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.     

决策粗糙集的属性约简准则研究

属性约简是粗糙集理论研究的重要内容之一.在传统Pawlak粗糙集模型中,随着属性数量的单调变化,下、上近似集也单调变化.然而,在决策粗糙集模型中,随着属性的单调增加,下、上近似集有可能增加也有可能减少.针对这一问题,从优化角度给出了决策单调准则、一般性准则和代价准则的适应性函数并通过遗传算法求得三种准则下的约简.实验结果表明:决策单调准则约简获得了更多的正域规则;一般性准则约简获取了最多的正域规则;代价准则约简获得了最小的决策代价.     

一种基于粗糙集的单一属性分类的约简方法

粗糙集的应用中,对象集通常具有数量大、属性多、单一属性分类大的特点,这是在已有知识基础上提出规则时所遇到的3个主要问题,针对其中单一属性分类的约简问题提出了一种新的方法,它采用了先合并分解再综合的思想简化问题的求解,能快速有效地发掘信息中蕴涵的规则。     

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。     

一种基于粗糙集属性约简的图像隐藏信息检测方法

基于统计分析的检测方法是图像隐藏信息检测常用的方法,与特定隐写分析方法相比,它比较灵活,能够快速地适应新的或未知的隐写算法.针对特征属性高维的特点,采用粗糙集属性约简的方法来降低数据规模.实验表明:与采用全部属性的检测系统相比,该方法在不影响分类精度的前提下有效提高了检测速度.     

粗糙集属性约简判别分析方法及其应用

为了解决统计逐步判别分析法存在的问题,提出了一种基于粗糙集属性约简的统计判别分析方法.首先采用粗糙集属性约简进行变量筛选,这样可充分利用粗糙集属性约简不需要属性分布的先验信息这一特点,再对所选择的变量进行Bayes判别分析训练,建立判别函数或相应的后验概率函数,以解决选择变量过程中存储量较大且检验变量的重要性总体服从正态分布这一主观性假设等问题.通过对油气储层数据的实际分析表明,所提方法不仅易于实施,而且检验数据集的判别准确率高于统计逐步判别分析法,同时可节省预测成本,提高预测速度.     

基于图的粗糙集属性约简方法

属性约简是粗糙集理论研究的一个基本问题,它是一种有效的数据约简方法。然而,目前很多的属性约简算法在面对高维数据集时仍然不够高效。文中利用图论的相关理论和方法,对基于区分矩阵的粗糙集属性约简方法给出了直观和等价的刻画。在此基础上提出了基于图论的粗糙集属性约简方法。实验结果表明,新的属性约简算法在面对较大规模的数据集,尤其是高维的数据集时,不仅能有效地降低数据的维数,同时运行速度快且能保持较高的分类精度。     

一种改进的模糊粗糙集属性约简启发式算法

介绍模糊粗糙集约简算法,利用模糊区分矩阵产生最小约简.通过分析,说明了算法的不足,提出相应的改进策略.将启发性知识结合区分矩阵,提出了基于属性特征权值的启发式约简算法,文中算法意义更加直观,计算也更加简单,提高了约简算法的速度.采用VC进行实验,通过对多个UCI数据集进行测试,结果说明了改进算法的有效性.     

一种多阈值邻域粗糙集的属性约简算法

δ-邻域计算是邻域粗糙集模型中操作最为频繁和复杂的。针对邻域计算,提出了利用多阈值替代单一阈值,并根据样本空间的分布,提出块集概念,证明了每个样本的邻域只存在于与之相邻的块集中。在此基础上,提出基于块集的多阈值邻域粗糙集的属性约简算法,降低了计算邻域的时间复杂性,并利用多个UCI标准数据集对该算法进行验证,结果表明,该算法行之有效。     

一种基于条件熵的粗糙集属性约简算法

粗糙集(Rough set)理论是一个新的数据挖掘方法，其主要思想是保持分类能力不变的情况下，通过属性约简，达到发掘知识并简化知识的目的。本文在理解和分析基于粗糙集理论的数据挖掘算法基础上针对属性约简提出了一个基于条件熵的启发式算法。     

一种基于MapReduce的粗糙集并行属性约简算法

云计算技术是海量数据挖掘的一种高效解决方案,将MapReduce并行计算模型与粗糙集属性约简算法相结合,提出一种基于MapReduce的浓缩布尔矩阵并行属性约简算法.该算法提高了粗糙集属性约简算法对大数据的处理能力和效率,并能适应云计算环境.实验结果表明,所提算法具有良好的效率、加速比和可扩展性.     

一种基于优势粗糙集的多属性决策排序方法

多属性决策问题的实质是利用已有的决策信息,通过一定方式对备选对象进行分析、排序、择优和评价,以找到一种简捷方便的排序方法.运用优势粗糙集理论对决策对象进行详细的分析,在此基础上,针对多属性决策排序结果中并列决策现象的存在,将基于信息量的属性重要性度量引入到优势度排序方法中,进一步细化排序结果.最后通过与其他排序方法在具体算例中的对比分析,验证了该方法的合理性、有效性.     

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.     

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.     

一种改进的属性约简方法

属性约简是粗糙集理论的核心问题之一，现已证明寻找最优约简是NP-hard问题。本文在连接差别矩阵的基础上，采用贪心算法的策略，提出了一种启发式算法来寻求最优约简。该算法不仅能在有核的决策表中通过核进行属性扩充求得最优约简，而且在无核的决策表中也能根据属性在连接差别矩阵中出现的频率求得最优约简。经实例验证该算法是有效的。     

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．     

基于粗糙集的互信息求取属性约简的决策算法

在文献[1]提出的决策表属性约简的信息熵表示的基础上,给出了一种基于互信息求取属性约简的算法.同时给出了该算法的时间复杂度分析,并举例验证了所提出算法的有效性和实用性.     

一种面向增删操作的粗糙集属性约简更新算法

属性约简是粗糙集理论的核心内容之一,在信息系统的对象信息不断出现增删等更新操作的环境下,如何进行快速有效的属性约简则是一个亟需解决的迫切问题.提出一种面向增删操作的属性约简更新算法,面向更新前后的决策表,首先分析了对象信息动态增加与删除情况下信息熵的变化机制以及约简属性对新增或删除对象的区分情况,然后提出基于区分情况的新条件熵值的计算方法,最后给出基于散列表的属性约简更新算法.实验结果证明,本文方法可以快速求解出增删更新后的属性约简结果,其性能较传统方法有较大优势.     

基于克隆选择的粗糙集属性约简方法

基于免疫克隆选择的原理，提出了一种新的粗糙集属性约简方法，将属性集合的分类近似质量作为进化目标，利用免疫反应的分布性特点通过局部并行搜索实现全局优化，并采用抗体更新和亲和力抑制手段来维持群体的多样性，保证了各抗体局部优化解的稳定性，从而获得了多个优化约简集合，通过机械故障诊断数据的实例应用，表明该方法可以获得多个符合分类质量要求的属性约简集合，因此满足了设备故障诊断的特征优化选择要求。