一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

一种新的决策表属性约简算法

结合模糊聚类技术与粗糙集中属性重要性思想,对同时含有连续、离散、序数型条件属性的决策表,提出一种属性约简算法,并对算法的时间复杂度进行了分析.该方法首先利用聚类技术将决策表的对象按条件属性进行分类,然后对去掉某属性后的决策表采用同样的方法进行聚类,再结合粗糙集理论进行属性约简.实例说明了该方法的合理性和有效性.     

基于距离图的决策表简化方法

首先给出知识表达系统及决策表的距离图的概念 ;随后 ,借助距离图的性质 ,得到一种知识表达系统相容性判定与求核的方法 .特别地 ,这种方法可用于决策表相容性判定及条件属性核的求解 .最后 ,建立了一个利用约简决策表的距离图求决策规则的核值及最小决策算法的算法框架 .     

基于特征矩阵的决策表约简研究

决策表属性约简是粗集分析的重要内容 .最优属性约简是 NP困难问题 ,目前出现的启发式算法多是以决策表的核为起点 .但对于大型决策表 ,核一般计算量大 ,影响了整个算法的效率 .为此提出了一种分析决策表的属性约简算法 ,它不仅不依赖于核 ,反而为核提供了一种有效的计算方法 .其次 ,对人们容易忽略的含噪声决策表的属性约简也进行了分析 .     

基于冲突域渐减的属性约简算法

针对因决策表中存在不一致对象造成的约简求解错误,同时为了进一步提高约简算法求解效率, 首先,给出简化决策表的定义,并证明了简化决策表的核属性和属性约简与原始决策表的核属性和属性约简是等价的. 然后,提出冲突域的概念,分析冲突域的性质,以冲突域中冲突对象个数的变化为度量依据, 研究核属性和属性重要性的性质,同时设计相应的核属性和属性重要性求解算法;在此基础上, 设计基于冲突域渐减式属性约简算法,算法的时间和空间复杂度分别为O(|C|²|U/C|)和O(|U|). 最后的实例和实验结果表明该方法是正确的,高效的.     

改进分辨矩阵下的增量式条件属性约简算法

通过分析现有分辨矩阵的不足,给出了基于条件熵的分辨矩阵定义,以得到不一致决策信息系统下的合理条件属性约简结果.基于改进分辨矩阵的定义,提出了相应的条件属性约简算法,并证明了其约简为不同于代数观点下的约简,而与信息观点下的约简相同.进一步,对该改进分辨矩阵做进一步修正,提出了一个增量式条件属性约简算法.实验结果表明:所提出的改进分辨矩阵下的条件约简算法总体上优于同类求解算法,而其增量条件约简算法能够获得稳定可靠的约简结果,同时约简效率得到较大的提高.     

基于区分对象对集的快速求核算法

为降低基于正区域求核算法的时间复杂度,首先给出了简化决策表和简化差别矩阵及其核的定义。然后给出了简化决策表中条件属性的区分对象对集的定义,并得出区分对象对集与决策表核属性的关系,证明了求决策表的核可以转化到求条件属性的区分对象对集上。再结合简化差别矩阵的核的性质,设计了一个基于区分对象对集的快速求核算法。该算法的时间复杂度优于同类算法的时间复杂度。最后用实例说明了新算法的有效性。     

含冲突的决策表中的决策规则发现

基于Rough集理论中的可辨识矩阵，讨论包含冲突样本的决策表中的决策规则及其可信度和支持度因子，提出决策规则的发现算法，算法通过删除决策表的核属性来引入新的冲突,以获取具有更高适应度的决策原则，最后用实验结果证明算法的可行性。     

不完备决策信息系统的混合条件熵与多属性决策

不完备决策信息系统的多属性决策具有应用意义,其主要依托不确定性度量.针对不完备决策信息系统,现有条件熵及相关决策排序方法具有信息单一缺点,对此提出混合条件熵与对应决策排序方法.首先,层次分解条件熵并引入依赖度,构建直接混合与层次混合两种新型条件熵,得到粒化单调性与度量值大小等性质.然后,由两种混合条件熵设计两种多属性决策排序算法,得到对比五种排序方法的有效性与改进性.最后,实施实际数据集的决策排序实验,证实新建排序方法能够取得条件熵排序方法的一致效果.混合条件熵分层融合了信息表示与代数表示,改进现有条件熵进而更全面表征系统不确定性,其合理排序有利于不完备决策信息系统的多属性决策应用.     

决策表的属性重要性与离散化

运用 Rough集理论处理决策表时 ,要求决策表中的值用离散数据表达。文中形式化描述了离散化问题 ,研究了决策表的属性重要性 ,提出计算条件属性重要性的新方法 ,然后给出基于属性重要性的决策表离散化算法。该算法按照属性重要性从小到大的顺序对每个属性进行离散化 :从可辨别矩阵中得到冲突样本 ,将冲突样本的属性值作为断点的上下界 ,用所有这样的断点化简后得到的断点集对该属性进行离散化处理。