因素空间理论的因素约简算法

为讨论差转计算在多因素决策问题中对因素系统的约简性能,通过理论分析与实证检验,在算法原理与机制的基础上深入讨论了算法的因素约简能力,并与基于差别矩阵的粗糙集因素约简算法进行比较.研究结果表明:差转计算在进行决策的过程中,确保了对结果有重要影响的因素进入经验推理系统,影响不大的因素在决策的过程中自动地被舍弃,从而实现了因素的约简.在6个UCI数据集上,通过对因素约简结果与时间复杂度两个方面的讨论,得出差转计算的因素约简能力同差别矩阵算法相当,在时间复杂度方面远优于差别矩阵算法.

因素空间中属性约简的区分函数

粗糙集用属性所构建的信息系统来描写事物,用各种细化的熵指标来实现信息的标度,为挖掘知识的关系数据库提供了数学基础,当前人们最关注的是她在属性约简中所能发挥的作用。但是它用以约简的区分函数定义不清楚,当没有属性能区分两个对象时,相应的属性变量为什么不取0而是取1?这一问题成为粗糙集应用的一个瓶颈。本文的目的是要为区分函数寻找更合理的解释和运用。所采用的方法是,首先要对属性名之间的运算要下定义,属性名与属性值不同,如果用属性值的运算来代替属性名的运算,就会在理解上出现混乱。为此,我们用因素空间的理论,将属性名视为因素,用因素之间的运算来定义属性名的运算,使区分函数有了明确的定义,同时也清楚解释了属性变量在特殊情况下为何取1的问题。这一结果说明因素空间可以加深粗糙集的理论基础,提高其解决问题的能力。