一种改进的相对属性约简算法

研究了粗糙集理论中一般属性约简和相对属性约简这两个重要问题,针对决策信息系统,提出一种基于一般约简和互信息的相对属性约简算法,实例表明能够有效得到决策表的约简。     

基于相对概率分布的属性约简算法

鉴于现有属性约简算法大多是针对一致决策表不适合对不一致决策表的求解,且运行效率底.文章提出了一种新的决策表属性约简算法.首先判断决策表是否为一致决策表 如果是不一致决策表,则通过最大相对概率分布将其转换为一致决策表; 然后基于一致决策表的相对概率分布满足单点分布的性质来快速确定属性是否为冗余属性,从而求出约简; 并通过MATLAB和UCI学习数据库验证了该算法的有效性和高效性.     

基于改进扩展正域的属性核与属性约简方法

指出了不相容决策表中存在的正域扩展方法的不足,基于决策表局部最小确定性与条件属性对决策的最小确定性程度,构建了一种改进的扩展正域方法。基于改进的扩展正域方法,提出了计算不相容决策表中认知属性核和认知属性约简的算法。实验结果表明了本文方法的有效性。     

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。     

基于改进属性约简的粗核聚类算法

核聚类算法是一种能够处理样本间差异微弱的有效聚类算法.以粗糙集理论为基础,将基于属性重要度的属性约简算法应用到核聚类算法中,提出一种新的聚类改进算法,由此可以得到高准确率低复杂度的良好结果.该算法在使用核函数对样本优化前,首先用基于属性重要度的约简算法对样本属性进行处理,同时引入信息熵来改进约简算法,从而删除冗余属性得...     

基于决策属性支持度的知识约简方法

提出了一种基于决策属性支持度的属性相对约简算法·该算法利用粗糙集理论分析的方法,通过在知识表达系统中引入决策属性支持度的概念,来描述由条件属性所提供的知识对整体决策的支持程度,并通过决策属性支持度定义了条件属性对决策属性的相对重要性,以此作为启发式信息,可以方便地求出相对核·再以相对核作为求解最小相对约简的起点,按重要性的不同逐次选择重要属性添加到相对核中,直至其支持度达到整体条件属性支持度时为止,此时即得到知识库的最小约简·通过实例分析证明,该方法是有效的·     

决策系统属性约简的关系矩阵算法

建立决策系统与关系矩阵之间的联系后,从关系矩阵的角度研究属性重要性的指标,并利用该指标作为启发式信息提出一种新的属性约简算法.该算法具有较大的灵活性,能够从搜索空间逐次删除不重要的属性,避免对这些属性进行重复搜索,提高了搜索的效率.该算法可行有效.     

一种改进的属性约简算法

属性约简要求在保证分类和决策能力不变的前提下删除数据库中的冗余属性,简化知识表示,生成决策规则,从而为科学化的管理、预测和决策提供有力的支持。深入系统地研究了基于粗糙集理论的属性约简问题,分别对于相容和不相容决策表,在研究了现有约简算法的基础上,发现算法的局限性、优点和不足,并针对不足,对算法作了一些改进。     

广义决策约简同相对约简的关系

对广义决策约简和相对约简的关系进行了研究。给出了广义决策约简是相对约简的充要条件和相对约简是广义决策约简的充要条件。特别的,得到了决策属性只取两个决策值的决策表,其广义决策约简同相对约简是等价的。通过本文使得利用广义决策约简计算相对约简和在一定的条件下利用相对约简计算广义决策约简成为可能。     

基于属性质量度的变精度邻域粗糙集属性约简

变精度邻域粗糙集相比于邻域粗糙集具有抗噪容错的能力,但由于重新定义了下近似,正域的划分不再严格,使得属性重要度的可信度降低,在精度改变的情况下无法优先选取最优的属性.针对这一问题,分析变精度邻域粗糙集的下近似,引入邻域内的正确分类率,定义属性质量度,提出一种基于正域的增量和平均正确分类率的增率相结合的属性度量方法.通过...     

基于相对知识量重要度的属性约简算法

在有效处理噪声数据的基于区分能力大小的启发式算法的基础上,引入了属性的相对知识量重要度的概念．以属性相对知识量重要度为启发式信息,提出了一种属性约简算法,通过实例证明了该算法的有效性．     

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.     

基于属性约简的模糊综合评判

粗糙集理论是一种新的处理模糊和不确定知识的数学工具。属性约简是粗糙集理论研究中的重要内容之一。本文提出基于属性约简的模糊综合评判。通过属性约简,模糊评判过程中因素集(属性集)的指标数大大减少,从而达到简化运算、节约时空资源的目的。     

基于MQPSO优化的属性约简方法

变异量子粒子群算法(MQPSO)通过在量子粒子群算法(QPSO)中引入变异机制,增加了全局搜索能力,避免陷入局部最优。在粗糙集理论和MQPSO算法基础上,提出了基于MQPSO优化的决策表属性约简方法,并在算法实现中提出了迭代记录策略,改进了算法中的耗时计算部分,降低了算法的时间复杂度。     

随机信息系统中基于不可辨识矩阵的属性约简

在随机信息系统中,根据不可辨识关系,提出了不可辨识属性矩阵的概念,证明了不可辨识属性矩阵与可辨识属性矩阵的关系,最后提出了一种基于不可辨识属性矩阵约简算法.实例研究表明,相对于可辨识属性矩阵算法,该算法在时间和存储空间上都有较大的改善和提高.     

基于决策规则的属性约简算法

属性约简是粗糙集的核心问题之一。本文基于决策规则给出属性约简相关结论和属性重要性,提出启发式约简算法,引入黄金分割法思想,提高算法效率,并以实例验证算法有效性和正确性。     

一种基于属性重要性的属性约简启发式算法

属性约简是粗糙集理论研究中的关键问题之一.文中定义了一种新的属性重要性度量准则,克服了多值偏向性问题,并给出一种新的属性约简算法.该算法以核属性集为初始约简集合,以新的属性重要性度量准则为启发信息,通过逐步加入相对于决策而言重要的条件属性来求取最小约简.实例分析表明该算法是有效的.     

基于差别矩阵的属性约简算法

在粗糙集理论的各种应用中,属性约简算法具有重要意义,因而对属性约简算法的研究一直是粗糙集理论研究中的重点问题之一.提出了一种基于差别矩阵的属性约简算法.该算法引进栈的概念,利用栈的特点,对文献[1]中算法进行改进,提出了一种求所有约简的算法.     

基于压缩差别矩阵的属性约简算法

影响基于差别矩阵的属性约简算法效率的主要因素有计算U/C等价类和差别矩阵的大小.为了解决差别矩阵大小影响属性约简算法计算效率,分析了基于差别矩阵的属性约简算法中差别矩阵定义的不足,重新定义了一种压缩差别矩阵,删除差别矩阵中大量的空元素和相同元素,从而进一步减少了差别矩阵元素的个数,并设计基于压缩差别矩阵的属性约简算法.对UCI及其他数据库进行仿真,实验结果表明该算法具有高效性.