决策表的属性简化

首先定义等价关系族对的后件简化、等价关系族对的简化、决策表决策属性的简化、决策表属性的简化，然后建立了上述的两类简化之间的相互转化关系。     

粗集理论中知识的简化及其相互关系

证明了等价关系族对在前件的交集包含在后件的交集的条件下，它的前件Ⅰ型简化和前件Ⅱ型简化等价，在前件等于后件的条件下，它的前件Ⅱ型简化与等价关系族的简化等价．进而举例说明这样的等价性的存在，致使这三种简化形式相关的定理和性质呈现出较大的相似性．     

基于粗集理论的逻辑函数简化方法

针对数字电路中逻辑函数真值表的特殊形式，利用粗集理论把它处理为一种决策表，用决策表的最小决策算法对其进行化简，然后从真值表中直接归纳出最简的逻辑表达式，此方法简单、快速、特别适用于数字电路中从已知真值表求出相应的逻辑表达式及其对应的逻辑电路，为粗集理论在数字电路中的应用提供有力工具。     

基于云模型的连续属性决策表简化算法

从降低样本数据模糊性及随机性角度出发,提出了一种基于云模型的连续属性决策表简化算法.该算法通过对决策表的转换,建立云相似度概念来刻画样本间等价关系,并采用改进的动态聚类方法自动获取相似样本,完成对样本的较粗粒度表示.实验结果表明,简化决策表在不到原规模十分之一的条件下,取得了大致相当的识别率,从而大幅降低粗集知识获取时间.     

决策表决策值的简化

首先定义了决策规则决策属性的简化,并以此为基础定义了决策表决策值的简化,旨在研究决策表条件值简化的对偶问题,即在保持决策表条件属性集不变的前提下它的条件属性集和决策属性集之间的最简函数关系。在这些定义的基础上,给出了决策规则决策属性简化的表达式和决策表决策值简化的表达式。     

决策表最优特征子集的选择--基于粗集理论的启发式算法

特征子集选择问题是机器学习的重要问题。而最优特征子集的选择是NP困难问题,因此需要启发式搜索指导求解。基于粗集理论,本文提出了一种新的决策表最优特征子集选择的启发式算法。和以往的方法相比,这种算法简单实用,在一定条件下能够以较高的效率得到最优特征子集。     

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。     

一种基于粗集的决策表求核算法

决策表是粗集理论的处理对象,其核属性的计算往往是决策信息约简过程的出发点和关键.大多数决策表的求核方法是基于差别矩阵的,具有较高的时间复杂度和空间复杂度.基于区分表,提出一种效率更高的计算核属性的算法,并验证了算法的正确性.     

基于粗集理论的数据挖掘

本文论述了粗集理论的基本原理和数据挖掘的一般过程,提出了基于粗集理论的数据挖掘算法,并结合大气污染实例分析数据挖掘的过程,最后论述了粗集理论在数据挖掘中的优、缺点及其应用范围.     

决策表决策值的简化

首先定义了决策规则决策属性的简化，并以此为基础定义了决策表决策值的简化，旨在研究决策表条件值简化的对偶问题，即在保持决策表条件属性集不变的前提下它的条件属性集和决策属性集之间的最简函数关系。在这些定义的基础上，给出了决策规则决策属性简化的表达式和决策表决策值简化的表达式。     

一种新的基于决策熵的决策表约简方法

分析了在知识约简过程中经典粗糙集理论决策表知识约简方法的不足.以知识粗糙熵为基础,将一致和不一致对象分开,提出决策熵的概念及其属性重要性,在此基础上给出约简的判定定理;然后以条件属性子集的决策熵来度量其对决策分类的重要性,提出一种新的知识约简启发式方法.理论分析和实验结果表明,基于决策熵的属性重要性是一种更有效的启发式信息,该方法时间复杂度较低,有助于搜索最小或次优约简.     

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．     

一种新的基于决策熵的决策表约简方法

分析了在知识约简过程中经典粗糙集理论决策表知识约简方法的不足。以知识粗糙熵为基础,将一致和不一致对象分开,提出决策熵的概念及其属性重要性,在此基础上给出约简的判定定理;然后以条件属性子集的决策熵来度量其对决策分类的重要性,提出一种新的知识约简启发式方法。理论分析和实验结果表明,基于决策熵的属性重要性是一种更有效的启发式信息,该方法时间复杂度较低,有助于搜索最小或次优约简。     

一种基于二进制分辨矩阵的属性约简新算法

决策表的属性约简是粗糙集理论中的关键问题之一,高效启发式约简算法有待深入研究。基于二进制分辨矩阵,定义“加权重要度”来度量属性相对重要性;这一概念综合利用分辨矩阵行和列2个方向的特征,将其集成为一个归一化的概念,因而在排序过程中能有效避免从行、列2个方向独立排序。基于“加权重要度”概念,提出一种新的启发式属性约简算法;仿真实验结果表明,与参考算法相比,新算法有效缩短了运行时间,更有可能获得系统的最优约简。     

基于粗糙集的旅游突发事件属性约简

通过对大量旅游突发事件的样本数据进行分析和处理,给出了旅游突发事件中决策系统的构建过程,该过程包括属性提取、属性分类(将属性分为条件属性集和决策属性集)和数据清洗.然后在此基础上构建了一个广泛适用的决策表,并应用粗糙集中基于Pawlak属性重要度的属性约简算法对该决策表进行了属性约简.经过属性约简后,在保持决策表的条件属性和决策属性依赖关系不变的前提下,降低了决策表相对于决策属性的条件属性个数,减少了论域的样本数目,从而可以得到一个更有价值的决策表系统.实验结果表明,在约简后的决策表中可更容易地得出简洁实用的决策规则,甚至可以发现一些潜在的决策关系,能在一定程度上提高旅游突发事件关联规则的获取和决策能力.