不协调区间值决策系统的知识约简

区间值决策系统是传统Pawlak决策系统的扩展,区间值决策系统的知识约简是近年来粗糙集研究领域的热点问题之一.在实际应用中,由于信息本身具有的不确定性与不完备性,区间值决策系统往往以不协调的形式呈现.通过引入区间相似率,给出了区间值决策系统的α-相容关系与对应的上下近似算子;定义了不协调区间值决策系统的确定性规则保持与不确定性规则保持两种知识约简目标,并给出了相应差别矩阵的计算方法;对提出的两种约简与区间值决策系统的广义决策约简之间的关系进行了有效分析.最后,通过实验验证了相关结论的正确性.

区间值信息系统的知识约简

知识约简是粗糙集理论的重要研究内容之一.传统的知识约简主要针对单值信息系统,但在许多实际问题中,信息系统中的数据往往以区间值的形式存在,因此,区间值信息系统的知识约简研究具有重要意义.现有工作中,论域的分类结果存在冗余度大、误分率高等问题.针对上述问题,在区间值信息系统中引入了α-极大相容类的概念,并提出了新的粗糙上下近似算子,α-极大相容类的采用有效地提高了分类和粗糙近似精度.最后,给出了区间值信息系统知识约简的定义和相应区分函数的计算方法,为区间值信息系统的知识获取提供了一条新的途径.

区间值信息系统的启发式属性约简

针对区间值信息系统中的属性约简问题,引入α-极大相容类的概念,定义区间值信息系统的属性间依赖度和信息熵,提出相应属性内(外)重要度的度量方法,给出一种统一的启发式属性约简算法,通过实验验证该算法的有效性,并分析不同相似水平α对约简结果的影响。