一种改进的启发式属性约简算法

文章对现有启发式属性约简算法进行分析,通过实例说明一般启发式算法求得的相对约简有冗余属性存在的问题.针对这一不足,在算法中加入消除冗余属性的二次约简过程,得到一种改进的启发式属性约简算法.提供了实例分析,验证了该改进算法具有较好的约简效果.     

基于粗糙集理论的股市预测研究

提出一种基于粗糙集理论的股市预测方法.首先选择"收盘价"、"成交量"、"日均线"等指标作为条件属性与决策属性;而后采用RS理论,选择不同的条件属性子集进行约简和属性重要度排序,并由此提取出股市的预测规则.结果表明,该方法不需要任何前提假设,而且可以根据不同的参考指标,形成不同的预测规则集.     

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.     

离散型决策表的二分归纳属性约简算法

给出了离散型决策表的二分归纳属性约简算法,为了获得最优约简,该算法在每次搜索时,仅考虑把所有待搜索的有序幂集一分为二的有序幂集,最多只需要计算和搜索C-coreD（C）的[log m]＋1个有序幂集（m是C-cored（C）的基数）,从而算法的效率得到了很大程度地提高。给出了一个数值例子,进一步验证了结论。     

数据挖掘分类问题的贪婪粗糙集约简算法

基于贪婪算法和粗糙集方法,给出了一种处理数据挖掘分类问题的属性约简算法:贪婪粗糙集约简算法GRSR;在测试中得出的约简集为原始集的1/3,表明了它是一个有效的算法·其想法是:从初始约简集为空集开始,选择使分类质量最大的属性,将它加入约简集;再从余下的属性中选择使分类质量最大的属性并加入约简集,重复直至找到满意的约简集·     

结合粗糙集理论与扩张矩阵理论的数据挖掘方法

提出将粗糙集理论、扩张矩阵理论进行有机结合的新方法 ,该方法吸收了两者的优点同时消除了两者的缺点 .实践证明 ,该方法可以十分有效地从数据库中挖掘出准确而精悍的知识 .     

粗糙群的同态与同构

主要讨论粗糙集理论在代数统一群上的应用,介绍了粗糙群粗糙同态及粗糙群粗糙同构的概念,提出并证明了与此相关的性质。     

终端区交通态势识别研究

终端区交通态势日益拥挤,严重制约了航空运输业的快速健康发展。为了科学评估空中交通状态,提高空域资源的利用率,对终端区交通态势进行了研究。提取影响终端区的属性指标,运用模糊C-均值聚类(FCM)对数据进行分类离散化,采用粗糙集理论分析各属性的权重,并结合模糊关系矩阵构建终端区交通态势识别模型。采用FCM和FCM-粗糙集两种识别方法对终端区交通态势进行识别。结果表明FCM-粗糙集模型既可避免人为因素干扰,还可解决数据多属性冗余问题,使交通状态判断更加准确可信;终端区交通态势分四类时,效果最好。该模型为终端区交通态势识别提供了新的研究方法。     

Rough集理论与KDD中属性约简算法

针对数据库中知识发现（ＫＤＤ）的信息处理问题,给出了信息系统中的Ｒｏｕｇｈ集理论基本概念的形式化描述,并且提出了一种ＫＤＤ中属性约简算法（ＡＲ）,实例表明该算法十分有效。     

关于两类对偶粗糙近似算子定义的修正

提出了文献[4]中两类对偶粗糙近似算子定义的错误,并给出了正确的定义,同时讨论了近似算子的性质。