基于覆盖粗糙集理论中的约简与求核

提出基于分辨矩阵的求覆盖粗糙集约简与核的方法,在Zakowski提出的覆盖粗糙集模型的基础上,利用分辨矩阵的一些性质,把文献[10]中的粗糙集理论中的约简与求核方法应用到基于覆盖的粗糙集理论中,既简化了覆盖粗糙集理论中的约简与求核过程,又推广了文献[10]的方法,最后举例说明此方法的有效性。     

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.     

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。     

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.     

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.     

基于粗糙集的房屋销售评价方法

首先,利用非协调覆盖决策系统的属性约简方法和知识表达系统中差别矩阵的决策属性约简方法,针对同一个房屋销售问题,对房屋的属性进行属性约简,得到的共同属性可增强决策的可靠性,然后分析了两种方法的异同点以及分别适用的情况,最后得到了粗糙集的属性约简方法在房屋销售中有很好的应用的结论。     

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。     

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。     

粗糙集理论中几种离散化方法的比较研究

本文针对粗糙集理论常用的4种数据离散化方法,结合实例从离散化后变精度粗糙集模型下分类质量、近似精度以及离散化后约简变量集合与原始变量集的聚类相似度两个方面进行了对比,得到了离散化方法可信度的一致性结论。而在属性约简集的确定上,将评价指标约简视为多目标优化问题,采用遗传算法计算约简,并引用包含度得到了最优属性约简集。     

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。     

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.     

基于最小描述交的覆盖广义粗糙集

针对Bonikowski覆盖广义粗糙集模型的不足,给出了基于最小描述史的覆盖上下近似算子.通过和Pawlak经典粗糙集以及Bonikowski的覆盖广义粗糙集比较,发现给出的覆盖上、下近似算子具有了对偶关系,并得到了相关重要性质;进一步讨论了在新定义下覆盖广义粗糙集的约简和公理化问题,丰富了覆盖广义粗糙条理论,并为覆盖广义粗糙集的应用提供了更确切的理论根据.     

广义覆盖粗集的约简

在保持一对覆盖上、下近似算子不变的条件下,探讨覆盖族的约简.利用所构造的辩识矩阵给出覆盖族的约简与核心的判别定理,并提出基于信息量的寻找最小约简的算法,从而进一步完善广义覆盖粗集的约简理论.     

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.     

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 .     

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.     

抽象知识库的M-区分矩阵与交约简求法

抽象知识库作为覆盖粗糙集与知识库的推广。本文研究了抽象知识库的交约简与核。由于现存文献中的区分矩阵不能用来获得求抽象知识库约简的判定定理,本文引入了M-区分矩阵。利用M-区分矩阵及相应的M-区分函数研究了抽象知识库的交约简与核,给出了基于M-区分函数的极小析取范式交约简的求法,并通过赋值法对该求法的正确性进行了严格证明,以此建立了这类基于极小析取范式约简求法的理论和逻辑基础。     

基于粗糙集理论的区间型多属性灰决策规则及应用

本文在粗糙集理论的基础上,针对属性值为区间数的信息系统,提出了一种新的决策规则。首先,借助于改进的粗糙聚类算法对区间型属性值进行离散化,之后通过构造划分同族矩阵来确定属性约简集。最后,基于灰色关联分析技术提出了灰色决策规则。而在属性权重的确定方面,通过属性相对重要性的定义构造互反矩阵,利用遗传算法解优化模型得到属性权重。     

多粒度模糊粗糙集研究

本文研究了模糊粗糙集中属性约简问题.利用模糊粗糙集和多粒度粗糙集各自优点的结合,提出了两类多粒度模糊粗糙集模型,使得两类粗糙集中的上下近似算子关于负算子对偶.同时研究了多粒度模糊粗糙集的性质及与单粒度模糊粗糙集的关系.并通过构造区分函数的方法提出了一类多粒度模糊粗糙集模型的近似约简方法.最后用一个实例核对了该类多粒度模糊粗糙决策系统近似约简方法的有效性.     

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...