一种高效的不协调决策表约简算法

目前,不协调决策表的分布约简、最大分布约简和分配约简算法复杂度较高,不适合处理大数据集。在分析已有算法基础上,分析了基于相对可区分度的属性重要性度量的性质,解决了正域度量属性重要性的缺陷。针对不协调决策表,给出了多种简化协调决策表的定义,从而大大缩减了约简的实例数。以相对可区分度为启发函数构造了一种高效完备的不协调决策表约简算法。理论分析和实验结果表明,该约简算法解决了现有算法在复杂度和属性重要性度量上的缺陷,适合处理不协调的大数据集。

不协调决策表正域约简与其它约简的关系

主要分析了不协调决策表正域约简与分配约简、最大分布约简的关系,证明了分配约简必为正域约简.

不协调决策表协调化的一种方法

信息系统对所研究的对象描述不完善,从而导致决策表中存在不确定性决策规则。利用辨识矩阵,求出决策表中的不一致对象,通过增加新的条件属性,消除不一致对象间的不确定,从而使不协调决策表协调化,最后以实例验证了该算法的有效性。

不协调决策表的规则提取

对决策表数据的性质、数据之间的关系进行了讨论,并由此对决策表进行了分类。讨论了不协调决策表的数据约简,并证明其不影响属性约简和规则提取。基于数据的协调性,对不协调决策表的属性约简进行了研究,并提出了一种规则提取方法。最后,用实例验证了方法的有效性。

不协调决策表的不协调度

针对不协调决策信息系统中的不协调决策规则,定义了不协调决策规则对。对于属性或对象较多的不协调决策表,用辨识矩阵提取不协调决策规则对较为繁琐。首先利用包含度筛选含有不协调决策规则对的等价类,然后由辨识矩阵提取不协调决策规则对,并计算其数目。也可以根据广义决策分布函数的分量直接计算不协调决策规则对的数目。进而计算出不协调决策表的不协调度。最后研究约简前后不协调决策表的不协调度之间的关系。

决策表中基于对象的μ-约简方法研究

研究了不协调决策表中基于对象的μ-约简问题,给出了μ-约简的一些性质及等价定义,得到了μ-约简的判定定理和相应的可辨识矩阵及辨识公式,从而提供了不协调目标信息系统知识约简的新方法。并通过实例将决策表中基于对象的约简与整体约简进行了对比,结果表明前者可以得到更简洁的知识。该方法也适用于协调目标信息系统。