基于粒关系包含度矩阵的属性约简算法研究

针对信息系统属性约简问题,通过借助粒关系包含度矩阵这一中间工具,给出一种决策表属性启发式约简算法.首先,计算决策表中条件属性与决策属性之间的粒关系包含度矩阵;然后,将粒关系包含度矩阵中隐含的信息L_B作为启发式算子对决策表进行属性约简;最后,删除冗余属性并设置终止条件,实现决策表的属性约简.通过实例验证了该算法的有效性.     

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 .     

基于粗糙集与模糊集的连续值域决策表的离散化算法

将粗糙集理论与模糊集理论结合起来,给出一种连续值域决策表的离散化算法。该算法从已知数据的初始决策系统出发,首先构造对像的相似矩阵,然后根据相似矩阵的传递闭包及粗糙集正域的思想得出决策表的条件类,再根据条件类将连续值决策表化为区间值决策表,最后根据各区间值将连续值域决策表化为离散决策表。     

基于粗糙集的突发事件属性约简方法

针对突发事件不完备信息系统中的原始数据存在大量属性冗余的问题,提出一种基于粗糙集的不完备信息系统属性约简方法,以剔除冗余属性,提高知识清晰度。首先对缺失、冗余、噪声以及连续型数据进行预处理;然后进行属性分类,将属性分为条件属性与决策属性,进而建立决策表;最后根据决策表的特征,结合有序加权平均算子的思想,提出一种基于属性重要度的启发式属性约简算法。文末,通过实例验证了方法的正确性与有效性,并利用该方法实现了火灾数据的属性约简。     

基于模糊粗糙集极大差别对的增量属性约简

属性约简是模糊粗糙集理论的重要研究内容,它能够删除冗余的属性,保留数据集中的关键信息.本论文旨在给出动态数据信息下的属性约简方法.基于模糊粗糙集模型中的极大样本差别对,给出了当样本发生变化时的增量属性约简算法.首先引入了增加一个样本时的约简更新机制,通过更新极大差别对,提出了相应的属性约简算法,基于此,给出了增加多个样...     

基于粗集和神经网络的煤炭资源资产分类研究

准确的煤炭资源资产分类是有效进行煤炭资源资产管理的前提和基础.针对现有分类方法存在的不足,提出了基于人工神经网络(ANN)与粗集理论(RS)的煤炭资源资产分类方法.首先,由资产分类的样本数据形成决策表,使用专家离散法对数据进行离散处理;然后,采用遗传算法(GA)对决策表进行属性约简;最后根据约简后的属性集构建起煤炭资源资产分类的神经网络模型.实例运行表明,所提出的模型方法比单纯的ANN方法在学习效率和分类准确率方面均有所提高.     

变精度粗糙集的约简算法

文中研究了变精度粗糙集的属性约简问题,通过设置参数β,简化决策表,定义其上β的限制正域,进而给出其约简算法,并结合实例分析,验证该算法的有效性.     

基于覆盖度的银行客户分类模型

投资收入是银行的主要收入来源之一。近年来,客户的投资意向显著降低,银行的投资收入减少。因此,银行希望将营销工作重点放在订阅概率更高的客户上。然而,繁多的客户样本以及客户信息导致银行的客户筛选工作低效。面对庞大的客户信息数据,粗糙集理论可以在不影响决策分类结果的前提下,通过属性约简删除属性集中的冗余属性,并导出问题的决策规则,提高效率。但在传统的属性约简过程中,没有针对进入正域的噪声样本进行控制,导致噪声特征被加入约简集。本文基于高效的相关族定义覆盖度,限制进入正域的样本。实验结果表明,覆盖度算法能够提高分类算法准确度及稳定性。最后,本文并将算法运用于银行客户分类实际问题中,剔除无用信息,筛选出关键属性,提高了分类准确度和稳定性,构建简洁高效的银行客户分类模型。     

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.     

基于粗糙集的模糊决策算法

给出一种从连续决策表中提取模糊决策规则的规则提取算法。首先,转化连续属性值为模糊值;然后,给出两个不同对象的模糊属性值关于相应连续属性的相似度;其次,给出了λ相似关系与λ相似类的定义。根据λ相似关系,给出粗糙-模糊空间中的下近似与上近似概念;最后,结合模糊集与粗糙集理论的思想,给出一种从连续值域决策表获取决策规则的算法,并通过实例说明该算法的有效性。     

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.     

一种新型粗糙集的指标筛选模型及实证分析

针对现有指标筛选方法不能将指标客观数据和指标实际含义同时处理的弊端,研究提出了一种新型粗糙集指标筛选方法,并对绿色经济下的社会可持续发展评价指标体系构建进行了实证分析.方法同时将粗糙集决策表的相对约简理论与信息表的属性约简理论相结合,既保证了筛选的客观性又兼顾了指标的实际含义,其主要做法一是通过布尔推理算法,保证了连续型指标离散化过程中候选断点的最优组合,为粗糙集约简提供了高准确率的信息表数据;二是考虑了指标的实际含义,通过对有因果关系的指标构成的决策表进行相对约简,删除了指标信息间的冗余指标;三是通过对无实际联系的指标构成的信息表进行属性约简,删除了研究指标客观数据中的冗余指标.     

集值决策表基于邻域关系的属性约简

集值信息系统是完备信息系统的广义形式,它当中的一些对象在某些属性下的取值可能不止一个,反映的是信息的不确定性.本文在集值信息系统上引入对象的邻域关系,并以每个对象的邻域作为基本集,建立了集值信息系统的粗糙集方法.为了简化的知识表示,我们进一步讨论了邻域协调集值决策表的正域约简与邻域不协调集值决策表的近似分布约简,给出了正域约简与近似分布约简的等价刻画条件,并借助区分函数给出了计算正域约简与近似分布约简的方法.     

动态条件下基于粗糙集的平衡记分卡模型及算法研究

传统的供应链绩效评估方法大多属于静态评估,而实际的供应链是一个动态系统,因此需要使用动态绩效评估方法来进行考量。为了适应动态联盟整体绩效评估之需要,把传统的四维平衡计分卡扩展为五维动态平衡计分卡。在此基础上建立了供应链动态绩效评估决策表,并利用粗糙集理论对决策表进行了属性约简和值约简,从而得到了预测绩效评估结果的决策规则集。仿真实验表明,提出的基于粗糙集理论的供应链动态绩效评估方法能够有效地给出动态供应链绩效评估结果及发展趋势,为供应链的合理分析和决策制定提供依据。     

优势关系下决策表的下近似约简方法研究

研究了优势关系下不协调决策表的下近似约简问题,引入新的下近似约简的定义,证明新的下近似约简与文献[7]定义的下近似约简等价。给出新的下近似约简的判定定理和辨识矩阵,与文献[7]的辨识矩阵相比,计算新的下近似约简的辨识矩阵的时间复杂度要低。因此,可以利用新的辨识矩阵来求决策表的下近似约简．     

粗集决策表简化理论研究

对粗集决策表简化理论进行研究 ,为了提高决策表简化算法效率 ,通过研究得出几个定理 ,并将其应用于决策表简化算法设计。     

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.     

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 .     

代数数极小多项式的近似重构

给出了代数数极小多项式近似重构的误差控制条件,进而基于同步整数关系探测算法SIRD,得到一个从代数数近似值重构其准确极小多项式的完备的新算法,从而将“采用近似计算获得准确值”这一思想的适用范围从有理数扩展到代数数.