基于决策属性支持度的知识约简方法

提出了一种基于决策属性支持度的属性相对约简算法·该算法利用粗糙集理论分析的方法,通过在知识表达系统中引入决策属性支持度的概念,来描述由条件属性所提供的知识对整体决策的支持程度,并通过决策属性支持度定义了条件属性对决策属性的相对重要性,以此作为启发式信息,可以方便地求出相对核·再以相对核作为求解最小相对约简的起点,按重要性的不同逐次选择重要属性添加到相对核中,直至其支持度达到整体条件属性支持度时为止,此时即得到知识库的最小约简·通过实例分析证明,该方法是有效的·     

基于互信息的并行约简

将并行约简理论和信息论相结合,提出了信息论意义下的并行约简概念（原并行约简理论是代数意义下的并行约简）,并利用互信息的概念提出了基于互信息的并行约简算法．信息论意义下的并行约简的优点在于：处理不一致数据时可以保留比代数意义下的并行约简更多的分类信息．最后从理论上探讨了信息论并行约简和代数并行约简的一致性和差异性,将两者进行了有机统一．     

基于互信息的属性约简改进算法

针对传统粗糙集算法准确率较低,精度较差,分析大规模数据时难以获得理想结果等问题,提出了基于互信息的属性约简改进算法。为了提高算法精度,引入了对条件熵的计算;采用条件概率考量属性重要性,降低了算法的复杂度;计算时,优先计算数据相容性,优化了样本计算数量;利用多组数据集,对比不同分类器和现有算法。实验结果表明,在不增加时间复杂度前提下,改进算法能得到更好的约简规则,获取理想的约简结果。     

变论域知识约简算法

从论域的角度出发,提出了一种变域论域知识的简算法。该算法需要多次计算属性重要度，在计算过程中，不但论域逐步减少，有助于减少计算量,而且相对属性集不断增加，有助于选择出反映特征的重要属性来。实验证明，该算法不失为一种较好的知识约简算法。     

基于依赖度的启发式约简算法

知识约简是Rough Set理论研究中的核心内容之一。文章首先从知识协调性的角度,对知识决策表中属性的依赖度给出度量,并提出了一种基于依赖度的知识相对约简的启发式算法,分析了该算法的复杂性。通过对一个知识系统的实例分析,证明了该算法的可行性和有效性。     

一种基于互信息的粗糙集知识约简算法

针对粗糙集理论核心内容之一的知识约简问题,该文提出了一种改进的互信息的属性约简算法。该算法结合信息论中信息熵与互信息的概念定义了粗糙集里的一种新的属性重要度,并以此属性重要度为启发式信息进行属性约简。实验分析表明:在大多数情况下,该种算法都能够得到决策表的最小约简。     

基于互信息的二进制区分矩阵特征约简方法

基于互信息度量的特征约简是一种重要的Filter特征约简方法,其目的是剔除条件特征中与决策类别不相关的特征,并使约简子集中特征间的相关性最小.为此,本文基于特征间的区分性评价准则,提出了互信息下二进制区分矩阵的特征约简模型,并从理论上证明了二进制区分矩阵模型与互信息模型下特征约简的等价性;其次给出了条件特征的重要性度量准则,并利用渐进式计算方法构造了一种快速的特征约简算法;最后通过实验进一步验证了算法的可行性.     

基于改进差别矩阵的知识约简启发式算法

知识约简是粗糙集理论中的核心内容之一。提出一种改进差别矩阵,在对象比较过程中一次性提取核与用于求约简的所有分辨信息,并保证分辨信息之间不存在包含关系。在此分辨信息基础上,以属性频度为启发式信息给出了一种基于改进差别矩阵的启发式约简及增量式更新方法。理论分析与仿真实验表明,算法在效率上较现有的算法有显著的提高。说明算法的有效性。     

一种改进的粗糙集属性约简启发式算法

提出了一种改进的属性约简启发式算法 ,讨论了启发式信息的构造 .通过两个反例证明了现有的两种属性重要度定义 (基于属性依赖度的定义和基于信息熵的定义 )的不完备性 ,提出了一种加权平均的属性重要度定义 ;在此基础上构造了两种启发式算法 .通过 UCI机器学习数据库中的几个实例验证了此算法的有效性     

基于信息熵的知识约简算法及实现

回顾了粗糙集理论的基本概念,并以信息论观点研究了一种基于信息熵的知识约简算法,该算法对决策表中属性的重要性给出了度量方法。算法实现部分详细说明了系统各模块的设计实现过程并给出了一个运行实例。     

信息系统中知识的距离及基于知识距离的属性约简算法

从粒度计算的观点出发,给出了信息系统中知识距离的定义,指出利用知识距离可以度量信息系统中知识的粗糙性,分析了其相关性质.提出了一种基于知识距离的启发式属性约简算法,算法不需求核,对无核的特殊信息系统计算约简更加有效.     

基于信息熵属性约简的矩阵方法

给出基于信息熵的属性约简的矩阵表示,由此设计一个新的基于信息熵的属性约简算法,并用实例验证算法的可行性.该算法比较直观,容易理解,而且所占用的辅助空间少.     

基于概念格的知识约简算法的实现

探讨了Rough集和概念格的基本理论,将Rough集和概念格模型有机地结合起来,运用Rough集的约简理论提出一种基于概念格的知识约简方法并通过实验进行了验证,结果表明利用Rough集理论对以形式背景形式描述的原始数据集进行约简,可以在一定程度上减小概念格的规模.     

基于互信息测度的平面图像拼接及其测量技术

针对超过摄像机视场范围的待测零件,必须进行多次拍摄,然后对系列图像进行拼接以形成完整的零件图像.为了实现图像获取和拼接的自动化,设计了x-y-z三轴运动控制平台对定焦相机进行精确定位,讨论了图像拼接的一般原理、基于互信息测度的模板匹配算法的图像拼接技术以及提高算法效率的策略.     

基于粗糙集的不完备信息系统知识获取方法

经典粗糙集理论是面向完备信息系统的，为处理不完备信息系统．需要进行理论扩充．本文首先介绍了粗糙集理论的基础知识，然后对经典粗糙集理论在不完备信息系统中的几种扩充模型进行了介绍和分析，并对现有基于粗糙集理论的不完备信息系统知识获取方法的研究进行了总蛄，最后展望了谊理论未来的发展方向．     

基于信息颗粒的粗糙集约简研究

刻划了基于粗糙集信息颗粒的知识库模型,证明了基于基本信息颗粒的一种正区域等价算法,分析了不可分矩阵的性质,提出并实现了基于粗糙信息颗粒的属性约简算法,使粗糙集理论能更好地适应海量数据集的挖掘．     

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。     

基于条件信息量的快速粗集约简算法

为提高粗集约简的效率,提出了一种基于条件信息量的快速粗集约简算法.该算法定义了基于等价块的信息量与条件信息量,并给出了条件信息量的不变性定理与属性重要度的单调性定理.与其他算法相比较,该算法缩小了实例集合的规模,减少了需要计算重要度的属性个数.实验结果表明,保持约简集合不变的前提下,该算法有效提高了粗集约简的效率.