直觉模糊系统下的属性约简算法及其应用

信息熵是研究信息粒不确定性度量的一种重要方法,并且可以应用于信息系统的属性约简和综合评估中。本文提出了比较两个直觉模糊值大小的新方法,定义了直觉模糊集中香农熵形式的熵度量。以直觉模糊决策系统为背景,结合直觉模糊集理论,基于直觉模糊相似关系分别构造了直觉模糊信息熵和条件熵,利用直觉模糊条件熵给出属性重要度的计算公式,设计了基于直觉模糊条件熵的启发式属性约简算法。在此基础上,通过属性重要度得到了属性指标的权重,进而提出了一种综合评估方法,并将其应用于安全审计风险的研究中,得到可接受的安全风险评估方法,通过结果对比分析,验证了该方法的可靠性和有效性。

基于邻域优势粗糙集的区分度动态属性约简算法

为解决动态环境下数值型偏序关系数据的属性约简问题,利用优势粗糙集的区分度提出一种增量式属性约简算法。在数值型信息系统环境下,定义邻域优势区分度度量,通过邻域优势区分度设出一种非增量式属性约简算法;研究和分析对象变化场景下邻域优势区分度进行增量式更新的原理;分别提出数据对象增加和减少情形下数据集属性约简的增量式更新算法。在多个UCI数据集上进行实验验证,实验结果表明,该增量式算法能够有效完成动态数据的属性约简任务。

区间值决策表中基于相对优势邻域粒度的属性约简

现实生活中大量数据以区间值形式存在,此时区间值决策表并不是基于等价关系,传统的决策方法并不能解决这一问题.为此,本文在区间值决策表中引入相邻关系、相邻类的定义,进而由相邻类建立了区间决策表的相对优势邻域粒度,拓展了经典决策信息系统的相关方法,并利用相对优势邻域粒度研究了区间决策表属性约简的启发式算法,通过具体案例将得到的属性约简结果与代数约简进行了有效性验证,进一步丰富和完善了信息系统属性约简理论.

决策形式背景基于OE-协调性的属性约简

属性约简作为形式概念分析中非常重要的一个研究分支,在三支概念分析中也同样重要。基于对象导出三支概念格,提出了保持决策形式背景OE-协调性的属性约简理论,丰富了三支概念分析的约简理论。首先,定义了决策形式背景的OE-协调集和OE-约简,并将属性按其特征分为3类。其次,指出OE-约简的本质就是极小OE-协调集,给出了OE-协调集的几个判定定理,通过研究OE-协调集的充要条件,获取OE-约简的判定定理。最后,给出OE-差别矩阵和OE-差别函数的定义,并给出了利用OE-差别矩阵和OE-差别函数计算OE-约简的方法。

基于多核模糊条件熵的多类型混合数据属性约简算法

对数据进行有效属性约简是数据挖掘中一个具有挑战性的任务。当前,粗糙集理论是构造属性约简的一种常用方法。然而,现有的属性约简方法都侧重于单类型的数据,对现实环境下多类型混合的数据并不适用。为了解决这一问题,提出一种多核模糊条件熵的多类型混合数据属性约简算法。首先,针对标记型、数值型、区间型和集值型混合的多类型数据,提出了一种多核模糊相似关系。然后,基于这种多核模糊相似关系,定义了一种多核模糊条件熵模型,并讨论了它的单调性和有界性。最后,利用多核模糊条件熵的单调性提出了一种多类型混合数据的属性约简算法。通过UCI数据集的实验分析验证了该算法的有效性。

一种基于改进相对邻域区分度的属性约简算法

弱标记不完备混合型数据是一种常见的数据类型,因此对弱标记不完备混合决策系统进行属性约简,是当前研究的一个热点.首先,通过改进相对邻域区分度的属性重要度定义,构造基于改进相对邻域区分度的增量式更新机制;然后,设计了弱标记不完备混合决策系统中增加属性集的增量式属性约简算法;最后,选取UCI数据库上的8个数据集,将改进的算法与其他同类型的属性约简算法进行对比,实验结果表明,改进的算法具有较高的约简效率和分类性能,从而验证了新算法的可行性.

随机多属性子空间的ReliefF加权邻域粗糙集与属性约简

属性约简是一种重要的数据降维预处理方法,然而现有的属性约简方法大多没有考虑信息系统中属性权重的信息。ReliefF算法是一种实现简单且运算效率高的属性权重评估方法,提出一种随机多属性子空间的ReliefF加权邻域粗糙集和属性约简算法。该方法生成了多组具有相同大小随机子空间的属性集划分,并对每组划分的随机子空间利用ReliefF算法计算得到属性的局部权重,将所有组得到的属性局部权重求取平均值,得到了信息系统每个属性最终的全局权重;基于属性权重的结果,提出一种新的加权邻域粗糙集模型,并证明了相关理论和性质;在该模型的基础上通过加权邻域依赖度提出一种信息系统的属性约简算法。在公开数据集上的属性约简实验结果表明,所提出的属性约简算法比已有的同类型算法整体上具有更优的约简性能。

基于异类粒球分离度的自适应属性约简

属性约简是处理大规模数据集的关键步骤,与传统的邻域粗糙集(NRS)相比,粒球邻域粗糙集(GBNRS)可以显著提高属性约简的性能.然而,目前GBNRS属性约简算法生成了太多不必要的粒球;从而极大降低了算法运行效率.文章首先定义了一种新的粒球质量指标来控制生成自适应数量的粒球;然后通过粒球对样本集进行划分,将不同类别的样本点放入不同类别的粒球;最后根据不同属性集合下粒球中正域样本的数量来进行前向属性约简.为了验证算法的有效性,在12个真实数据集上将提出的算法与其他NRS属性约简算法进行了对比实验.实验结果表明,所提出的算法有更高的精度和更快的运行效率.

基于属性约简与加权最优层次聚类的短期风速混合预测

准确的风速预测是提高风功率预测精度的重要保障。为此,提出一种基于互信息(mutualinformation,MI)属性约简与加权最优层次聚类(weighting optimal hierarchy clustering,WOHC)的离群鲁棒极限学习机(outlier robust extreme learning machine,ORELM)风速混合预测方法。首先,计算32维风速属性特征与风速时间序列间的MI,分析不同特征与风速的相关性。在此基础上,分别采用最大相关最小冗余(maximum correlation minimum redundancy,MRMR)算法和WOHC算法实现风速属性特征的约简及风速样本数据的聚类划分,并通过最优化聚类预处理(clusters optimizationonpreprocessingstage,COPS)确定最优聚类数。然后,采用ORELM对不同样本集分别进行训练,构建ORELM风速混合预测模型。计算待预测点约简后的属性特征与每个聚类中心的欧式距离,选择匹配的ORELM模型进行风速预测。最后,结合东北某风电场实测数据对所提预测方法的有效性和准确性进行验证,结果表明所提方法具有较好的预测精度,能够满足实际风电场风速预测的需要。

基于集覆盖理论的覆盖信息系统属性约简方法

针对覆盖信息系统属性约简问题,提出基于集覆盖理论的覆盖信息系统属性约简方法。首先,构造覆盖信息系统的相关矩阵,通过相关矩阵诱导出覆盖信息系统的集覆盖模型,并探讨了覆盖信息系统与其诱导的集覆盖模型之间的联系,发现集覆盖模型的一个极小覆盖恰是原覆盖信息系统的一个属性约简集,从而可以将求解覆盖信息系统的属性约简问题转化为求解对应集覆盖模型的极小集覆盖问题。其次,利用集覆盖启发式算法(set covering heuristic algorithm,SCHA)在解决集覆盖问题上具有更高的精度和更好的性能,给出了基于SCHA的覆盖信息系统属性约简的求解步骤及算法。最后,通过实例验证了所提方法的可行性和有效性。

保持决策蕴涵不变的决策背景属性约简

形式概念分析是一种利用概念格进行数据分析的理论,属性约简是概念格约简的主要方式之一。决策蕴涵是形式概念分析在决策情形下的一种知识表示与推理模型。在已有保持决策背景知识信息不变的属性约简研究中,通常以保持概念规则或粒规则来保持决策背景的知识信息。而相比于概念规则与粒规则,决策蕴涵具备更强的知识表示能力。为了进一步缩小数据在属性约简前后对知识信息表示的差异,对保持决策蕴涵不变的属性约简进行了研究。首先,结合决策蕴涵的语义给出了保持决策蕴涵不变的协调集和约简定义,提出了判定协调集和约简的充要条件;接着,通过实例分析了该约简存在的问题,并结合蕴涵理论给出解决方法,从而给出了弱协调集和弱约简的定义;然后,从知识包含的角度分析了弱约简相比于约简的合理性;最后,提出了判定弱协调集和弱约简的充要条件,并结合决策蕴涵规范基给出了能够找到弱约简的方法,丰富了保持知识信息的属性约简研究内容。

融合差分教学优化的粗糙集属性约简算法

针对传统粗糙集理论在属性约简中存在计算复杂度高、易陷入局部最优解等问题,结合差分教学优化算法的全局搜索能力和粗糙集在处理不精确和不确定数据方面的优势,提出融合差分教学优化的粗糙集属性约简算法(rough set attribute reduction algorithm based on differential teaching-learning optimization, AR-DTLBO)。首先,引入自适应教学因子和差分变异策略对教学优化算法进行改进,提高算法的搜索能力和优化性能;其次,通过改进后的教学优化算法“教”和“学”两个阶段对属性约简过程进行优化,降低了数据集的维度和复杂性;最后,在UCI数据库中的8个数据集上将所提算法和其他六种算法进行对比实验。实验结果表明,该算法在约简长度、约简时间、约简率和分类精度上均取得了良好的效果,实现了对数据集的有效约简和优化,能够有效减少冗余信息并提高决策规则的准确性,为决策分析和数据挖掘等领域提供了有效支撑。

基于知识粗糙熵的快速属性约简算法

针对基于正域的属性约简算法在约简过程中存在重复计算属性相对重要度从而导致算法效率低的问题,从属性度量和搜索策略的角度提出基于知识粗糙熵的快速属性约简算法。首先,在决策信息系统中通过引入知识距离提出知识粗糙熵以度量知识的粗糙程度;其次,利用知识粗糙熵作为属性显著度的评价标准来评估单个属性的重要程度;最后,利用属性重要度对所有条件属性进行排序,且通过属性依赖度删除冗余属性,从而实现快速约简。在六个公开数据集上将所提算法与其他三种算法在运行效率和分类精度上进行对比实验。结果表明,该算法的运行效率比其他三种算法分别提高了83.24%,28.77%和59.92%;在三种分类器中,分类精度分别平均提高了0.83%、0.63%和1.37%。因此,所提算法在保证分类性能的同时,能以更快的速度获得约简。

一种基于信息熵加权的属性约简算法

针对现有邻域粗糙集模型中存在属性权重都相同,无法保证关键属性在属性约简时能够被保留的问题,提出了一种基于信息熵加权的属性约简算法。首先,采用了类间熵、类内熵策略,以最大化类间熵最小化类内熵为原则给属性赋予权重;其次,构造了基于加权邻域关系的加权邻域粗糙集模型;最后,基于依赖关系评估属性子集的重要性,从而实现属性约简。在基于UCI数据集上与其他三种属性约简算法进行对比实验,结果表明,该算法能够有效去除冗余,提高分类精度。

基于测试代价的三支邻域属性约简算法

针对粗糙集属性约简时很少考虑属性自身的测试代价等问题,提出了一种基于测试代价的三支邻域属性约简算法。算法根据各属性在邻域分辨矩阵中出现的频次和比例来计算属性重要性,并结合属性自身的测试代价来构造性价比指标,以此指导属性的甄选。三支决策方法被用于划分属性集,为属性的约简处理提供数据支撑。在7个UCI公共数据集上进行对比实验,结果表明,该算法可得到比对比算法更小的属性约简集合,在分类精度不降低的情况下,该算法具有更少的运行时间和更小的测试代价。基于财政收入的预测应用实例进一步证明了所提算法的有效性和实用性。

基于依赖空间的对象导出三支概念格的属性约简

在给定形式背景下,基于依赖空间提出了对象导出三支概念格属性约简的新定义,在此基础上讨论了属性约简方法。首先,借助三支算子定义了对象幂集上的一致关系,引入依赖空间。通过依赖空间生成闭包算子的闭元素,研究了闭元素和对象导出三支概念的外延之间的关系。其次,提出基于依赖空间的对象导出三支概念格属性约简的定义,该定义下的约简集是保持由原属性集确定的一致关系不变的最小属性子集。最后,给出协调集的判定定理,利用可辨识属性矩阵及辨识函数给出对象导出三支概念格的属性约简方法。

基于自信息熵的直觉模糊决策系统的属性约简

针对在直觉模糊集中,利用下近似构建的约简只考虑了下近似而忽略了上近似,从而导致一些信息丢失的问题,基于直觉模糊集的上、下近似提出了3种熵度量,并将其应用于直觉模糊决策信息系统的约简之中。在直觉模糊决策信息系统上定义用于描述直觉模糊关系的3种不确定性度量,分别为平均决策指数、平均安全决策指数以及平均风险决策指数,并在此基础上依次提出了条件信息熵、条件粗糙熵和自信息熵,基于自信息熵给出了相应的约简定义以及属性约简算法。在多个数据集上的实验表明,所提出的属性约简算法与其他算法相比,约简结果更具有优越性以及鲁棒性。

局部视角下的邻域粒度及其属性约简

在基于粗糙集的粒计算中,邻域粒度是常见的信息粒化表现之一.邻域粒度在不同条件属性之间存在一定差异,如果条件属性生成的邻域粒度越细,那么该条件属性对样本的区分性越强.条件属性在全局样本上生成的邻域粒度,即在全局视角下,会存在一些局限性,例如多个条件属性可能会生成相同或相似的邻域粒度,这样不利于对条件属性作进一步区分.为了弥补这样的缺陷,首先从局部视角出发,提出了局部邻域粒度的概念.与全局视角生成的邻域粒度不同,计算局部邻域粒度首先对全部样本进行分割,然后对分割后的样本分别计算邻域粒度.其次,基于局部邻域粒度提出了一种属性约简改进算法,该算法主要思想是以局部邻域粒度为准则,在选择条件属性时剔除对样本区分性较弱的条件属性.在UCI数据集上选取12组数据集,在两种不同的度量条件下,提出的算法与另外两种算法进行对比实验.实验结果表明,与另外两种算法相比,文中算法在分类准确率和分类稳定性上都有明显优势.

基于正域向量的决策粗糙集属性约简

在决策粗糙集模型中,现有划分层的正域都是通过集合求并所得,但基于该方法的保正域不变的属性约简与基于差别矩阵方法所得约简结果并不一致。提出了一种基于正域向量的决策粗糙集属性约简方法,该方法与基于差别矩阵的约简方法所得结果是一致的。最后给出一个算例说明其一致性。

基于优化容许关系的集值粗糙集模型及属性约简

粗糙集理论是一种用于处理不确定性和模糊知识的数学工具,其基本思想是在保持系统分类能力不变的前提下,通过知识约简,导出问题的分类规则。集值信息系统使得粗糙集理论得到更广泛的应用。提出了具有协调性的优化容许关系,并讨论了基于该关系的粗糙集模型,证明了相关性质。讨论了不确定性度量问题,提出了优化容许关系下集值信息系统基于粗糙熵的属性约简,并给出了属性约简算法。