相对约简是等价的。通过本文使得利用广义决策约简计算相对约简和在一定的条件下利用相对约简计算广义决策约简成为可能。     

基于分布约简的差别矩阵方法研究

在不相容信息系统中,代数观点与信息论观点下的属性约简是不等价的.阐述了分布约简与信息论观点下约简的等价性,分析了代数观点下差别矩阵的缺陷,提出了基于分布约简的差别矩阵方法.该方法不仅考虑所比较对象是否不一致,并且深入分析其不一致性的程度及所属条件等价类在决策类中的分布比例,得到信息系统在分布约简概念下的约简.理论分析与仿真实例表明了该算法的可行性和有效性.     

基于Rough集的数据挖掘在教学评价中的应用

基于粗集的数据挖掘的主要过程是数据预处理、约简及规则提取.为了分析教师教学行为和教学效果之间的关系,以教学评价的数据为基础,利用基于粗糙集的数据挖掘技术进行挖掘.实例研究中采用基于分明矩阵的属性约简算法和启发式属性值约简算法,去掉决策表中的冗余属性和属性值,得到了影响教学效果的关键因素刎和相关规则.     

决策表的最近近似约简

属性约简是粗糙集理论研究的核心内容之一,为此,在提出了最近精确集概念的基础上,研究了决策表属性约简方法一最近近似约简．数值例子表明,该方法简单有效．     

一种基于粗糙集的数据分类方法

应用粗糙集理论的属性约简和规则约简方法对数据进行分类,并以可靠的数据对该方法进行了实验.结果表明,该方法复杂度低,且能有效提高分类效果.     

决策系统属性约简的关系矩阵算法

建立决策系统与关系矩阵之间的联系后,从关系矩阵的角度研究属性重要性的指标,并利用该指标作为启发式信息提出一种新的属性约简算法.该算法具有较大的灵活性,能够从搜索空间逐次删除不重要的属性,避免对这些属性进行重复搜索,提高了搜索的效率.该算法可行有效.     

一种基于粗糙集理论的决策规则提取方法

粗糙集理论是一种新兴的数学工具,用于分析、处理不确定或不完整的复杂信息,适合于从大量复杂的数据中发现隐含的、潜在有用的规律。提出了一种基于粗糙集理论的决策规则提取方法,通过重要度分析和属性约简,找出影响决策属性的关键因素。通过值约简,得出决策规则。运用该方法对大学生自主学习风气与能力培养之间的关系进行研究,实例分析表明,这种新的方法具有实际应用价值。     

信息系统相容性和属性约简理论

属性约简贯穿知识发现的整个过程,对知识发现的结果和精度都有很大影响.以信息理论为基础,提出了信息系统相容性和属性约简若干严格的数学概念,对信息系统的条件属性进行了严密的分类,且给出了一些判别法则,以及信息系统相容性判别算法和具有线性计算复杂度求极小属性约简的算法.     

决策表的最近近似约简

属性约简是粗糙集理论研究的核心内容之一．为此,在提出了最近精确集概念的基础上,研究了决策表属性约简方法一最近近似约简．数值例子表明,该方法简单有效．     

基于精集模型的近似约简灰色区域表征法

利用粗集理论，通过建模构造了数据集在约简前后的信息损失表达的灰色区域，将少数优先和多数优先的统计策略包含到灰色区域之中，并利用该区域，提出了一种灰色区域表征的σδ-近似约简方法，通过仿真实验，对提出的方法进行了验证。该方法按照人的要求调整阂值获得问题所需解的思想体现了人机结合以人为主的思想。     

基于D-S证据理论直接求代数约简和代数核

 针对不一致决策表,现有基于D-S证据理论的处理方法是将它先转化为一致决策表,再对所得的一致决策表计算其广义决策约简.具体算例研究表明,广义决策约简与代数约简有时并不一致.理论证明了广义决策约简仅与分配约简等价,针对不一致决策表,通过修改判断指标,提出一种基于D-S证据理论直接计算其代数约简和代数核的新方法,其正确性得到理论证明和数值算例的验证.     

一种基于粗糙集理论的值约简算法

基于粗糙集理论,提出一种无需建立差别矩阵,无需计算分明函数的值约简算法,阐述该算法的设计思想和具体步骤,并用具体算例证明此算法可行,而且获取的规则是完备无冗余的。     

粗糙集高效遗传约简算法

提出了简化差别函数的概念及其算法，简化差别函数不仅具有与决策表相同的决策能力，而且剔除了由决策表导出的原始差别函数中的重复项和冗余项．为了降低遗传约简算法适应度函数的搜索空间，有效提高计算速度，又提出了一种高效遗传约简算法，其将染色体时简化差别函数的覆盖度以及染色体中包含1的个数作为适应度函数的参数，从而保证了算法朝着最小约简收敛，并从理论上证明了算法的属性约简结果为最优，算法的时间复杂度为O（｜f′｜｜｜C｜｜U｜^2）,同时，通过4个实例对算法进行了验证，结果表明简化差别函数的项分别为原来的0．39％、0．0008％、0．00008％和0．0003%，且在500代以内能够获得最小属性约简．