基于属性递减策略的属性约简递归算法

属性约简是粗糙集理论的核心研究内容之一。通过对某些现存属性约简算法分析,发现它们并不能有效地或正确地获取约简结果。为此,论文提出了一种基于属性递减策略的属性约简递归算法,该算法首先求出每个条件属性的依赖度,然后依次从条件属性集中减去依赖度较小的属性,并判断剩余属性集依赖度是否为1,如果是,则算法递归执行。最后把所获属性集并入约简集并求得核。该算法不仅能够快速计算出所有约简和核,而且运算简单、计算量较少,从而提高了算法效率。实例验证表明,该算法能更有效地对决策表进行约简,具有很强的实用性。     

一种基于属性依赖的属性约简算法

针对现有属性约简算法存在的问题,利用信息论和粗糙集理论,提出了基于属性依赖的属性约简算法,该算法不用求核.首先利用单个条件属性与决策属性的依赖度来选择条件属性,取与决策属性依赖度大的属性,计算完毕后,将得到的条件属性两两之间进行依赖度计算,删除冗余属性,最后得到条件属性的约简.理论分析及实验结果表明该算法具有较好的约简效果及更高的运行效率.     

基于模糊粗糙集和蜂群算法的属性约简

为获取连续属性数据集的最小属性子集,提出一种基于模糊粗糙集和人工蜂群算法的约简方法。首先由边缘蕴含算子和t-模给出集合的模糊粗糙近似,以下近似构建模糊粗糙正域,并据此确定决策属性对条件属性集的依赖度,然后通过依赖度和约简率构建能够反映属性集大小和重要性的目标函数,将属性约简问题转化为优化问题,最后以目标函数为迭代准则,利用人工蜂群优化算法完成数据集的属性约简。仿真结果表明:该方法在不降低分类正确率的同时,可以有效降低属性维数。     

基于依赖度的约简算法在配电网故障诊断中的应用

针对配电网发生故障后,送入调度中心海量不确定和不完整信息导致难以得出准确结论的问题。利用本文给出的基于依赖度的算法对决策表进行属性约简,得到最小约简属性。本文利用vc++语言编程实现了对故障绝决策表的约简,并通过实际算例测试,验证了算法的有效性和准确性。     

基于粗糙集方法的知识发现

属性约简和属性值约简是租糙集理论中的重要研究内容,也是粗糙集理论应用于知识发现的主要方法.但求取任意问题的最小属性集是一个NP难问题.本文利用属性间的知识依赖度,提出了一个求取属性约简的贪心算法,它可以在多项式时间内得到一个约简.同时,把粗糙集方法应用于知识发现,通过属性约简删除信息系统的冗余属性,减少数据量,再利用属性值约简,获取决策规则.最后通过实例说明了基于粗糙集方法的知识发现过程,验证了方法的有效性.     

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。     

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.     

一种基于依赖度的决策表属性约简算法

属性约简是粗集理论研究的重要内容之一,计算所有属性约简已被证明是NP-hard问题,目前尚不存在一种非常有效的方法。基于依赖度的决策表属性约简算法,可同时适用于一致和不一致的决策表,实验结果表明,与Hu提出的属性约简算法相比,该算法不仅简单可行,而且具有较好的时间性能。     

基于邻域粗糙模型的人工蜂群决策表约简算法

为了找到数值型数据集的多个最小属性约简,设计了一个人工蜂群决策表约简算法。通过对每次迭代过程中采集到的最小属性约简进行保留,算法能得到多个最小属性约简。实验结果证明了该算法的可行性和可靠性。     

一种改进的基于依赖度的属性约简算法

研究了基于依赖度的属性约简算法,并以实例说明该算法不适合于不相容的决策表,在分析算法产生缺陷原因的同时通过改变算法求核的终止条件,使得算法能够同时适用于相容和不相容的决策表.在求约简过程当中,首先对除核之外剩余属性重要度进行计算,然后以重要度大小依次添加入核求约简.最后通过实例来验证改进后算法的有效性.     

一种基于Rough集的数据归约算法的实现

粗集是一种处理模糊和不确定性数据的工具 ,数据归约是粗集理论中重要的内容 .现已证明寻找信息系统的最小归约是 NP问题 .通过分辨矩阵和属性的依赖程度 ,消去冗余数据 ,得到一种最小归约集 ,并通过实例验证该算法的可行性 .     

一种基于相对粒度的不完备决策表约简算法

为有效地从不完备决策表中获取最小相对约简,提出了一种基于相对粒度的不完备决策表约简算法.该算法通过分析研究知识的相对粒度在属性约简过程中的变化趋势,并基于属性约简定理,尝试通过不断向核属性集中增加属性的方法,从不完备决策表中获取最小相对约简.最后通过实例验证了该算法的有效性.     

Web database sampling approach based on attribute correlation

In this paper,we present a novel approach utilizing attributes correlation for the sampling task on nonuniform hidden databases. We propose the method of calculating the attributes dependency and construct the sampling template according to the attributes dependency. Then,we use the sampling template to gen-erate initial sampling queries and propose a bottom-up algorithm to search the sampling template. We also conduct extensive ex-periments over real deep Web sites and controlled databases to illustrate that our sampling method has good performance both on the quality and efficiency.     

基于广义信息表的决策表最小决策算法

首先介绍了决策表、广义信息表的构造及特点,然后给出了求决策表的最小属性约简及最小决策算法的计算方法。实例说明,此方法简单、有效,且很容易在计算机上操作。     

基于宏块条互相关的MPEG-2 VBR视频统计复用

针对ＭＰＥＧ－２编码ＶＢＲ视频业务,提出了一种简便的统计复用方法,该方法对不同业务中宏块条码率样本进行互相关,根据互相关函数局部极小值所对应的码率样本偏移量,将不同业务的宏块条起始位置相对平移,并实现业务累加,从信元丢失率的角度与帧平移法统计复用进行了对比,结果表明,本方法的信元丢失率明显减小,并且随复用业务数量的增加,复用效果进一步提高。     

函数依赖集投影的算法

给出了关系模式Ｒ的函数依赖集Ｆ在Ｒ的一个属性子集Ｕ上的投影的最小覆盖的算法,并证明了算法的正确性,而且给出了一个实现本算法的例子。