不完备模糊目标信息系统的α,β精度约简算法

本文首先定义了不完备模糊目标信息系统及其非对称相似关系,然后借鉴经典的可辨识矩阵精度约简算法,提出一种新的基于非对称相似关系的可辨识矩阵(α,β)精度约简算法,对不完备模糊目标信息系统进行属性约简.最后给出一个实例,检验算法的可行性.     

不协调目标信息系统知识约简的比较研究

研究不协调目标信息系统的各种知识约简之间的关系。证明分布约简既是β上分布约简，也是β下分布约简，并且在一定条件下,β上、下分布约简与不协调目标信息系统的分配约简和最大分布约简等价。     

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...     

基于软集合参数约简的一种启发式算法

在比较和分析了原有软集合参数约简文献的基础上,本文总结出了一些参数约简的结论,并结合参数约简的思想,提出了一种参数约简的启发式算法.同时,本文给出了该启发式算法的具体算法过程及算例,并对该算法的相关理论进行了证明.最后,将该算法的约简结果与其它两种算法进行对比分析,表明本文算法的高效性和优越性.     

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。     

基于变精度粗糙集模型的属性约简的β值稳定区间讨论

引入了基于变精度粗糙集模型的上、下分布属性约简方法的关于β值的稳定区间的概念,通过β值的稳定区间讨论,将β的取值区间[0,0.5]划分成为有限个稳定区间,当β值落在某个稳定区间内时,使得基于变精度模型的上、下分布约简不发生改变.不仅从理论上证明了β值稳定区间的个数是有限的,而且通过实例说明求解方法的简便和易于实现.为决策者提供了一种如何选择β值而获得上、下分布约简的参考.     

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.     

基于近似分类质量及特异度的属性约简算法的部分改进

对基于近似分类质量及特异度的属性约简算法做了部分改进。主要解决已有算法的如下问题:当几个属性集合的近似分类质量或特异度相等、且其对应的属性组合数目也相等时,以前的算法无法分辨、只能随机选择。本文通过引入两个新的评判指标,当遇到前述问题时,计算这两个指标可以在一定程度上分别做出进一步筛选。数据结果表明,改进后算法能较快找到约简,提高了约简速度。     

基于信息熵的属性约简在多属性决策中的应用

属性约简是在信息系统中的一个重要操作.分类是属性约简的基础,且直接在大数据集上进行属性约简往往存在效率低下的问题.以分类为基础提出了一种基于信息熵的信息系统属性约简算法.算法通过信息熵的计算,在属性约简的同时对原信息系统逐层分解,从而实现了属性的约简并缩小了搜索空间.提出了依据信息熵来确定属性的不必要性及简约属性集,应用在多属性决策中所带来的优势.     

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.     

不完备多尺度决策信息系统的局部泛化约简

在不完备多尺度决策信息系统中,研究面向单个对象的局部泛化约简方法。所提的局部泛化约简方法融合了不同特征的不同尺度上的信息,且保持了广义决策值的一致性。在协调的不完备多尺度决策信息系统中,证明了两种泛化约简方法的一致性,给出了相应的的局部泛化约简算法。在不协调多尺度决策信息系统中,研究了其详细性质,并通过实例说明两种泛化约简的区别。     

直觉模糊集信息系统属性约简算法

针对信息系统属性值是直觉模糊集的情况提出一种新的属性约简算法:首先定义各个属性值之间贴近度函数,计算出各个属性值的贴近度矩阵,定义了直觉模糊集信息系统的可区分矩阵,给出了其约简的判定定理,利用模糊聚类中的平方法求出其可区分矩阵的传递闭包,将其转化为等价矩阵,给定一个主观水平对其进行模糊聚类,将其转化为具有等价关系的信息系统并且进行约简,从而得到直觉模糊集信息系统的核心属性。给出了该算法的复杂度。最后通过一个算例表明这种方法的有效性和合理性。     

基于粗糙集理论的知识约简及应用实例

在保持分类能力不变的前提下 ,通过利用粗糙集理论中的知识约简方法 ,在保护知识库分类不变的条件下 ,删除其中不相关或不重要的知识 ,从而导出问题的决策 .利用基于决策表的粗糙集模型算法 ,实例分析如何数字化表示决策表 ,并对其进行属性约简和属性值的约简 ,从而提取决策规则 .     

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。     

属性约简的一种简单算法

针对粗糙集中属性约简的算法进行了研究,通过寻找相对不可约属性BiU A Bi-core(A)的几种方法,借助相对不可约属性和属性频率得到属性约简的算法,该算法简单易实现,速度快.     

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.     

三维Poisson方程的一个块松弛法

在许多物理、工程问题中,都涉及到Poisson方程的数值求解。在二维情形,人们已经对规则区域研究出一些快速求解方法(如快速富氏变换,循环约简算法等)。这些算法具有稳定、计算量小等优点。特别是循环约简算法,更充分地体现了这些优点。我们曾在每秒五万次左右的机器上用此方法求解了1200多阶的方程组,仅用50秒便得准确结果,足见其计算量之少。但如何将此方法应用于一般区域,尚待进一步研究。在将循环约简     

差别矩阵约简的简化算法的使用误区

差别矩阵约简算法是粗集属性约简的重要方法,简化算法能省去生成、存储差别矩阵的中间环节,减少时空运算,是一种实用方法.指出简化算法使用中的常见错误,分析了错误原因,给出了改正方法.