动态量化非对称相似关系的不完备知识约简算法

量化非对称相似关系是处理不完备信息系统的重要工具之一.本文针对非对称关系中明显相似的对象分类不合理的问题,定义了动态量化非对称相似关系,提出带有自动阈值调节的动态量化非对称相似关系模型,根据实际数据自动确定其阈值,使之更加灵活和合理.并采用快速排序提高知识约简过程中相容类的计算效率.通过实例验证了该算法处理不完备知识约简的有效性.最后,应用该模型解决了地下空间信息化施工的不完备知识约简问题.

不完备信息系统下非对称相似关系的改进

通过分析现有粗糙集扩充模型,提出了一种修正非对称相似关系。基于该关系的扩充模型有效地克服了容差关系和非对称相似关系的不足。实例结果表明了其对不完备信息系统处理更简单有效,获取的信息更充分。

基于限制非对称相似关系模型的规则获取算法研究

粗糙集理论在不完备信息系统中的应用,是将粗糙集理论进一步推向实用的关键之一,而经典的粗糙集理论对不完备信息系统的处理显得束手无策.在分析研究已有的扩充粗糙集理论模型的基础上,进一步提出基于限制非对称相似关系模型,并将经典的可辨识关系矩阵加以扩充,定义了限制非对称相似关系下的可辨识关系矩阵,采用布尔推理方法,直接从不完备信息系统中提取规则而无需改变初始不完备信息系统的结构.实验结果表明,所获得的决策规则简洁,与缺省值无关.

基于限制非对称相似关系的粗糙集模型

基于不可分辨关系的粗糙集理论不适用于含未知值的不完备信息系统.需要将经典的粗糙集理论不可分辨关系加以扩充才能处理不完备信息系统.目前已经提出了基于容差关系、量化容差关系、限制容差关系、非对称相似关系等的扩充粗糙集理论.但是,这些理论还存在一些局限性.文章提出了一种新的基于限制非对称相似关系的粗糙集扩充模型.理论分析和实验证明,与其它模型相比,可以从基于限制非对称相似关系模型的近似集中获取更多的信息.

对象间差异度的限制非对称相似关系模型

经典Rough集理论主要是利用了不可分辨关系对完备信息系统进行分析的。对现有粗糙集模型进行扩充后,才可以应用于不完备信息系统。容差关系、非对称相似关系、基于对象间完备度的限制容差关系、限制非对称相似关系等是现有的扩充模型。通过分析其优点和不足之处,提出一种新的模型——对象间差异度的限制非对称相似关系模型,在该模型中,给出的知识粒度更精确,更符合实际。实例结果也证明新模型可以从不完备信息系统获取更加精确的知识粒度。

基于非对称相似关系的粗集改进模型

改进了基于非对称相似关系的粗集的上、下近似的定义,并从理论上证明了新定义的上、下近似比原来的更合理,并进一步用一个算例来验证。

基于对称相似关系的不完备信息系统粗糙集拓展模型

在分析基于相容关系、非对称相似关系和限制容差关系的粗糙集扩展模型基础上,提出对称相似关系及其粗糙集扩展模型,并讨论其性质.这种扩展模型是其他几种扩展模型的改进,能较好地解决相容关系和限制容差关系条件的过于宽松以及非对称相似关系条件过于严格的问题.该模型的粗糙性介于相容关系与非对称相似关系的粗糙集扩展模型的粗糙性之间.

基于非对称选择相似关系的扩充粗糙集模型

针对带"*"值的不完备决策系统,提出一种基于非对称选择相似关系的扩充粗糙集模型,通过定义"选择相似"的概念来合理地控制未知值和已知值的相似程度,克服了"*"值可与任意值相似的不足。理论分析表明,该模型不但符合人的"选择性"要求,而且具有更加合理的分类效果。实例分析进一步验证了非对称选择相似关系的优越性。

不完备信息系统中基于相似关系的知识约简

以具有丢失型未知属性值的不完备信息系统为研究对象,根据非对称相似关系,讨论了知识约简问题。在不完备决策系统中,引入了近似、粗糙分布约简以及广义决策约简,讨论了它们之间的相互关系,给出了近似分布约简的判定定理、可辨识矩阵以及约简公式,并进行了实例分析,为从不完备信息系统中获取知识提供了新的理论基础与操作手段。

基于相似关系的不完备模糊决策信息系统知识约简

在不完备信息系统和模糊决策信息系统及其粗糙集模型的基础上,提出了不完备模糊决策信息系统的概念,并基于相似关系及其粗糙集模型,给出了不完备模糊决策信息系统的粗糙集模型.该模型是不完备信息系统,完备模糊决策信息系统和经典决策信息系统粗糙集模型的推广.还给出了该系统的知识约简及其算法.

基于非对称相似差别矩阵知识约简

信息系统中存在着大量数据值缺省的情况,为寻求约简的最优解需耗费大量的时间。用非对称相似关系代替粗糙集理论中的等价关系,定义了非对称相似差别矩阵,提出了基于非对称相似差别矩阵的高效求核和知识约简算法。该算法无需改变初始不完备信息系统的结构,能直接处理缺省数据。实验结果表明,新算法所获得的决策规则简洁、高效,与缺省值无关。

基于非对称相似粗糙集的规则获取算法

针对目前应用粗糙集相似关系理论与LEM2算法进行规则推理时获取规则较少以及规则简化程度不高的问题,提出了粗糙集非对称相似关系与近似集的计算方法,并对现有LEM2算法获取规则的过程进行了改进与补充,形成了一种新的基于非对称相似粗糙集的规则获取算法,以便从不完整信息中获取更多潜在规则。最后以实际算例对两种算法分别进行了测试并给出了结果对比分析,仿真结果表明新的规则获取算法在不改变原有信息集结构与内容的基础上具有更好的优化性能,能获得更好的优化结果。

不可区分关系与联系度

为了研究粗集理论中的六种不可区分关系间的联系与区别,将集对分析中的联系度引入到信息系统中,定义了对象与对象的联系度,计算出了当对象与对象间满足某种不可区分关系时它们所对应的联系度的取值,证明了可以用联系度来表示不可区分关系,还提供了一种用计算机来判断对象间是否具有不可区分关系的算法.

多标记粒度不完备信息系统的粗糙近似

在粒计算看来,一个粒是由多个比较小的颗粒组成更大的一个单元.在许多场合下,由于不同尺度对数据集分割而得到不同层次的信息粒度,这些不同的信息粒度可以用不同的标记块来区分.首先介绍了用一个满射来定义标记块的概念,接着在标记块的基础上给出了多标记粒度结构.针对多标记粒度结构,先给出了完备信息系统中粒度信息变换函数,接着在多标记不完备信息系统中重新定义了粒度信息变换函数.由粒度信息变换函数,可以在多标记不完备信息系统中得到信息粒度的一个层次结构.在每一个层次中,利用非对称相似关系定义相似类,进而定义集合的上近似、下近似、近似精度和粗糙度等概念.在不同层次之间,分别讨论了上近似、下近似、近似精度和粗糙度的性质,在不同的知识粒度下探索的知识近似的变化规律.

基于粗糙集的不完备信息系统规则推理算法

定义了非对称相似关系的近似集概念,提出了一种利用非对称相似关系下近似集和属性值对的基于粗糙集的确定规则推理算法.该算法无需改变初始不完备信息系统的结构,能直接处理缺省数据.实验结果表明,所获得的确定决策规则简洁、高效,与缺省值无关.

不完备信息系统中一种改进的粗糙集模型

对于不完备信息系统的处理,需要对经典粗集理论进行扩充。以不完备信息系统为研究对象,提出了一种新的带有参数的二元关系,并讨论了基于该二元关系的粗糙集扩充模型。通过合理设置参数值,可使新扩充模型比以往模型具有更好的分类效果,从而提高对数据预测、分类的准确度。实例分析进一步验证了新二元关系及其扩充模型的优越性。

不完备信息系统规则获取的矩阵算法

对象信息的不完备性是从实例中归纳学习的最大障碍。本文定义了限制非对称相似关系,并将经典的可辨识关系矩阵加以扩充,定义了限制非对称相似关系下的可辨识关系矩阵,采用布尔推理方法,直接从不完备决策系统中提取规则而无需改变初始不完备信息系统的结构。实验结果表明,所获得的决策规则简洁、高效,与缺省值无关。

不完备信息系统中变精度粗糙集模型

本文提出不完备信息系统中元素间的属性值的联合确定率的概念,并对基于容差关系和非对称相似关系的粗糙集模型进行推广,建立不完备信息系统的变精度粗糙集模型及其性质。

基于信息熵的不完备信息系统粗集模型拓展

分析几种已有的针对不完备信息系统的粗集拓展模型基础上,提出了一种基于信息增益的粗集拓展模型.在对各属性重要性排序的前提下,对不完备信息系统进行进一步的粗集模型拓展,通过实例说明该模型更符合人的主观要求和客观现实.

不完备模糊目标信息系统的α,β精度约简算法

本文首先定义了不完备模糊目标信息系统及其非对称相似关系,然后借鉴经典的可辨识矩阵精度约简算法,提出一种新的基于非对称相似关系的可辨识矩阵(α,β)精度约简算法,对不完备模糊目标信息系统进行属性约简。最后给出一个实例,检验算法的可行性。