基于信息熵和差别矩阵的属性约简方法

针对无决策属性的信息系统,定义了无决策属性的差别矩阵,利用商空间理论下信息熵的计算方法,提出了一种“空不变”无决策属性约简方法。该方法从属性约简的本质出发,将属性造成等价类发生改变的可能性数值化,进而实现属性约简。通过实例验证了方法的有效性,并通过与已有方法的对比和实验结果分析,进一步证实了该方法能更准确地识别出关键属性,完成属性约简。

基于改进差别信息树的广义决策属性约简

属性约简作为一种有效的数据降维方法,对于处理高维数据具有重要意义,通过删除冗余属性保留重要属性,获得与原系统具有相同表达能力和分类能力的属性子集。差别矩阵是得到属性约简的一种重要方法,但其中含有大量无用的信息,本文受改进差别信息树的启发,将改进差别信息树与决策多层次系统相结合,在该方法下研究不同决策层级间改进差别信息树之间的关系,提出一种基于改进差别信息树的广义决策属性约简算法。所提方法不仅可以实现对差别矩阵中非空元素的压缩存储,还有效缩短了时间消耗。为了验证算法的有效性,选取8组UCI数据集分别从算法的约简结果和约简效率两方面进行对比,实验结果验证了算法的可行性和有效性。

基于不完备决策表的正区域属性约简的压缩差别矩阵方法

差别矩阵、二进制差别矩阵方法易懂,易设计,一直以来为广大学者所喜欢。但两方法在运算时会产生大量的重复元素与无用元素(若A是B的子集,则称B是A的无用元素),这些重复、无用元素会占用大量的空间,影响算法的效率。针对以往文献中基于差别矩阵的属性约简算法存储代价高的问题,结合二进制差别矩阵引入二叉树(B_Tree)的设计思想,提出基于压缩存储的属性约简算法。该算法将二进制差别矩阵的属性集存储在二叉树(B_Tree)的相应路径上,通过边存边剪枝(剪枝的思想就是从二叉树上删除那些在同一条路径上的重复、无用属性集)的思想,有效地降低了算法的时空效率。最后通过实例分析验证了新算法的有效性和可行性。

不完备决策表的差别矩阵属性约简算法

给出一个差别矩阵的属性约简定义,证明该属性约简的定义与广义决策属性约简的定义是等价的,对差别矩阵进行了有效的压缩。在此基础上,为求出不完备决策表的属性约简,设计了一个基于该差别矩阵的不完备决策表属性约简算法,其时间复杂度为O(|C|2|U|2),最后用实例说明了该算法的有效性。

基于差别矩阵启发式决策表属性约简算法

属性约简是粗糙集理论研究的核心内容之一,是知识获取的关键步骤。针对大规模数据集,基于决策表差别矩阵属性约简不具备可操作性缺点;以及基于差别矩阵属性频度的约简算法没有考虑到差别矩阵元素中属性个数多少的缺陷。基于差别矩阵元素的基数越小,其属性越重要的思想,按照基数由小到大的顺序,利用矩阵中具有相同基数的矩阵元素的簇集中属性出现的频度,确定属性的重要度,提出一种快速搜索属性约简算法,能快速搜索到属性的最优或次优约简。实验结果表明算法是可行、有效的。

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。

区间值决策系统下的最小属性约简

在给定的属性约简目标函数下,决策表中往往存在多个约简。最后的决策规则集直接依赖于所获得的约简。决策规则集的简洁性、可理解性、通用性和精确性因约简的不同而不同,因此期望得到一些最优结果,即长度最短的最小约简。这样可以尽可能多地去除冗余属性,有效地管理决策表的存储空间,并且决策规则集的性能将变得优异。不幸的是,寻找最小约简已被证明是一个NP-难问题(Wong和Ziarko 1985)。当给定决策表时,启发式算法并不总是能得到最小约简。因此本文在区间值决策系统下提出了基于差别矩阵的0-1规划最短约简算法。

不完备决策表中基于对象矩阵属性约简算法

基于差别矩阵的属性约简是粗糙集属性约简中最常用的方法。对通常给出的以存储条件属性为基础差别矩阵进行比较后,给出一种对象矩阵的定义。对象矩阵从相容类内对象的决策值与条件属性的关系出发,存储的是对象集。给出对象矩阵的属性约简定义,证明了属性约简与基于正区域的属性约简的等价性。给出一个启发式的属性约简算法,其时间复杂度为max(O(|C|2|Upos||U|),O(|C||U|2)),空间复杂度为O(|C||U|2);通过实例说明方法的可行性。

一种基于决策表的快速属性约简矩阵算法

针对目前基于决策表的属性约简矩阵算法效率不理想的情况,首先引入了简化决策表的概念,有效剔除了决策表中大量重复冗余的对象,并给出了正区域模型下简化矩阵的构造,从而有效地缩小了求解属性约简的搜索空间;然后从理论上详细分析了基于简化矩阵的属性约简与基于正区域的属性约简是一致的,并给出了一种有效的属性重要性度量方法.为此,在简化矩阵的基础上设出了一种快速的属性约简矩阵算法,最后通过实例分析和实验对比说明了算法的有效性和可行性.

基于改进区分矩阵的决策表增量式属性约简

针对属性在不断增加的决策表,为了快速准确地计算出属性约简,提出一种增量式属性约简算法。以正域为约简的标准,利用贪心算法思想,以属性区分能力为选择标准,逐渐构造近似的属性约简,从中删减掉不必要的属性,最终得到属性约简。经复杂度分析与实验数据测试,证明该算法的复杂度低并且约简结果准确。

基于布尔冲突矩阵的不完备决策表快速属性约简算法

在不完备决策表中,针对近年来提出属性约简算法的时间复杂度不理想的情况,通过对已有计算容差类方法和引入的冲突域概念的研究,定义了布尔冲突矩阵并设计出该矩阵的快速属性约简算法。同时,在布尔冲突矩阵中定义了一种属性重要性度量的方法,并从理论上证明了该矩阵的属性约简与正区域的属性约简是等价的。经过对该属性约简算法的分析,其时间复杂度为max{O(|K‖C‖U|),O(|C|2|POSC(D)‖U|)}(|K|=max{|TC(x)‖x∈U}),空间复杂度为O(|C|2|POSC(D)‖U|)。最后通过实例和实验分析,说明该算法的有效性和可行性。

一种新的基于区别矩阵的决策表属性约简方法

利用反例指出目前基于区别矩阵计算决策表核属性方法的局限性,并指出根本原因是:U/ind(C)中的等价类的A C不相容性.目前,对于决策表的相容性问题的研究都停留在单个对象上,而本文的研究表明,要计算决策表的属性约简以及核属性,关键是要考虑U/ind(C)中的等价类的相容性.给出了基于U/ind(C)的等价类的相容性的属性约简定义和核属性定义,并讨论了一种新的基于区别矩阵的属性约简和核属性计算方法.最后证明本文方法是正确的并用相同实例验证了该方法的有效性.

基于可辨识布尔矩阵的协调决策表的属性约简

将条件属性分成核心属性、相对必要属性和绝对不必要属性,给出协调决策表的快速属性约简算法。提出协调决策表的可辨识布尔矩阵和布尔矩阵的初等行变换的概念,建立属性约简的数学模型。用布尔矩阵的初等行变换把可辨识布尔矩阵化为最简矩阵,给出通过可辨识布尔矩阵和最简矩阵判定3种条件属性的3个充分必要条件以及一种新的属性约简算法。

基于元素约简的决策表属性约简算法

Skowron差别矩阵广泛应用于属性约简及求核运算,但它只适用于相容决策表,对于不相容决策表有时会得到错误的结果。虽然国内多位学者对它进行了改进,但一方面它们仍只适用于相容或部分相容决策表的属性约简,对完全不相容决策表仍得不到正确的结果。另一方面须通过额外的函数来约束差别矩阵的构造过程,增加计算负担。利用等价差别矩阵具有相同属性约简的思想,将元素对象分割成相容对象与矛盾对象,通过对参与构造差别矩阵的行与列元素进行约简,减少了某些重复计算过程,提高了计算效率。以此为基础,给出了一种改进的属性约简算法。数值算例验证了该算法是有效可行的。

一种快速计算HU差别矩阵的属性约简算法

在已有的基于HU差别矩阵的属性约简算法中,一般是以差别矩阵中的元素作为启发信息而设计的,其时间复杂度为O(|C|2|U|2).为降低该属性约简算法的时间复杂度,首先引入简化决策表的定义,并设计了一个求简化决策表的算法,其时间复杂度为O(|C||U|).然后在简化决策表的基础上,定义了差别区域,并给出基于差别区域的属性约简定义,同时证明了基于差别区域的属性约简与基于差别矩阵的属性约简等价.在此基础上,以快速缩小简化决策表的搜索空间为目的,定义了一个新的、较为合理的、度量属性重要性的公式,并给出了它的递归计算方法,其时间复杂度为O(U/C|).最后以属性重要性为启发信息,设计了一个基于差别矩阵的快速属性约简算法,其时间复杂度降为max(O(|C||U|,O(|C|2|U/C|)),并用一个实例说明了新算法的高效性.理论分析与实验表明,新算法具有较好的扩展性.

一种快速的不完备决策表属性约简算法

目前,关于不完备决策表的属性约简算法已有不少,其中在很多算法中,其时间复杂度为O(|C|3|U|2).为有效地降低算法的时间复杂度,给出一个差别矩阵的定义和基于差别矩阵属性约简的定义,并证明了该属性约简与基于正区域的属性约简是等价的.生成的差别矩阵无需比较Uneg之间的对象,使差别矩阵得到有效地简化,进一步降低算法的存储空间.在此基础上,利用简化的差别矩阵设计一个快速计算不完备决策表的属性约简的算法,其时间复杂度降为max{O(|C|2|Upos||U|),O(K|C||U|)}.(其中K=max{|TC(xi)|,xi∈U}).最后用实例仿真说明了新算法的有效性.

基于修正差别矩阵的高效属性约简算法

为降低基于修正差别矩阵的属性约简算法的复杂度,给出了基于修正差别矩阵的简化差别矩阵,证明了基于该简化差别矩阵的属性约简定义与基于原修正差别矩阵的属性约简定义是等价的.在此基础上设计了一个基于简化差别矩阵的属性约简算法,其空间和时间复杂度分别被降为O(|C|(|U′pos||U/C|))和max{O(|C|2(|Up′os||U/C|)),O(|C||U|log|U|)}.实例说明:用新算法进行属性约简,不仅减少了计算量,而且减少了存储空间,因而是一种高效的属性约简算法.

基于差别矩阵的Rough集属性约简算法

差别矩阵非空元素的个数,直接影响基于差别矩阵的Rough集属性约简算法的效率。分析了几种差别矩阵的不足,基于此,重新定义了一种差别矩阵,该差别矩阵把划分U/C={[x1]C,[x2]C,…,[xn]C}的一个等价类看成一条规则参与区分,从而大大减少了差别矩阵非空元素的个数,提高了Rough集属性约简算法的效率。给出了这几种差别矩阵非空元素的计算公式及其相关定理。提出了一种带启发式知识的约简算法,该算法在很大程度上能找到决策表的最小属性约简。最后给出了对UCI一些数据库的仿真结果。

基于差别矩阵的增量式属性约简完备算法

为了解决基于差别矩阵的属性约简完备算法得不到最小约简的问题,提出了一种改进的属性约简方法.该方法将信息论定义的属性重要性作为启发式信息,并通过构造一个条件信息熵算子对差别集合进行运算,同时利用算子来计算候选属性的剔除次序,采用宽度优先搜索策略使约简集合中含有最重要的属性,这样就解决了完备算法约简率低的问题.结合该方法并在分析对象集增量与差别矩阵关系的基础上,证明了增量约简定理,由此提出了一种增量式约简完备算法(CAIR),当新数据加入决策表时,算法可增量构造差别集合.实验结果表明,所提CAIR在大大缩短计算差别集合时间的同时,约简率比非完备算法提高了20.3%,是同条件下完备算法执行效率的13.2倍.

基于简化差别矩阵的增量式属性约简

新对象添加到决策表后,已有的属性约简将会发生改变,需要对其动态更新。为此,首先给出简化决策表和简化差别矩阵的定义,并证明了基于简化差别矩阵的属性约简与正区域的属性约简是等价的;然后,分析增量对象的不同情况,将增量属性约简映射到简化决策表上来实现,由此设计基于简化差别矩阵的增量式属性约简算法,并对算法进行改进;最后,利用实例和实验验证了所提出算法的正确性和高效性。