基于粗糙集理论的条件属性动态约简算法

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具,可以有效地分析和处理不完备信息。条件属性约简是粗糙集理论算法研究的重点。在启发式条件属性约简算法的基础上提出了动态条件属性约简算法,算法以一个信息大的属性作为基础,不断添加条件属性,并对新增加的条件属性进行修正,找到约简条件属性,目的为了进行遥感数据的动态分类做基础。文中在VC++6.0开发环境下实现了两种算法,用HSV和Iris数据验证了算法的有效性,并分析了算法的时间和空间复杂度。

条件属性递增系统的核属性动态更新算法

为解决信息系统在条件属性动态增加情况下的核属性更新问题,通过深入分析得到了一种二进制区分矩阵的等价表示方法;分析了新增条件属性对正区域和二进制区分矩阵的影响,得到一种正区域增量式计算方法,基于此提出了一种条件属性递增系统的核属性动态更新算法,该算法对已有二进制区分矩阵进行局部更新得到新的二进制区分矩阵,从而更新核属性,避免了重新计算,提高了运算速度。理论分析和实例结果验证了算法的有效性和可行性。

基于连续型条件属性的模糊规则约简算法

针对粗糙集对于连续域属性决策表的处理能力差以及不容易获得模糊集之间关系等问题,提出一种将模糊集和粗糙集结合起来的连续型条件属性模糊规则约简算法。该算法首先引入三角隶属度函数将连续属性值转换为模糊值,并使用离散模糊神经网络方法获得数据集之间关系。实例验证表明,采用该算法,用户可以根据实际决策需要和领域知识更改阈值,从而获得满意的模糊规则结果。

不完备决策表中条件属性的重要性度量

首先通过示例说明了度量条件属性的公式不适用于不完备决策表,进而针对不完备决策表提出了新的度量公式,阐述了新的公式能合理地度量不完备决策表中条件属性的重要性,并证明了该公式用于计算完备决策表条件属性的重要性与先前度量条件属性公式的计算结果相同,即新的度量公式同样适用于完备决策表,所以新的公式是度量条件属性公式的推广.

一种条件属性递减系统的核属性动态更新算法

为了解决信息系统在条件属性动态减少情况下的核属性更新问题,本文通过深入分析得到与文献[1]中所给可分辨矩阵等价的二进制可分辨矩阵和求核方法,并分析了条件属性递减对二进制可分辨矩阵的影响,基于此提出了条件属性动态减少时核属性的动态更新算法。该算法对已有的二进制可分辨矩阵进行局部更新得到新的二进制可分辨矩阵,从而更新核属性,避免了重新计算,提高了运算效率。实验结果证明,该算法是正确有效的。

基于平均互信息的混合条件属性聚类算法

混合条件属性参数间的距离值存在较大的差异,导致仅聚合距离数量级较大、较规律的数值条件属性对象,而忽视数量级较小、混沌,但类别特征更加明显的分类条件属性对象。提出了一种基于平均互信息的聚类算法。通过熵量化参数类别特性的大小,再根据熵的平均互信息计算方法衡量数据对象间类别的相同、相异特征量,统一数值和分类条件属性参数间距离的数量级,最后通过优化迭代自适应过程得到最终聚类结果。实验结果表明,该算法具有良好的聚类质量和自适应性。

英文信用证条件属性之语言分析

信用证是银行向出口商作出的有条件付款的书面承诺,在国际贸易风险规避、主体权益维护等方面起到了积极的作用。信用证条件的提出和完成,构成了以其为支付方式的国际货物交易过程的主体程序,故"条件属性"是信用证的本质属性。作为一种专门用途英语(ESP),信用证英语中的条件表述方式带有明显的语言特征。揭示这些语言特征及其形成原因,对提高从业人员使用信用证的效力和安全性具有一定作用。

基于条件属性蕴含的概念格构造及简化

基于三元背景研究三类概念格的构造和简化.首先,基于三元背景构造一个条件属性蕴含形式背景,该背景以三元背景属性集上的属性蕴含为对象,以三元背景的条件为属性.并针对条件属性蕴含形式背景给出形式概念的定义,构造相应的概念格.其次,由于条件属性蕴含形式背景中对象的个数随着三元背景中属性个数的增加呈指数级增长,这使得条件属性蕴含形式背景往往是一个比较大的数据表,因此,对条件属性蕴含形式背景进行对象约简,将原来的对象集替换为单个条件下形式背景的极小属性蕴含构成的集合.该对象约简方法不仅在很大程度上简化了条件属性蕴含形式背景,而且简化后的形式背景对应的概念格与原来的概念格同构.最后,在条件属性蕴含形式背景上引入了可能性算子和必然性算子,在此基础上定义了对象定向概念格和属性定向概念格。

混合条件属性的细化类别特征粒度系数聚类算法

混合条件属性对象的数据环境复杂。传统的聚类算法对分类和数值两类特征参数的相似性计算方法不存在任何相同或相关的处理点,且往往偏向于大幅度提取比例较高的条件属性的类别特征,而忽视存在更有价值的较低比例的一方。提出一种基于迭代的细化类别特征粒度系数聚类算法。根据分类条件属性的数量、特征参数的类别归属数量等,围绕熵的计算公式,细化它们在熵形态中对应的特征语义,进而定义分类条件属性针对不同类簇的粒度变量值;根据欧氏距离的计算形态,结合数值条件属性及其特征参数的数量因子,定义数值条件属性面向不同类簇的粒度变量值;融合描述特征参数的类别特性权重值,利用所得粒度值进行迭代,直至粒度系数稳定且获得最优聚类性能后结束。理论分析和多个UCI混合条件属性数据集实验表明,新算法能够较好地甄别出类别特征,有效地提高聚类性能。

巧用PB的定义条件属性按钮

讨论了PowerBuilder数据窗口中的定义条件属性按钮的巧妙应用。通过两个例子说明其应用方法和技巧。

改进分辨矩阵下的增量式条件属性约简算法

通过分析现有分辨矩阵的不足,给出了基于条件熵的分辨矩阵定义,以得到不一致决策信息系统下的合理条件属性约简结果.基于改进分辨矩阵的定义,提出了相应的条件属性约简算法,并证明了其约简为不同于代数观点下的约简,而与信息观点下的约简相同.进一步,对该改进分辨矩阵做进一步修正,提出了一个增量式条件属性约简算法.实验结果表明:所提出的改进分辨矩阵下的条件约简算法总体上优于同类求解算法,而其增量条件约简算法能够获得稳定可靠的约简结果,同时约简效率得到较大的提高.

不完备信息条件下基于Roustida改进算法的诊断规则提取

诊断决策过程本质上为信息的处理过程。由于信息结构的复杂性和采集的局限性使得获取的信息存在缺失、模糊、冗余等不完备现象,从而影响诊断的准确性。为此,对条件属性冗余、部分数据值缺失情形下,如何提高被诊断信息的完备性开展讨论,试图通过问题聚类探寻诊断决策所需的隐含规则,提出信息补齐与属性约简的知识挖掘方法:首先,针对Roustida算法在缺失值处理时存在的局限性进行改进,扩充其在工程实践中的适用范围,使缺损信息趋于完整;然后,利用遗传算法和广义诊断规则推理实现条件属性约简和规则凝练;最后,以质量问题诊断为对象进行了案例研究,验证了不完备信息条件下该方法可以实现以相对较简方式表达问题与情境信息之间的关联关系,挖掘问题发生的隐含规律。

复杂属性条件下基于Spark的clique社区搜索算法

现有的社区搜索算法难以在网络中找到满足给定复杂属性条件的社区。同时,随着网络规模的不断扩大,单机串行的社区搜索算法也已无法有效地处理大规模的网络数据。针对复杂属性条件下的clique社区搜索问题,提出一种基于Spark的搜索算法。在Spark并行计算框架的基础上,结合图的结构特征和内容属性,根据由布尔表达式定义的复杂属性条件采取不同的搜索策略,搜索时利用属性的搜索成本和扩展成本进行局部优化,从而加快搜索过程。实验结果表明,与结构优先或属性优先的社区搜索算法相比,该算法在不同属性条件、网络规模和节点数目的情况下均能保证搜索准确性并提高搜索效率。

数据缺失条件下的贝叶斯优化算法

针对朴素贝叶斯算法存在的三方面约束和限制,提出一种数据缺失条件下的贝叶斯优化算法。该算法计算任两个属性的灰色相关度,根据灰色相关度完成相关属性的联合、冗余属性的删除和属性加权;根据灰色相关度执行改进EM算法完成缺失数据的填补,对经过处理的数据集用朴素贝叶斯算法进行分类。实验结果验证了该优化算法的有效性。

基于知识粒度的不完备决策表的属性约简算法

知识粒度是属性约简的有效方法,但对于大型的决策表,计算知识粒度过于费时,算法效率不高。在引入粒度差别矩阵后,设计了一个计算粒度差别矩阵中条件属性出现频率的函数,有效地降低粒度差别矩阵的存储空间,根据此函数设计了一个高效属性约简算法。新算法使得时间复杂度与空间复杂度都降为O(K|C||U|)(其中K=max{|Tc(xi)|,xi∈U}和O(|U|)。最后通过实例仿真说明了此算法的高效性和可行性。

基于条件熵的直觉模糊条件推理

该文在利用隶属度和犹豫度计算直觉模糊逻辑命题真值的对称合成方法的基础上,提出了一种基于条件熵的直觉模糊条件推理新算法。将直觉模糊条件推理规则的前件和后件与决策信息系统的条件属性和决策属性等价起来,条件属性、决策属性和推理规则均视为直觉模糊命题,直觉模糊命题的真实程度转化成一种决策规则前件对后件的条件熵的度量,并给出了条件熵的范围,从而确定直觉模糊命题的真实程度的范围。

基于Rough Set的属性及属性值简约的一种算法

属性及属性值的约简是RoughSet理论的核心内容之一 ,基于此 ,我们通过最少的信息量也能做出正确的判断 .利用RoughSet理论中关于相对正域的概念 ,给出了一种求最少属性及最少属性值 (即核值表 )的算法 。

一种先验信息条件下的量化容差关系

在量化容差关系的基础上,考虑了决策属性值对条件属性值概率分布的影响,综合利用已知信息和先验信息统计得到条件属性值的概率分布,提出了不完备信息系统下的一种先验信息条件下的量化容差关系,并通过一个实例验证了该量化容差关系的可行性。

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。

一种面向混合属性对象的初始簇中心定位的新算法

针对随机初始化方式对混合条件属性数据对象的适应调整能力非常低,且其任意性的本质特征,会造成聚类质量大幅度下降的缺陷,提出通过分类条件属性对象的熵值与数值条件属性对象的欧氏距离计算结果的对比,确定第一个簇中心元素的定位值;然后以迭代推理的方式评估混合条件属性对象间的距离及关系特性,获得下一个初始簇中心元素并依此类推的初始簇中心定位新算法NCBT(numeric-classification and between the two)。理论分析和实验表明,该算法平均定位准确率较随机初始化方式高出10个百分点,且具有良好的自适应性,能产生优良的聚类结果。