基于小生境遗传算法的粗糙集属性约简

利用小生境遗传算法在解决多峰最优问题的快速搜索能力,解决了目前用一般的启发式约简方法不能解决的找到粗糙集的多个属性约简的问题.并通过matlab编程,验证了几个典型的决策表约简,试验证明这种方法是正确、可靠的.最后分析了算法的时间复杂性.     

混合信息系统属性约简

将属性分为基于等价关系的离散属性及基于优势关系的连续属性,利用U/{a}划分及正域方法对系统属性进行约简并提取规则,选用UCI中的6个数据集验证了方法的有效性。     

一种新的混合智能算法及其在属性约简中的应用

属性约简是粗糙集理论的核心部分.受细菌觅食过程的启发,本文将细菌觅食算法的思想应用于粒子群算法,提出了一种细菌觅食粒子群算法.细菌觅食过程的趋向操作可以指导粒子朝着更优方向进化,而粒子群算法又能提高细菌觅食算法的收敛速度和寻优能力.将该算法应用到属性约简中,数值实验结果表明,本文提出的细菌觅食粒子群优化的约简算法在寻优能力方面均优于Hu算法,粒子群约简算法和细菌觅食约简算法,能得到更好的最小属性约简.     

基于U/{a}划分的最小约简构造

研究了求信息系统最小约简的完备方法．根据信息系统的对象在某个属性上取值的不同．将信息系统划分为若干子系统，分析并证明了原系统的最小约简与基于U／{α}划分的各子系统约简之间的关系，并在此基础上提出了一种基于U／{α}划分子系统的最小约简构造方法，选用UCI的zoo数据集．通过实验验证了该方法。     

基于粗糙集的指标体系优化及评价方法研究

粗糙集方法能客观、有效地对有限指标数据进行挖掘,通过属性约简剔除冗余指标,并根据属性重要度生成指标权重,系统地探讨了利用粗糙集进行指标体系优化和综合评价的全过程思路及方法,并通过同行评议专家科技信用评价实例,验证了方法的实用性.     

基于DSM的知识约简方法研究

根据对象属性的差异性与相似性，以及对DSM(difference-similitude matrix)矩阵元素m^dij，m^sij；的特性分析，定义了属性的重要度和合并度，给出了最佳属性约简集的修正子集的求解方法，从而提出了基于：DSM的知识约简方法，该方法能在保证规则相容的情况下生成少量规则，同时只使用部分条件属性。通过约简UCI机器学习数据库，并与粗集理论约简的结果比较，表明了该方法的合理性和有效性，并在约简效率和规则的正确率上都要好于粗集理论。     

基于基数排序及属性约简的雷电预报因子提取方法

雷电预报因子筛选是构建雷电预报模型的关键,也是提高雷电预报准确度的一个瓶颈问题。本文提出了一种基于粗糙集正域属性约简的雷电预报因子提取方法,该方法采用基数排序方法快速求解决策表的正域,引入可分辨度概念度量属性的重要性,提出了基于可分辨度的核属性与非核属性的提取方法,设计了相应的面向雷电预报因子提取的属性约简算法。真实气象数据集测试结果表明,该方法能有效提取最小集合的雷电预报因子,并较以往方法具有更好的性能。     

属性约简在中医证候诊疗数据分析中的应用

针对中医诊疗数据和诊疗结果数据存在不确定性等特点,通过研究基于粗糙集的属性约简方法,引入属性作用集差异度概念,并定义基于属性作用集差异度的属性重要度的计算方法,提出基于属性作用集差异度的属性约简算法,并将其应用于中医证候数据约简中以实现中医证候诊疗症状关键因子提取的需要。通过实际中医证候诊疗数据集上测试及与其他属性约简算法的测试比较,结果表明所提出的属性约简算法是有效的。     

概念格的规则约简与属性特征

在研究了概念格形成的偏序结构的基础上，引进了由两个形式背景形成的决策形式背景，讨论了外延集类上等价关系和交一致关系，给出了决策形式背景下规则提取与属性约简方法．同时对于在规则约简中起不同作用的属性，区分了核心（存在于任何约简中）、相对必要属性（存在于某些约简中）和不必要属性（不存在于任何约简中），给出了各类属性的特征和判别方法．这些方法为概念格规则提取的启发式算法打下了基础．     

基于粗糙集理论的示例学习研究

到目前为止，一些启发式算法被提出用于基于扩张矩阵理论的示例学习研究，该文基于粗集理论研究示例学习问题，提出了粗集理论下的几个新概念，如：必要选择子，核选择子集，约简选择子集和所产生复合的评价指标；精确度、覆盖度和简单性，给出了扩张矩阵的粗糙集算法，并提出了基于覆盖度和简单性的遗传算法最优示例学习方法。     

一种基于Rough集的数据约简方法

在对Pawlak的属性约简数据分析方法和Skowron的分明矩阵方法进行深入研究后,通过引入排斥矩阵提出了一种新的数据约简方法,经过实践证明这种方法在对决策表进行数据约简时可以和Pawlak的属性约简数据分析方法取得同样的效果.     

基于粗糙集和感知器的模式分类方法

基于粗糙集相容关系给出了一个模式分类算法。先通过感知器神经网络训练属性相容权值和相容阈值,再由相容关系确定每个样本的上下近似,通过引入一个用于决策的粗糙隶属函数,给出了分类算法。最后,对IR IS数据集的实验结果表明本算法是有效的。     

基于粗集理论的MIB变量开采

利用粗集理论对大量的MIB（Manager information base)变量进行数据挖掘,找出反映网络故障现象的MIB变量组及其逻辑组合关系,通过对网络故障采集的MIB变量离散化,运用粗集方法去处错误和不必要的数据,提取表现故障现象的规则,并将规则用于设计计算机网络故障诊断程序,给出了具体的分析过程和算法的实现步骤。     

基于偏序关系的Rough集模型及其应用

在标准Rough集理论的指导下,利用偏序关系性质构造了不同分类,并以此为基础探讨了上、下近似集,从而构建了基于偏序关系的Rough集模型。新模型将Rough集理论的应用范围由等价关系扩展到偏序关系。为了更好地增强模型的实用性和灵括性,一方面从程度、精度、概率等角度出发分别对其进行了扩展,另一方面引入依赖度使其适用于研究各种非严格的偏序关系。给出了实例分析,并结合现实生活中的现象阐述了模型的应用价值。     

基于知识约简的故障案例重用方法

案例重用是使用旧的经验去解决新的问题,可以提升基于案例推理的故障诊断系统解决问题的能力,本文提出一种基于知识约简的故障案例重用方法,主要包括针对静态案例的值约简算法（improved attribute value reduction algorithm based on discernibility matrix,IAVRADM）以及新增案例情况下的值约简增量式更新算法（incremental updating algorithm for attribute value reduction,IUAAVR）,其中,IAVRADM算法利用吸收律和互信息增量作为启发式信息,改进了已有算法中分辨矩阵构造和搜索过程,提高了决策规则的生成效率,IUAAVR算法分析总结出需要进行规则更新的3种情况.实验结果表明,IAVRADM算法的适应性强、时间开销低,IUAAVR算法在获得相同数量的决策规则情况下与案例的数量无关且更具时间优势.     

一种基于粗糙集的层次分析判断矩阵的构造方法

利用粗糙集中属性约简的思想来确定各属性的重要程度,对属性依赖度进行计算,构造出属性间相对依赖的客观判断矩阵。在此基础上将客观矩阵和利用层次分析法确定的主观矩阵相结合,提出了一种组合矩阵,通过计算组合矩阵的权重来进行决策。实例表明该方法是切实可行、有效的,能提高     

完备格上的广义Rough集模型

基于way-below关系和弱way-below关系,在具有逆合对应的完备格上建立了广义Rough上下近似算子,研究了它们的基本性质,并说明本文提出的广义Rough集模型是Pawlak标准粗糙集的推广.同时,在De Morgan代数上建立了广义Rough上下近似算子,给出了相应的基本性质.