不协调信息系统快速属性分布约简方法

以条件信息熵为属性选择准则,设计了基于哈希(Hash)分类的启发式后向贪心算法,该算法以时间复杂度O(|A||U|)求解不协调信息系统的分布约简,其中|A|是条件属性个数,|U|是记录数,并通过实验验证该算法的高效率.

优势关系下不协调信息系统的正域约简

传统粗糙集对信息系统的处理是基于等价关系的,对于含有数值型的信息系统首先必须进行离散化,因此等价关系不利于处理连续值,也不能反映现实数据之间存在的序关系。本文基于优势关系在不协调信息系统中引入正域约简的概念,提出了优势关系下基于属性重要性的正域约简算法,为获取可信度较高的规则的循环正域约简算法。

区间值不协调信息系统基于变精度优势关系的知识约简算法

知识约简是粗糙集理论的重要研究内容.针对区间值不协调决策信息系统的特点,引入优势可能度和变精度优势关系概念,提出一种基于优势关系类的属性约简算法.该算法通过确定分配区分对象集和区分函数的最小析取范式从而得到分配约简集,给出了具体的算法步骤.理论分析和实例表明该文算法的有效性和合理性.

不协调目标信息系统的知识约简

在不协调目标信息系统中引入了最大分布约简的概念 ,讨论了最大分布约简、分配约简、分布约简和近似约简之间的关系 .最大分布约简弱于分布约简 ,克服了对信息系统过于苛刻的要求 .同时 ,它又克服了分配约简可能产生与原系统不相容的命题规则的缺陷 ;给出了这些知识约简的判定定理和相应的可辨识属性矩阵 。

不协调决策信息系统的约简

知识约简是粗糙集理论中的一个重要内容,目前大多数研究都集中在协调的决策信息系统上。但现实中存在大量的不协调决策信息系统,针对该类系统的约简研究,将更具有实践意义。定义了决策包含度约简和最大决策包含度约简的概念,讨论了决策包含度约简和最大决策包含度约简的关系,即最大决策包含度约简弱于决策包含度约简,为解决不协调决策信息系统的知识约简问题提供了新方法。

基于不协调决策信息系统的有效教学影响因素分析

有效教学理念的推广与实施是新课程改革的重点项目之一,然而在深入贯彻有效教学方针的过程中,教学效果不明显等问题不断凸显。首先根据粗糙集约简理论给出约简算法。其次在对有效教学影响因素进行实地调查研究的基础上,通过随机抽样得到有关有效教学影响因素分析表,并将其转化为决策信息系统。然后利用约简算法对有效教学影响因素实例进行分析,得到分布约简、最大分布约简、分配约简、下近似约简和上近似约简。最后对有效教学影响因素决策信息系统的约简结果进行解释,从而指导有效教学方案的制定,提高有效教学的效果。

不协调目标信息系统中基于改进差别信息树的分布属性约简

在信息系统不协调的背景下,文中研究了如何有效地求解分布属性约简的问题。利用分布协调集的判定定理,提出了一种在不协调目标信息系统背景下进行分布属性约简的新方法。受到差别矩阵和差别信息树的启发,在该方法中构造了一种利用改进的差别信息树进行分布属性约简的算法。该信息树实现了对差别矩阵中的非空元素以及冗余信息的压缩储存,极大简化了时间复杂度及空间复杂度。

不协调目标信息系统的知识获取

利用最大分布约简方法,找出不协调目标信息系统的最大分布约简,即重要的属性集,再根据规则归纳的7种形式和决策矩阵方法形成决策规则,并通过实验验证方法的有效性.

不协调决策信息系统的知识约简及决策规则优化研究

针对不协调决策信息系统的知识约简及决策规则的优化问题,引入分布约简和最大分布约简理论,提出一种基于分布区分对象集的知识约简算法,并得到具体的优化决策规则获取方法。该算法通过求解分布区分对象集和最小析取范式从而得到知识约简集,依据属性约简集挖掘出最优决策规则集。理论分析和实例结果表明该方法的有效性和实用性。

不协调目标随机信息系统中基于对象的μ-约简

给出目标随机信息系统的广义决策分布函数,分别引入等价关系和优势-等价关系下的两种不协调目标随机信息系统中基于对象的μ-约简的概念,得到了μ-约简的一些性质和μ-约简的判定方法及计算方法,最后用实例验证了μ-约简计算方法的有效性。

不协调信息的协调近似表示空间故障诊断方法

针对不协调、不完备信息条件下的故障诊断难题,研究了基于协调近似表示空间的故障诊断方法。采用不协调诊断信息系统描述不协调故障信息,并将不协调诊断信息系统转化为协调近似表示空间,进而对其进行属性约简;设计了基于包含度的针对完备信息对象的故障诊断方法,采用向量补齐方法设计了针对不完备信息对象的协调近似表示空间故障诊断方法。最后,将该方法应用于航空发动机故障诊断,验证了该方法可有效处理不协调、不完备信息,显著提高了故障诊断准确率。

不协调决策信息系统的一种协调化算法

对于条件属性值一致而决策结果不一致的决策信息系统,提出一个根据系统中的不协调规则特点,利用系统中协调规则的信息使该系统变为协调决策信息系统的算法,并通过实例进行验证.

基于不协调决策信息系统的规则获取

本文提出了一种新的规则获取方法,首先对单决策不协调信息系统采用最大分布约简法进行知识约简,然后通过决策分辨矩阵和决策矩阵函数来获取决策规则,从而挖掘出不协调决策信息系统中具有可信度的隐规则。最后通过实例验证了该算法的有效性,并且在一定程度上弥补了信息系统知识匮乏的缺陷。

信息系统中的局部邻域粗糙集及属性约简

信息粒度和近似方法是粗糙集理论中两个重要描述数据的方法,为了解决经典邻域粗糙集的计算效率低下和数据识别有用性不足的问题,有人提出了局部邻域粗糙集模型。在局部邻域粗糙集中,邻域半径的大小直接影响数据的有效性,因此邻域半径的取值为至关重要,但在局部邻域粗糙集中邻域半径的取值范围有点过大。为了进一步缩小邻域半径取值范围,本文借助邻域半径的取值,讨论了系统的协调性。首先给出了不协调信息系统中的局部邻域粗糙集,然后将属性约简不协调集的思想引入邻域,缩小了邻域半径的取值范围,为计算局部邻域粗糙集的邻域半径提供了有效工具,同时研究了相关的性质。

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。

不协调目标信息系统中基于对象子集的μ-约简

利用集族上的等价关系,引入不协调目标信息系统中基于对象子集的μ-约简的概念,得到了μ-约简的一些性质和判定定理及相应的可辨识矩阵,同时提出不协调目标信息系统中基于对象子集的μ-约简的计算方法,用实例验证了该方法的有效性。

基于优势关系的启发式属性约简算法

根据优势原理,提出一种具有明确粗糙集理论含义的指标——优势度,用于度量序目标信息系统的协调程度。在证明优势度粒化单调性的基础上,给出属性集重要性度量函数,提出一种基于优势度的序目标信息系统启发式约简算法。该算法与经典粗糙集理论约简有相同的理论基础,易于理解。应用结果表明,该算法适用于优势关系下目标信息系统的知识发现。

优势关系下知识约简的比较研究

在不协调目标信息系统中引入优势关系的概念,并探讨了基于优势关系下不协调目标信息系统的几种知识约简方法,其中包括分布约简、最大分布约简、分配约简和近似约简;同时提出并证明了确定上述约简之间关系的判定定理,为进一步研究、辨识矩阵及其求取属性约简算法提供了理论依据.

一种改进的分布约简与最大分布约简求法

本文在不协调序信息系统中,证明了分布约简与最大分布约简的等价性,给出了相应的判定定理,并通过构造一种改进的区分函数求法,提供了获取分布约简与最大分布约简的一种简单的方法。