基于邻域熵的决策表约简

针对传统粗糙集理论难以处理数值型数据的特点,提出基于邻域熵的决策表特征约简方法.该方法通过引入邻域关系进行信息粒化,定义邻域熵概念,用来度量数值型数据的不确定性,证明邻域熵的单调性原理,提出基于邻域熵与分类精度加权的特征重要度概念,基于邻域熵单调性原理设计了两种启发式特征约简算法.理论分析与实例表明该方法是有效可行的.     

基于粗糙集和随机森林算法辅助糖尿病并发症分类研究

提出基于粗糙集和随机森林算法辅助糖尿病并发症分类。首先,运用简化的分明矩阵法对属性约简,产生新的决策信息系统;其次,采用随机森林算法对该新信息系统生成随机森林,实现分类;最后,通过糖尿病并发症临床诊断数据子集测试。实验表明该方法有效性,并优于直接用随机森林算法分类。     

模糊粗糙集与模糊粗糙逻辑算子

在S．Nanda和S．Majumdar定义的模糊粗糙集以及模糊粗糙集运算的基础上,给出了新的模糊粗糙集∪、∩运算及偏序关系,并讨论了它们的性质,定义了模糊粗糙逻辑补、与、或算子,同时给出了这些算子的构造方法。     

基于模糊粗糙集的公路地质灾害影响因子的权重分配

地质灾害影响因子权重分配是地质灾害区划的关键,以贵州省三凯线地质灾害调查数据为实例,于公路沿线随机选取非灾害点,选择高程、坡度、河流切割密度、地层岩性4个地质灾害主要属性,形成属性决策表,根据相关知识采用不同的三角模糊隶属度函数,确定模糊粗糙集地质灾害要素权重分配模型,计算各属性与地质灾害之间的依赖度,建立模糊粗糙集地质灾害属性权重确定方法,该权重应用于因子叠加方法进行公路地质灾害区划,研究表明:用模糊粗糙集确定的地质灾害影响因子权重,相比传统专家打分所确定的权重具有较高的精度.     

基于灰色变权聚类与优势关系粗糙集的矿山资源利用评价体系

针对矿山在矿石采选过程中矿石损失贫化率较大,资源损失严重的情况,考虑到矿山资源综合利用情况由各矿产资源的资源利用率决定,而各资源的资源利用率又由该资源的矿石贫化率、矿石回采率以及选矿回收率所构成,利用灰色聚类理论对矿山历年资源综合利用情况进行变权聚类分析,并考虑到资源利用情况带有偏好信息,利用基于优势关系的粗糙集理论建立矿山资源利用评价体系.结合工程实例,分析结果表明:金资源利用率＞银资源利用率＞铜资源利用率.则金资源利用率对资源综合利用情况的影响最大,银资源利用率的影响次之,铜资源利用率对资源综合利用情况的影响最低.     

一种新的不完备信息系统属性约简算法

针对不完备信息系统提出一种基于粗糙集理论的属性相对约简方法。利用粗糙集等价关系的扩展,即容差关系为基础提出容差关系相似矩阵的概念,通过引入广义决策函数的限制来解决不完备信息系统约简的不一致性问题,通过容差关系相似矩阵求不完备信息系统的核属性,利用属性在容差关系相似矩阵中出现的频率给出了属性重要度的计算公式,利用属性重要度为约简的启发式规则,并运用折半启发式算法减少扩展次数,提高约简速度。实验表明该方法简单、有效。     

结合ODF和辨识集的特征选择

在中文文本分类中,由于中文词条总数较高,限制了中文文本分类算法的选择空间.特征选择是文本分类的一个核心研究课题.提出了一个优化的文档频(optimal document frequency,ODF),再结合粗糙集提出了一个新的基于辨识集的属性约简算法,最后把该属性约简算法同优化的ODF结合起来,提出了一个综合的特征选择方法.该综合选择方法首先使用优化的ODF进行特征初选以过滤掉一些词条来降低特征空间的稀疏性,然后再利用所提出的属性约简算法消除冗余,从而获得较具代表性的特征子集.实验结果表明该方法有较好的准确率和召回率.     

基于断点辨别力的粗糙集离散化算法

提出了基于断点辨别力的粗糙集离散化算法.通过分析候选断点与决策类之间的相关性,定义了候选断点对决策类的辨别力,并以此作为断点重要性的度量,实现连续属性的离散化.离散化后的决策系统不改变原有的相容性,而且能最大限度地保留有用信息.采用多组数据对此算法的性能进行了检验,并与其他算法做了对比实验.实验结果表明此算法是有效的,而且当候选断点个数增多时仍有较高的计算效率.     

基于粗糙集解决BP网络模式识别中的噪声

为了解决BP网络模式识别中的噪声问题,提出了利用粗糙集的上、下近似和边界线集理论对噪声样本进行处理的方法。该方法对处于下近似集内的含噪声属性值,将噪声消除后转换为理想状态下的属性值;对处于边界域内的含噪声属性值保持不变。当属性值处于边界域内属性的个数与全部属性数的比值达到某个确定的值时,就认为该样本受到噪声干扰过大,对其拒绝识别。通过实验对比表明,该方法能有效地降低BP网络模式识别的误识率。     

变精度粗糙集模型与应用

介绍了Ziarko变精度粗糙集模型、β约简和广义变精度粗糙集模型;讨论了广义变精度粗糙集模型β上、下近似算子的基本性质,分析了该模型与Ziarko变精度粗糙集模型之间的关系,最后用实例分析了β约简过程.