粗糙集在知识约简中的应用

粗糙集是近年发展起来的一种有效地处理模糊和不确定性信息的数学工具,在机器学习和数据挖掘等领域获得了成功的应用。知识约简是粗糙集理论的重要应用和研究内容之一。本文主要讨论粗糙集在知识约简中的应用,以及常见的约简算法的原理及实现。     

基于蚁群算法的粗糙集知识约简

给出了一种新的粗糙集知识约简方法,即结合粗糙集理论的依赖度定义,先给出知识约简转化定理,然后运用一种改进型蚁群算法,采用局部和全局搜索相结合的方法,对知识表达系统进行约简.同时,在适值函数中引入罚函数,从而保证所求的约简在包含最少而非零个属性的基础上有较大的依赖度.通过Matlab计算实例可看出,本文算法对求解知识约简问题快速有效.     

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。     

粗糙集理论中知识约简的信息表示

胡国定教授基于“概念的内涵与外延的反比例关系律”这种思想，给出了一种信息度量方法。本文以粗糙集理论为基础，利用胡教授提出的这种信息度量，讨论了决策表属性约简和信息量之间的关系，证明了对于相容决策表，其属性约简在代数表示和此种方法给出的信息表示下的等价性。并举例说明对于不相容决策表，其属性约简不能用信息量来等价表示。     

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.     

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．     

基于贝叶斯粗糙集模型的属性约简算法

在分析贝叶斯粗糙集模型已有的约简算法的基础上,从含有多个决策类情况下的全局相对增益函数的角度,利用二进制编码方法给出一种求贝叶斯粗糙集所有约简及核的算法,并基于实际应用,给出对求出的所有约简进行筛选的拓展算法。通过算例说明算法的实用性和有效性。     

基于粗糙集理论的膨胀土分级模型及应用

将粗糙集理论与模糊集理论相结合并应用于膨胀土分级问题中,利用粗糙集中的知识约简方法挖掘评价指标.把权重问题转成粗糙集理论中属性重要性问题,建立了关于膨胀土分级评价的关系数据模型。将评价结果与实际的评价结果对比分析,研究结果表明：预测等级与实际结果吻合,比较客观地反映了膨胀土分类的复杂状况,且该方法操作简单。     

一种利用属性序关系的变精度粗糙集知识约简方法

变粗糙集模型主要用于包含错误信息或缺失一些重要信息的决策表的知识获取.该文引入了变粗糙集模型和β上、下分布约简和分布约简(μ约简)的概念,并讨论了它们之间的关系;通过对约简的进一步研究,得到可辩识矩阵及其特性;在此基础上提供了利用属性序关系的约简算法,并通过含有噪声的实例验证了此方法的可行性和有效性.     

用于粗糙集约简的并行算法

通过对数据挖掘粗糙集约简算法的研究, 提出一种基于区分能力指数的信息系统数据划分思想. 先将系统按属性区分能力分成若干子表, 再由子表的约简求原系统的约简, 这种思想较好地简化了布尔函数的化简过程. 根据该思想设计了一个属性约简并行算法, 并利用Petri网模拟工具CPN Tools对算法的负载平衡进行了分析, 通过实验与相应的串行算法在时间上进行了对比, 实验结果显示, 该算法对于对象较多的大规模系统具有较高的效率.     

基于粗集理论的属性约简算法

结合高压输电线路远程监测系统,在参考粗糙集理论的基础上,结合粗糙熵相关知识,针对复杂系统故障影响因子的特点,提出了一种属性约简算法,最后得出相应的算法规则,解决了复杂信息数据简化的问题。实例证明,该算法是可行的。     

粗集理论在知识发现系统中的应用

阐述了粗集理论的基本思想，给出了一个基于粗集的知识发现系统模型，并通过实例说明了这一模型的有效性。     

基于粗集理论的一种规则提取方法

介绍了粗集理论的基本概念,通过对现有基于粗集的最小规则提取算法的分析,发现其缺陷,提出了一种改进的基于粗糙集的规则提取方法,并用UCI数据库中的9个标准数据集从规则集的规则数目、规则集的平均规则长度、规则集的平均规则支持、规则集的预测精度等4个指标对改进的算法进行了测试和对比分析,实验表明了该算法的有效性.     

基于粗集和模糊集的启发式规则约简算法研究

提出了一种新型的决策规则约简方法。基于均匀划分和正态分布隶属度函数,对决策表的连续属性进行模糊化,用欧氏距离贴近度来构建相似矩阵,并提出了一种论域的模糊划分算法;依据粗糙集隶属度进行属性约简的基础上,给出了一种决策规则约简算法,从而达到发掘知识并简化知识的目的。     

遗传算法在粗糙集属性约简中的研究

在粗糙集理论中,决策表的属性约简是一个非常重要的研究课题。通常人们期望找到最小属性约简,而遗传算法根据个体适应值动态地调整个体的交叉概率和变异概率,提高了遗传算法的寻优能力和收敛速度。     

模糊决策粗糙集模型及其属性约简

决策粗糙集基于严格的不可分辨等价关系,只能适用于离散型数据,文中研究了一种新的模糊决策粗糙集模型及相应的属性约简算法.该模型将不可分辨等价关系放松为高斯核模糊T-等价关系,从模糊隶属度角度定义了条件概率,能够直接对数值型数据进行属性约简.利用UCI标准数据集,将该模型与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较,仿真实验结果表明,该模型具有较好的性能.     

基于粗糙集属性约简的文本分类

基于属性约简的方法,放弃以往复杂的规则匹配算法,提出将约简后的多种属性组进行析取,筛选特征项,并构造分类器.实验结果表明,此算法不仅简单,还能降低维数和提高分类结果.