基于信息量的集值信息系统的属性约简

属性约简是粗糙集理论研究的核心内容之一.在集值信息系统中引入信息量和属性重要性,给出它们的性质及与属性约简之间的关系.针对集值信息系统提出了一种基于信息量和属性重要性的属性约简算法及算法的时间复杂度.通过实例说明,该算法是有效的.     

知识库的精细关系比较

比较知识库精细关系的两种不同定义,得出等价关系与划分、二元关系与覆盖、以及二元关系与覆盖约简之间的一些有趣联系;进而探讨这两种定义在粗糙集中对提高知识确定性程度的不同作用.这些结论将对基于粗糙集的不确定性研究提供一定的帮助.     

集覆盖问题的粗糙集属性约简方法

集覆盖问题和粗糙集属性约简问题都是当前的研究热点,两者均有广泛的应用背景。目前,集覆盖理论与粗糙集理论的交叉研究还处于起步阶段。文章的工作主要是把集覆盖问题转化成测试代价敏感粗糙集属性约简问题,使得可应用粗糙集理论来研究集覆盖问题,目的在于丰富集覆盖理论与粗糙集理论的交叉研究。首先构造集覆盖的分辨矩阵,然后在该分辨矩阵上构造集覆盖对应的测试代价敏感信息系统模型,发现求解集合覆盖问题等价于求解对应测试代价敏感信息系统的最小测试代价约简。接着给出了基于正域正向近似加速器最小集覆盖问题的粗糙集解法。最后通过实例验证了该算法的可行性和有效性。     

基于粗糙集与层次分析法的组合预测方法

本文在改进的属性约简启发式算法 ,即应用加权平均的属性重要度对属性进行约简的基础上 ,将粗糙集理论和层次分析相结合 ,给出了一种全新的组合预测方法 .     

覆盖信息系统一种新的约简方法北大核心

本文建立了一类基于元素最大描述的覆盖粗糙集,给出了与经典粗糙集理论相对应的覆盖粗糙集的基本性质,并讨论了不同覆盖生成相同覆盖近似算子的充要条件以及一个覆盖的约简。最后,通过构造区分矩阵来给出覆盖信息系统的约简与核心的判断定理,从而给出了求覆盖信息系统约简的一种方法。     

基于Vague粗糙集信息熵的属性约简算法

针对复杂系统分析中的数据信息冗余问题,提出一种基于Vague粗糙集信息熵的属性约简算法。首先,对Vague粗糙集相关概念进行拓展,提出Vague粗糙集的扩展信息熵和广义信息熵的模型;其次,对基于信息熵的属性重要性度量和属性约简原理进行研究,进而提出了一种基于Vague粗糙集信息熵的监督式属性约简算法;最后,选取UCI数据库对算法性能进行验证,计算结果表明该算法实用有效。     

覆盖信息系统一种新的约简方法

本文建立了一类基于元素最大描述的覆盖粗糙集,给出了与经典粗糙集理论相对应的覆盖粗糙集的基本性质,并讨论了不同覆盖生成相同覆盖近似算子的充要条件以及一个覆盖的约简。最后,通过构造区分矩阵来给出覆盖信息系统的约简与核心的判断定理,从而给出了求覆盖信息系统约简的一种方法。     

一种基于模糊聚类的区间值属性约简算法

针对区间值信息系统基于粗糙集理论提出一种新的属性约简算法:首先计算同一属性下对象间的相似度,然后通过合取算子计算出所有属性下对象之间的相似度矩阵,再用模糊聚类中的传递闭包算子得到等价矩阵,将区间值信息系统转化为具有等价关系的信息系统并且进行约简,从而得到λ-核,同时给出了该算法的复杂度.最后通过一个实例表明这种算法的有效性和合理性.     

覆盖族生成拓扑的约简

本文研究了在覆盖族产生的拓扑不变的条件下覆盖族的约简问题.利用拓扑学理论讨论覆盖广义粗糙集的约简理论,给出计算约简的方法,丰富了覆盖广义粗糙集理论.     

一种基于相似度比较的模糊属性约简方法

属性约简是粗糙集理论的重要研究内容,本文基于模糊信息系统,一方面,通过模糊相似关系定义了条件相似度以及决策相似度,建立了关于条件相似度与决策相似度的相对比较矩阵,给出了属性约简集的新定义;另一方面,结合知识的粒度、分辨度、关联度确定了条件属性对决策属性的重要度,由此,提出了一种基于相似度比较的模糊属性约简方法。