基于单调包含度的模糊决策信息系统的知识约简

知识约简是机器学习,模式识别,信号处理等领域的主要问题之一。本文介绍了基于单调包含度的模糊决策信息系统的知识约简。证明了模糊决策信息系统的约简即是其对应信息系统的约简,从而为该种模糊决策信息系统的知识约简提供了简单直接的方法。     

基于Markov Blanket的模糊差别矩阵属性约简算法

模糊差别矩阵属性约简是一种广泛使用的模糊粗糙集属性约简方法。然而已有方法大多采用启发式贪婪策略,属性约简率低且约简质量差。本文结合Markov Blanket概念,提出基于模糊差别矩阵的属性约简算法。首先,为了避免约简选择过多属性的问题,提出了利用Markov Blanket性质的迭代后向删除属性约简算法,可以有效删除低频率的相对冗余属性。其次,提出了一种基于Markov Blanket的双向搜索启发式属性约简算法,通过迭代前向添加高频属性和后向删除低频率策略来提升属性约简计算效率。在UCI数据集上实验表明,相比于其他模糊差别矩阵算法,所提出的算法能得到更优的约简结果。     

改进的简化决策表及属性约简

研究了不一致决策表的简化与属性约简问题,指出目前简化的决策表的局限:在简化的决策表上用现有的属性约简方法与在原决策表上基于正区域的属性约简方法,所得到的结果不一致.进一步对简化的决策表进行转换,得到新的决策表.基于正区域的属性约简,证明了在原决策表上约简与在新的决策表上约简结果相同.从而保证在实际应用中,对新的决策表可以用任意一种属性约简方法.     

基于粗糙模糊度属性约简的教学质量评价

教师教学质量评价对提高教学质量具有积极意义和重要作用.教师教学质量评价指标的科学性及合理性是对教师的教学质量进行客观公正评价的重要前提,本文利用粗糙模糊度属性约简方法对教师教学评价指标进行分析、约简.所得结果对教师提高教学水平和教学质量,简化教学测评具有一定的指导意义.     

基于粗糙模糊度属性约简的教学质量评价

教师教学质量评价对提高教学质量具有积极意义和重要作用.教师教学质量评价指标的科学性及合理性是对教师的教学质量进行客观公正评价的重要前提,本文利用粗糙模糊度属性约简方法对教师教学评价指标进行分析、约简.所得结果对教师提高教学水平和教学质量,简化教学测评具有一定的指导意义.     

基于属性约简的分类及其应用

约简是粗糙集用于数据分析的重要方法和手段,也是粗糙集理论的核心内容之一.论域U上的等价关系可以确定U的划分,U上的不可区分关系是等价关系.利用不可区分关系定义信息系统的划分协调集及划分约简集,而且证明了划分约简集的判定定理,并将其应用于实际分类问题.     

一般二元关系下的关系决策系统属性约简

文献[Wang C Z,Wu C X,Chen D G.A systematic study on attribute reduction with rough sets based on general binary relations.Information Sciences,178(2008),2237～2261]将基于经典粗糙集上的属性约简模型推广到基于广义粗糙集模型上,给出了关系决策系统中属性约简的判定定理和辨识矩阵.但是在属性约简模型中,支撑域的界定使模型的一般性受到限制.本文通过重新定义决策域的正域,给出了改进的决策系统属性约简判定定理和辨识矩阵,并对约简性质进行研究,实现关系决策系统基于正域的属性约简.     

基于相似关系的条件熵属性约简及其算法

不完备决策系统关联于数据分析,其属性约简具有应用意义,并已具有基于容差关系的条件熵研究.基于相似关系,研究不完备决策系统的条件熵属性约简及其算法.利用相似关系确立条件熵,提出等价于广义决策函数保持约简的条件熵保持约简,建立具有误差容忍机制的条件熵容忍约简;针对两种新建属性约简,揭示它们间的扩张关系与强弱关系,构建相应的全局算法与局部算法;最后,提供决策表实例分析,说明基于相似关系的条件熵属性约简及其算法的有效性.相关研究完善了不完备决策系统属性约简,具有理论价值与应用意义.     

基于模糊区分矩阵的增量属性约简

在实际应用中,决策系统的属性集可能随时间而变化。如何有效地更新约简成为数据挖掘中的重要任务之一。当属性集发生变化时,经典约简算法需要重新计算整个数据。而增量学习充分利用了现有的约简信息,避免了大量的重复计算,从而提高了计算效率。本文针对属性增加和减少的动态数据研究了增量属性约简方法。首先分别设计了属性增加和减少时模糊区分矩阵的更新机制;然后提出了新的属性增加的属性约简算法AIFDM和属性减少的属性约简算法ADFDM.最后,实验结果表明所提的增量算法能够有效的根据属性的增加和减少更新约简,且计算效率提升约1至4.9倍。     

基于可辨识矩阵的属性约简算法及应用

针对决策信息系统最大分布约简问题,从代数角度给出了一种启发式属性约简算法.该算法在最大分布可辨识属性矩阵基础上,首先以最大分布核属性集为起点,然后对其余属性按其在可辨识属性矩阵中出现的频数大小逐次添加到核属性集中,再根据启发式算子对新的属性集给出最大分布约简的判断.重复以上步骤,直到找到最大分布约简.算例分析表明该算法...     

基于混沌集群智能优化算法的多目标粗糙集属性约减

针对管理实践及大数据处理过程中具有多决策属性的粗糙集属性约减问题,将条件属性依赖度与知识分辨度进行结合构建属性权重,分别建立针对不同决策属性的约减目标函数,引入帕累托最优思想,将基于多决策属性的粗糙集属性约减问题转化为离散多目标优化问题。针对该问题的结构设计了具有集群智能优化思想的元胞自动机求解算法,在算法中引入基于个体的非支配解集平衡局部最优与全局最优的关系,引入混沌遗传算子增加种群多样性。以某铁路局设备安全风险处理数据为案例构建多决策属性粗糙集决策表进行优化计算并进行管理决策分析。研究发现:(1)相对于传统的NSGA-II与MO-cell算法,本文提出的算法具有更强的多目标属性挖掘性能;(2)帕累托最优思想可以较好地解释多决策属性粗糙集在管理实践中的意义。     

基于可辨识矩阵的模糊目标系统决策约简算法

在模糊目标信息系统决策约简和可辨识矩阵定义的基础上,讨论了可辨识矩阵的性质以及与决策约简集之间的关系.同时定义一种新的属性重要度,并将此作为启发式信息,设计了一种模糊目标决策信息系统最小决策约简算法,通过实例验证该算法简捷、有效.     

基于精度的属性约简新方法

自Pawlak提出粗糙集概念以来,人们就一直对粗糙集的近似精度很感兴趣,出现了不少有关近似精度的文献.在粗糙集理论中,精度是量化由粗糙集边界引起的不精确性的一种重要数字特征.在分析传统精度和基于等价关系图的过剩熵的近似精度的基础上,提出了一种新的精度定义.比较发现,新定义的精度更具有合理性.同时把这个新定义的精度运用到了属性约简上,通过实例比较发现,本文提出的属性约简更具有可行性.     

决策系统属性约简的双向算法

提出了决策系统中对象约简的新思想,即在搜索属性约简的同时不断地缩小论域;并设计了一个采用增量式方法计算决策系统的双向约简算法;分析了算法的时间复杂度,最后用一个实例说明了算法的可行性与有效性.     

基于公式真度的公式集约简

基于经典命题逻辑的真度理论,讨论了经典命题逻辑系统当中公式集的约简问题。提出了真度约简及α-真度约简的概念,为公式集的约简提供了一种可行的操作方法。     

基于依赖空间的信息系统的属性约简

在粗糙集的信息系统中构造了依赖空间,并给出了基于依赖空间的信息系统的属性约简理论和约简方法,并举例说明其方法的有效性和可行性.     

覆盖粗糙集属性约简的新算法

覆盖广义粗糙集是Pawlak粗糙集的重要推广,其属性约简是粗糙集理论中最重要的问题之一.Tsang等基于一种生成覆盖设计了覆盖信息系统属性约简算法,但并未明确指出其适用的覆盖粗糙集类型.在本文中,我们首先指出Tsang的属性约简算法适用的覆盖粗糙集是第五,第六和第七类.其次,我们通过建立覆盖与自反且传递的二元关系之间的等价关系,提出了一种时间复杂度更低的属性约简算法,并证明了本文中的属性约简方法就是Wang等所提出的一般二元关系属性约简的特例.本文不仅提出了属性约简的简化算法,还首次建立起覆盖属性约简与二元关系属性约简之间的联系,具有理论和实际的双重意义.     

基于相对优势类差量的序信息系统属性约简算法

针对序信息系统,定义了优势类差量和相对优势类差量,讨论了一种刻画属性重要度的新指标.在此基础上,提出一种基于相对优势类差量的启发式约简算法,它能从搜索空间中删除不重要属性,降低了约简的时间复杂度.与现有启发式约简算法相比,该算法具有较高的搜索效率.实例与实验表明了该算法的可行性与有效性.