一种快速属性约简算法

基于差别矩阵的属性约简算法,先要求出差别矩阵,随着问题的规模增大,存放差别矩阵的空间和算法的执行时间过大和过长,让计算机难以承受．针对这一问题,提出了差别对象对集的定义,给出了基于差别对象对的属性约简定义,并证明了该定义等价于基于差别矩阵的属性约简定义．利用差别对象对,设计了一个新的属性约简算法．由于这一算法在求属性约简的过程中不用生成差别矩阵和大量的无用元素,因而大大减少了存储量和计算量,从而提高了算法的效率．计算实例说明了新算法的高效性．     

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.     

一种简化差别矩阵的属性约简方法

针对现存差别矩阵属性约简算法存在的缺陷,以及通过差别矩阵求约简属性时过程比较复杂,对比做了部分改进.通过对条件属性进行归类分组,提取代表性记录来生成差别矩阵,简化了差别矩阵的阶数和求约简属性的复杂度.从而在算法的时间复杂度和空间复杂度方面做了优化,节约了算法的时间和空间复杂度.实例表明算法可以有效地对属性进行约简,可获得理想的结果,并且改进后的算法简单、高效.     

分类算法中基于差别矩阵的属性约简方法

差别矩阵中会出现大量的重复元素占用大量内存,当数据太稠密时,构成的差别矩阵太大不容易操作且计算代价较高。本文提出了一种基于简化差别矩阵的属性约简算法(SDMAR),在属性约简之前,通过计算属性相似度,对属性进行了合并操作,得到简化决策表。根据简化决策表构造差别矩阵,计算差别矩阵中出现次数最多的属性并删除包含该属性的元素,当差别矩阵为空时终止操作,以达到对决策表属性约简的目的。通过算法及实例分析得到属性约简过程的时间复杂度有所减小。     

基于修正差别矩阵的高效属性约简算法

为降低基于修正差别矩阵的属性约简算法的复杂度,给出了基于修正差别矩阵的简化差别矩阵,证明了基于该简化差别矩阵的属性约简定义与基于原修正差别矩阵的属性约简定义是等价的.在此基础上设计了一个基于简化差别矩阵的属性约简算法,其空间和时间复杂度分别被降为O(|C|(|U'pos||U/C|))和max{O(|C|2(|U'pos||U/C|)),O(|C||U|log|U|)}.实例说明:用新算法进行属性约简,不仅减少了计算量,而且减少了存储空间,因而是一种高效的属性约简算法.     

基于不完备决策信息系统的知识约简算法

针对复杂领域中的决策信息系统往往存在数据缺失现象,差别矩阵作为决策信息系统知识约简的有效方法之一,但传统的差别矩阵方法并不适用于不完备决策信息系统,为此构造了基于不完备决策信息系统的差别矩阵,并简化了差别矩阵中的属性元素,有效地删除了差别矩阵中的冗余元素。然后结合不完备决策信息系统的核属性,利用启发式方法设计了一种基于不完备决策信息系统的快速知识约简算法,最后通过实验比较验证了算法的有效性。     

计算约简的差别矩阵简化算法的改进

对于粗糙集的一些基于信息熵等约简算法,极大地丰富了粗糙集理论。但在信息检索领域,实践证明,针对网络数据的不完备性,基于差别矩阵的约简有较好的应用空间。针对差别矩阵简化算法不够完备的问题,对简化算法做了利用替代树、替代集消除最终结果中的冗余属性的改进,并用实例验证了改进的有效性。     

知识约简的差别矩阵启发式算法

首先从差别矩阵的角度 ,对决策表中属性的重要性给出度量 ,并提出了部分差别矩阵的概念 .在此基础上提出了一种基于部分差别矩阵的知识相对约简的启发式算法 ,并通过实例分析表明 ,在多数情况下该算法能够得到决策表的最小约简 .     

基于差别矩阵的增量式属性约简完备算法

为了解决基于差别矩阵的属性约简完备算法得不到最小约简的问题，提出了一种改进的属性约简方法．该方法将信息论定义的属性重要性作为启发式信息，并通过构造一个条件信息熵算子对差别集合进行运算，同时利用算子来计算候选属性的剔除次序，采用宽度优先搜索策略使约简集合中含有最重要的属性，这样就解决了完备算法约简率低的问题．结合该方法并在分析对象集增量与差别矩阵关系的基础上，证明了增量约简定理，由此提出了一种增量式约简完备算法（CAIR），当新数据加入决策表时，算法可增量构造差别集合．实验结果表明，所提CAIR在大大缩短计算差别集合时间的同时，约简率比非完备算法提高了20．3％，是同条件下完备算法执行效率的13．2倍．     

基于链表的不完备决策表属性约简算法

差别矩阵作为决策信息系统属性约简的方法是有效的;但空间利用率不高。通过对算法空间利用率及时间效率进行研究,提出基于链表的改进算法;并引入链表的基本运算。该算法通过使用链表的节点存储基于限制容差关系下有效的差别矩阵元素,并在约简过程中通过不断删除不必要的节点以节省时间。通过理论与实例证明其有效性和正确性。     

基于区分矩阵的属性约简算法

知识约简是粗糙集理论研究的核心内容之一，在构造区分矩阵过程中，利用命题演算中的吸收法律去掉了在区分函数中不起作用的重复元素，提出了一种属性约简的改进算法ARDM，从而提高了属性约简的效率．     

改进的差别矩阵属性约简方法

针对目前属性约简方法计算量过大、复杂度高的问题,在已有差别矩阵定义和求核方法的基础上,根据二元决策表所特有的性质,提出一种新的差别矩阵的定义,将一个大的差别矩阵分化成两个小矩阵。与建立一个差别矩阵的方法相比,改进的差别矩阵方法减少了矩阵中元素的比较次数。数据分析表明,该方法在改进差别矩阵定义的同时简化了计算过程,提高了运算效率。     

基于决策分类的分块差别矩阵及其求核算法

属性约简是粗糙集理论进行数据挖掘的基本途径, 相关算法主要基于核。 核的差别矩阵表示及相关求核计算具有重要意义, 但已有的差别矩阵及其求核算法还具有时空局限性。对此, 依据差别矩阵的稀疏性与大规模性, 提出基于决策分类的分块差别矩阵及其求核算法, 直接地将决策分类信息融入形式结构与问题求解。 首先, 基于决策分类来定义分块差别矩阵, 设计其计算算法; 其次, 基于分块差别矩阵, 确定核的内涵与算法; 最后, 进行实例分析与实验验证, 说明所建方法的有效性。基于决策分类的分块差别矩阵有效地实施了信息提取与维度降低, 相关的求核算法较好地减少了差别矩阵求核算法的时空复杂性。     

An improved reduction algorithm based on the degree of attribute discernibility

This paper deals with the problem of attribute discernibility reduction and proposes some new concepts to rough set theory （RST） based on the discernibility matrix of Skowron, such as secondary core, regeneration matrix and the degree of attribute discernibility （DAD）. This paper puts forward an attribute reduction algorithm based on maximum discernibility degree, which opens up an effective way of gaining minimum attribute reduction of decision table. The efficacy of this algorithm has been verified by practical application in a diagnostic system of loader, which substantially decreases information gathering requirement and lowers the overall cost with no loss of accuracy.     

分辨矩阵构成与约简同步的方法

针对粗集理论中分辨矩阵方法的缺陷,分析了这种方法3个过程的时间-空间性能,提出了被析取的矩阵元素不参与分辨矩阵的构成,即分辨矩阵的构成与与属性约简同步的方法,减少分辨矩阵的元素数和中间数据占用的磁盘空间,提高了数据挖掘的速度.通过实验验证了该方法时间-空间性能上的优越性.     

一种信息系统求核的新方法

为简化用差别矩阵求核的计算方法,给出了差别矩阵与核关系的定理,并在此基础上给出了一种新的求核方法．新算法从差别矩阵中直接提取出核属性元素并利用该定理的结论给出信息系统中核的构成．经计算,该算法的复杂度为O(n^2√m)。     

一种改进的基于区分矩阵的属性约简算法

根据粗糙集理论讨论了属性约简问题,基于传统的区分矩阵属性约简算法提出了一种改进的约简算法:首先,根据决策表构造区分矩阵;然后,删除区分矩阵中包含核和伪核的项;最后,化简区分矩阵中剩余项得到约简结果.通过对某发动机故障数据进行处理验证了算法的有效性.