基于正区域和投票式属性重要度的特征提取算法

高维数据集中的不相关或冗余信息导致特征提取计算复杂度较高的问题,已成为研究者关注的热点。邻域粗糙集模型具有通过删除大规模数据中的冗余信息来提高计算效率方面的优势,为进一步提升现有邻域粗糙集模型在处理连续型高维数据库的特征提取过程中的计算效率,提出一种基于正区域和投票式属性重要度的特征提取算法。该算法首先依据属性约简前后正区域不变的性质,以及属性约简与正区域内决策划分类的类内归并和类间区分之间的本质联系,改进了投票式属性重要度计算办法;然后从域间区分、类间区分以及类内区分三个方面,融入属性粒度阈值来评估条件属性重要度,以此减少不同分布密度的条件属性给投票结果带来的距离影响;最后,通过一次性投票的方式给出所有的条件属性重要度,将条件属性重要度计算从k维降至1维,以此降低计算的复杂度。实验分析验证了新提出的算法对于提高属性重要度计算效率效果显著,在实验的7个UCI测试数据集上的分类精度以及运行时间等方面表现良好。

一种改进的基于正区域的决策树算法

首先分析了基于正区域、基于粗糙边界和基于依赖度的属性选择标准的关系,并证明了这三种属性选择标准彼此等价。然后以正区城的属性选择标准为代表,分析了基于正区域的决策树生成算法的优点和不足。针对这些不足。给出了一种新的属性选择标准,即基于伴随正区域的属性选择标准。用新的属性选择标准生成的决策树一般具有叶子数目较少,叶子的平均深度也较小,且叶子具有较强的泛化能力。最后,用一实例说明了新的属性选择标准的优越性。

一个基于正区域的快速求核算法

现有利用差别矩阵设计的基于正区域的求核算法,其时间复杂度为O(|C‖U|2)。为降低求核算法的时间复杂度,给出了简化差别矩阵的定义和基于简化差别矩阵核的定义,并证明了该核与基于正区域的核是等价的。由于求简化差别矩阵的关键是求划分U/C,故利用基数排序的思想设计了一个快速求划分U/C的算法,其时间复杂度为O(|C‖U|)。在此基础上,利用简化差别矩阵设计了一个基于正区域的快速求核算法,其时间复杂度降为max{O(|C‖U|),O(|C‖U/C‖Up′os)}。实例说明了新算法的有效性。

一种新的快速计算正区域的方法

Rough集理论是一种新型的处理模糊性和不确定性知识的数学工具 ,正区域是该理论的核心概念之一 ,如何有效地计算正区域对提高各相关算法的性能至关重要 在对Rough集理论进行深入研究的基础上 ,提出且证明了一种新的快速计算正区域的方法 ,并进一步分析了正区域的渐增式计算 ,最后给出了详细的算法描述和时间复杂度分析 理论分析和实验结果表明 ,该方法能够有效地降低计算复杂度 。

基于序关系的快速计算正区域核的算法

目前设计基于正区域的求核算法的主要方法是差别矩阵方法。该方法通过搜索差别矩阵的所有差别元素来得到核,故比较耗时。为此,在简化决策表和简化差别矩阵的基础上,若将其对象按条件属性值看成一个数,则对象是有序的。利用这个序,可将具有核属性的差别元素集映射到一个较小的搜索空间上,故只需判断简化差别矩阵的少量差别元素就可以找到核属性集。在此基础上,利用基数排序的思想,设计了一个高效求核算法,其时间复杂度为O(|C|2|U/C|)+O(|C||U|),空间复杂度为O(|U|)。由于新算法只需判断简化差别矩阵的少量差别元素就可以找到核算属性集,故算法的效率得到了改善。

用差别矩阵思想设计的基于正区域的高效属性约简算法

近来一些学者用差别矩阵或差别矩阵的思想设计了基于正区域的属性约简算法.由于计算差别矩阵是一个既消耗时间又消耗空间的过程,故这些算法的效率并不好.为了降低这类属性约简算法的复杂度,文中利用基于区分对象对的属性约简的思想,在简化决策表的基础上,定义了一个函数,该函数能度量简化决策表中条件属性集产生的区分对象对的个数,并用该函数设计了一个启发函数,同时给出了计算该启发函数的快速算法,经分析其时间和空间复杂度均为O(|U/C|).最后用该启发函数设计了一个有效的基于正区域的属性约简算法,该算法的时间复杂度降为O(|C||U|),空间复杂度降为O(|U|).文中还用一个具体实例说明了新算法的有效性.经实验证明,新算法具有较高的效率.

基于粗糙集的可变正区域约简

属性约简是粗糙集理论的研究重点之一.现有的各种粗糙集约简几乎都是保持某种约简准则不变,用这种方法处理一些存在异常点的数据时,在泛化能力方面存在一定的问题.针对此类问题,提出了一种可变正区域的约简方法,该方法在进行属性约简时允许正区域存在一定程度的变化.理论分析和示例表明了该方法的有效性.

基于全局正区域不一致性的快速求核算法

首先基于改进的Hash和位运算设计了快速等价类与正区域算法,将其作为求核基础;然后设计基于全局正区域不一致性的快速求核算法。区别于现有算法在求核过程中需要反复多次求正区域,深入分析了核属性ai的特征,捕捉两类C-{ai}所形成的正区域与全局正区域的不一致,不需要反复求完整的C-{ai}正区域,通过3个定理证明了基于全局正区域不一致性识别核属性的正确性和有效性。使用UCI中21个数据集、超高维和海量数据集进行全面检验,结果表明无论是多/少实体、多/少属性和有/无核的决策表,本算法在大部分情况下都优于现有同类算法,尤其适用于大型决策表。

信息系统中正区域性质的研究与应用

针对约简算法的基本问题,作了分析和研究:提出并证明正区域的一种新的等价定义,以此推导了高效的正区域基本算法;对不同约简属性集所对应的属性子集、论域子集和正区域,给出它们相互关系的性质,及关于正区域递增算法约简属性性质的推论.综合以上分析和研究,给出了一种完备、高效的属性约简算法.实验结果和理论分析表明:本研究可有效地应用于属性约简算法分析和构建.

信息系统中正区域快速求解算法研究

正区域是粗糙集理论中最重要的概念之一,求解正区域一般算法的时间复杂度为O(|C||U|2)。为了提高正区域求解效率,提出一种快速等价类划分算法,并应用于正区域求解过程中,使求正区域算法的时间复杂度降低为O(|C||U|)。然后,提出负区域的概念,证明了在负区域中求解正区域的性质,并给出改进后的算法,使求解正区域的时间复杂度进一步降低为max{O(|C||U-POS{a1}(D)|),O(|U|)。理论分析和实验结果表明,该算法是正确的、高效的。

一种论域递减式计算正区域方法

正区域的计算在粗糙集的应用中十分重要。在深入研究粗糙集基本理论的基础上,围绕不可分辨关系,得到了一种计算正区域的等价方法,提出了一种论域递减式的计算正区域的算法。该算法对论域中的样本进行分步分类,同时判断其是否属于正区域,而后将其从论域中删除,从而减轻计算量。理论分析和实例结果验证了该算法的有效性和可行性。

一种正区域的递归计算方法

正区域的计算在粗糙集的应用中十分重要,传统的求解方法较为复杂,计算量大。本文在深入研究粗糙集基本理论的基础上,得出了一种等价的计算正区域算法。该算法对论域中的样本进行分步分类,同时判断其是否属于正区域,而后将其从论域中删除,从而减轻计算量,并同时求出不属于正区域的样本集。然后分析了新增加的属性不会对已有正区域集合运算产生影响,因此只需要对原来的不属于正区域的样本集进行进一步分析就可以得到增加属性后的正区域,从而使计算正区域的范围逐渐减小,得到了一种递归计算正区域的方法。理论分析和实例结果验证了该计算方法的有效性和可行性。

一种对角矩阵快速求正区域的方法

正区域是粗糙集理论中的核心概念之一,计算正区域的算法复杂度直接影响到其他算法的实现。借助于正区域的一种等价定义,提出了一种基于对角矩阵的计算正区域的方法。该方法把每次搜索到的相容对象集存放在对角矩阵的对角线上,并把已经搜索的对象进行归零处理,从而减少计算量。实例表明该方法计算方便,简单直观,能提高计算正区域的效率。

一种基于正区域及其分类纯度的决策树算法

本文分析了基于正区域的决策树生成算法的不足,针对这些不足,提出了基于正区域及其分类纯度的决策树算法。该方法计算简单,易于理解,并用实例说明了该方法的优越性。

基于正区域约简的决策表差别矩阵方法研究

利用差别矩阵比较容易求出决策表的所有属性约简.分析了几种决策表差别矩阵的生成特点,提出一种改进的差别矩阵,差别矩阵的生成不需要计算划分U/C或正区域,可直接由决策表产生,得到了差别矩阵的几个定理.利用这些结果,给出求决策表的正区域、核、最小约简和所有属性约简的方法.理论分析和实例说明,新算法与文献[4-6]中属性约简方法所得到的约简结果相同,但效率更高.

基于正区域和差别元素的增量式属性约简算法

决策表数据的动态变化要求约简结果不断更新,为了在保证得到最简约简结果的同时提高属性约简的效率,提出一种改进的决策表约简算法,得到一个和原决策表等价的简化决策表。在此基础上,综合正区域和差别矩阵两种思想并利用原决策表的约简结果,给出一种仅存储由新增对象所产生的差别元素的增量式属性约简算法。实例计算结果表明,该算法能在原决策表约简结果的基础上快速更新属性约简结果。

一种变精度约简转化为正区域约简的方法

正区域约简与变精度约简是决策表属性约简的两种重要类型,基于辨析矩阵的约简方法能够得到所有的约简结果,通过比较两者辨析矩阵的计算过程,在阈值大于0.5的条件下,可以适当改变决策属性的值,使得变精度约简的计算可以转化为正区域约简的计算,从而为变精度约简的计算提供了一种新的计算方法。举例说明,通过上述转换可以简化变精度约简的计算。

Rough Set中正区域的若干性质

分析了不同正区域之间的关系 ,在此基础上给出有关正区域计算的若干新的性质 ,如记录过滤性质、替换计算性质和分解计算性质等 .利用这些性质可以降低正区域动态计算的计算量 .

粗糙集中正区域和近似精度的递归计算及应用

本文分析粗糙集中不同正区域之间的定量关系,给出正区域和近似精度计算的一个简洁的递归公式.在一类扩展型属性约简算法中(如Hu算法,Jelonek算法等),应用该递归公式来完成大量的正区域或近似精度以及与之相关的属性重要性的计算,可以较大幅度地减少计算量,提高属性约简算法的速度.

土地财政驱动农村建设用地入市区域正效应

新型城镇化还需要土地财政发挥正向作用,加之农村建设用地低效、隐形市场的存在以及国家提出建立城乡统一的建设用地市场,土地财政必然驱动农村建设用地入市。选取2001—2015年土地财政与农村、城镇建设用地数据,采用聚类分析方法,结合区域临近原则及经济社会发展情况,将我国31个省份(未含港澳台地区)土地财政驱动农村建设用地入市作用程度由高至低划分为7个区域。驱动程度最强的区域农村建设用地入市潜力相对于国有土地出让面积的替代作用最小。农村建设用地入市对于农民财产性增收贡献、增加区域生产要素及推动经济增长、减少地方政府征地引发的社会弊端及其程度区域差异显著。从鼓励农民参与投资开发、建设土地指标储备制度、指标异地流转入市等方面,构建兴利除弊的区域调控政策。