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。     

集值信息系统及其属性约简

阐明集值信息系统具有知识表达的实际意义;引入关于相容关系的最大相容分类方法对论域中的对象分类,以保证每个相容类中的对象具有共同的属性特征;讨论集值信息系统的属性约简问题,利用区分函数,给出核及约简的求法.     

知识约简和属性约简的转化及等价性

研究了知识库的知识约简和知识表达系统的属性约简的转化和联系,证明了这两种约简在一定意义下可相互转化且是等价的。     

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.     

区间值信息系统基于极大相容类的属性约简

区间值信息系统是单值信息系统的一种广义模型,通过引入变精度相容关系以及极大变精度相容类,提出区间值信息系统的属性约简与对象的相对属性约简.进一步,基于区分矩阵,定义一种区分函数与相对区分函数,得到计算区间值信息系统上属性约简与相对约简的具体操作方法.     

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.     

基于优势-等价关系下不协调目标信息系统的分布约简

引入优势-等价关系下不协调目标信息系统的概念,讨论了该系统的分布约简和最大分布约简之间的关系,得到了辨识矩阵及分布约简和最大分布约简的判定定理,并通过实例验证了该方法的有效性.     

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.     

不完备直觉模糊信息系统的属性约简

利用优势关系,可对完备直觉模糊信息系统与决策信息表进行属性约简.将优势关系改进为广义优势关系,在此基础上构建了不完备直觉模糊信息系统与决策信息表的辨识矩阵,得到了求解属性约简与相对约简的具体方法.     

不一致直觉模糊决策信息系统的约简

近年来出现了许多用粗糙集理论处理各种信息系统的方法,但是对直觉模糊信息系统还没有做出相关的讨论.本文首先在不一致直觉模糊决策信息系统中定义了优势关系,然后引入基于此优势关系的分布约简、最大分布约简的概念,并通过可辨识矩阵及辨识函数得到求解这两种约简的具体方法.     

基于优势关系下不协调目标信息系统的分布约简

在基于优势关系下的不协调目标信息系统中引入了分布约简和最大分布约简的概念,并讨论了二者之间的关系,而且得到了分布和最大分布约简的判定定理以及辨识矩阵,建立了不协调目标信息系统的分布和最大分布约简的具体方法,同时通过实例验证了该方法的有效性,从而进一步丰富了粗糙集理论。     

基于优势关系的不协调区间值目标信息系统的分布约简

区间值信息系统是单值信息系统的的一种推广,知识约简是粗糙集理论的核心问题之一.在基于优势关系下的不协调区间值信息系统中引入了分布约简和最大分布约简的概念,进一步建立了分布约简和最大分布约简的判定定理和辨识矩阵,从而利用辨识矩阵给出了在优势关系下不协调区间值目标信息系统分布约简的具体方法.     

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.     

优势关系下不协调目标信息系统的部分一致约简

在基于优势关系下的不协调目标信息系统中引入了部分一致约简的概念, 并得到了部分一致约简的判定定理以及辨识矩阵, 建立了不协调目标信息系统的部分一致约简的具体方法, 同时通过实例验证了该方法的有效性, 从而为优势关系下信息系统的知识发现提供了理论基础.     

直觉模糊决策信息系统属性约简

由属性值贴近度和阈值λ可构建λ-容差关系,利用此λ-容差关系可定义直觉模糊决策信息系统属性约简的λ-可辨识矩阵,进一步可定义λ-辨识公式,最后通过λ-辨识公式的极小析取范式可以唯一确定直觉模糊决策信息系统所有的相对约简,从而可成功地解决求解直觉模糊决策信解息系统属性约简问题.     

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.     

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．     

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.