基于差别函数的属性约简算法在电子商务中的应用

随着电子商务的发展,该领域已积累了大量商务数据,但是这些数据中往往存在许多冗余的信息。结合粗糙集理论在数据预处理中的应用,采用基于差别函数的属性约简的算法思想,提供了一种对商务信息的挖掘方法,能为小型电子商务经营者提供一定的决策参考。

基于差别函数的决策表属性约简算法研究

属性约简是粗糙集的核心内容，该文分析了基于差别函数的决策表属性约简存在的优缺点，在他人提出的改进的基于差别函数的决策表属性约简算法的基础上，进一步对约简结果处理，通过对其平均信息熵的大小衡量，选择具有巨大信息量的约简作为最后的单一约简。

一个新的差别矩阵及其在决策表中的应用

在利用差别矩阵求解决策表的相对核方法中,针对HU方法的错误,人们提出了各种各样新的差别矩阵及求相对核的方法,但计算代价高。把决策属性与条件属性放在一起构造出一个新的差别矩阵,得到了差别矩阵的若干性质和定理。在此基础上提出了求决策表的正区域、相对核、相对约简和最小约简的新算法,分析了该算法的时间复杂性。理论分析和实例表明,与现有的属性约简算法相比,该算法的时间复杂性较低。

基于差别矩阵属性约简算法的改进

利用差别矩阵计算约简的算法,具有直观、易理解和完备性的特点,但也存在一定缺点,差别矩阵中存在大量冗余元素,这类元素的生成和存储将造成时空上的浪费.文章给出的算法在生成差别矩阵时,判断其元素是否冗余,若是冗余立即约去它,从而提高属性的约简效率.实例表明,该算法是正确和有效的。

改进的差别矩阵属性约简方法

针对目前属性约简方法计算量过大、复杂度高的问题,在已有差别矩阵定义和求核方法的基础上,根据二元决策表所特有的性质,提出一种新的差别矩阵的定义,将一个大的差别矩阵分化成两个小矩阵。与建立一个差别矩阵的方法相比,改进的差别矩阵方法减少了矩阵中元素的比较次数。数据分析表明,该方法在改进差别矩阵定义的同时简化了计算过程,提高了运算效率。

基于差别矩阵的区间值决策系统β分布约简

当前区间类型数据的规模越来越大,若采用传统的属性约简方法进行处理,就需要对数据进行预处理,而这会损失原始信息。针对上述问题,提出了区间值决策系统β分布的约简算法。首先,给出区间值决策系统β分布的概念和约简目标,并证明了提出的相关定理;然后,对于该约简目标构建了β分布约简的差别矩阵和差别函数,提出了区间值决策系统β分布约简算法;最后,使用14组UCI数据集进行实验验证。在数据集Statlog上,当相似度阈值为0.6,对象数目为100、200、400、600、846时,β分布约简算法的平均约简长度为1.6、2.2、1.4、2.4、2.6,基于差别矩阵的分布约简算法(DRADM)的平均约简长度为2.0、3.0、3.0、4.0、4.0,基于差别矩阵的最大分布约简算法(MDRADM)的平均约简长度为2.0、3.0、3.0、4.0、3.0。实验结果验证了所提β分布约简算法的有效性。

粗糙集高效遗传约简算法

提出了简化差别函数的概念及其算法,简化差别函数不仅具有与决策表相同的决策能力,而且剔除了由决策表导出的原始差别函数中的重复项和冗余项.为了降低遗传约简算法适应度函数的搜索空间,有效提高计算速度,又提出了一种高效遗传约简算法,其将染色体对简化差别函数的覆盖度以及染色体中包含1的个数作为适应度函数的参数,从而保证了算法朝着最小约简收敛,并从理论上证明了算法的属性约简结果为最优,算法的时间复杂度为O(|f′||C||U|2).同时,通过4个实例对算法进行了验证,结果表明简化差别函数的项分别为原来的0.39%、0.0008%、0.00008%和0.0003%,且在500代以内能够获得最小属性约简.

决策表化简及其属性约简方法

给出一种求不一致决策表的核和所有属性约简的新方法,首先利用U/C对决策表进行化简,然后在简化的决策表上定义新的差别矩阵,最后利用差别函数求出所有属性约简。该方法可有效降低生成差别矩阵时所需的存储空间和时间,理论分析和例子表明,该属性约简方法在效率上比现有的基于差别矩阵和差别函数的方法有显著提高。

基于计算机处理的畸变图像相关识别

论述了运用综合判别函数实现畸变图像识别的理论和实现方法,用计算机编程制作综合判别函数模板,并对比例、旋转等畸变图像的识别进行了实验研究和分析。

基于粗糙集理论的属性约简算法的实现

对属性约简算法的实现进行讨论研究,利用数学中的一些运算规律,在计算机上实现布尔代数的运算。最后,结合实际的研究课题,通过运行程序,对某些数据表实现属性约简。

一种基于图象特征的动态轮廓模型

本文提出了一种基于图象特征的动态轮廓模型。该模型利用人工间接初始化轮廓的几点信息后，再利用图象自身的一些特征，能自动地、高效地、准确地识别所需的轮廓。而且，即使遇到传统方法很难处理的复杂图象时，也能给出满意的结果。与其它模型相比，它在保留了灵活性大、重复性高等优点的同时，操作更为简便。

基于粗糙集和量子遗传算法的BP神经网络电网故障诊断

为提高电网故障诊断的准确率、容错性以及缩短诊断时间,提出基于粗糙集和量子遗传算法融合的BP神经网络电网故障诊断方法.分析电网模型,得到原始决策表,利用粗糙集中的差别函数约简冗余的决策属性,得到约简后的故障诊断决策表;利用量子遗传算法优化BP神经网络参数;对数据进行训练学习,构建基于粗糙集和量子遗传算法融合的BP神经网络电网故障诊断模型.仿真验证表明:与传统的BP神经网络故障诊断方法相比,利用该方法,电网故障诊断的准确率和容错性都得到了有效提升.

早预测 早对策──推荐两种预测企业破产的模型

早预测早对策──推荐两种预测企业破产的模型吴澄在激烈的市场竞争环境中，企业时时刻刻面临破产的风险。倘若企业能预知破产的发生，企业就可以主动地采取行动，避免破产，延长企业的寿命。这里推荐两种预测企业破产的模型，可供企业借鉴。阿尔特曼模型（Ａｌｔｍａｈｍ...