基于条件信息量的动态属性约简方法

针对动态建立信息系统的需要,提出了一种动态求条件信息量的方法,在一个信息系统不断变化时,该算法不像静态约简时那样需要重新计算,而是利用新增的对象对原有的信息量进行修正,利用原有信息量的结果递归计算信息系统变化后的信息量,大大节省了计算量,提高了效率。通过一个实例表明,该算法利用较小的信息表就可以计算日益庞大信息表的信息量,分析表明该算法是正确有效的。

基于可辨识矩阵的动态属性约简算法

可辨识矩阵是粗集理论中可以标识决策属性和条件属性之间关系的矩阵。根据数据库的动态建立特性,提出了一种基于粗集理论中的可辨识矩阵的动态属性约简算法,利用数据的动态性和可辨识矩阵的特性对已有的属性约简进行修正,并通过实例证明了这种算法的有效性,该算法极大地节省了计算量,提高了算法的执行效率。

基于不确定信息系统的动态属性约简算法

针对不确定信息系统中存在的问题,在不确定信息系统的属性集上定义了一种等价关系,以等价类决定属性的条件信息量,从而定义属性的相对重要性,给出一种新型的动态属性约简算法。在一个信息系统不断变化时,该算法不像静态约简算法需要重新计算,而是利用新增的数据对已有的数据进行修正,使得每次约简充分利用上一次的结果,这样使得同样的比较运算不会重复进行。通过分析表明,该算法是正确有效的。

一种基于信息粒度的动态属性约简求解算法

动态属性约简是粗糙集理论的重要研究内容之一。针对动态决策表构造了一种基于信息粒度的动态属性约简模型,详细分析了决策表中出现新属性动态增加时信息粒度的增量式计算方法;在此基础上,以信息粒度作为启发信息,设计了一种动态属性约简求解算法,该算法能有效利用原决策表的属性约简结果和信息粒度来降低算法的计算复杂度,并使得约简结果具有较好传承性;最后通过算例分析和实验比较进一步验证了本算法的可行性和有效性。

基于信息量的动态属性约简算法仿真实现

基于信息量的动态约简算法充分利用了原信息系统的约简结果,从约简效率上,比静态算法有很大的提高。但在实际应用中,该算法的计算工作量令许多非数学专业的科技人员感到力不从心。鉴于这种情况,本文针对基于信息量的动态属性约简算法,编程仿真了整个计算过程。对该算法进行设计并用C语言编写了源代码,使计算过程简单化,输入待解决问题的数据和新增动态数据即可计算得出相应的约简结果。该仿真实现有利于动态约简算法的进一步推广和应用。

结合粗集理论的动态属性约简研究

针对动态建立数据库的需要和粗集约简存在的问题 ,在粗集理论的基础上提出了一种动态约简算法 .在数据库变化时 ,该算法不象静态粗集约简方法需重新寻找属性约简 ,而是利用新增的对象对原有的约简关系进行修正 ,大大节省了计算量 ,提高了搜索效率 ;同时在算法中还引入了信息熵准则以克服粗集约简准则对数据噪声的敏感性和不能表达属性间概率因果关系的缺点 .通过一个病因诊断问题的实例表明 ,该算法利用较小的信息表就找到了与静态粗集约简一致的属性约简集 ,并按照因果关系的大小 (不确定性大小 )对结果集合作了排序 ,同时计算量分析表明该算法比静态粗集约简极大地节省了计算量 ,提高了搜索效率 .