基于相对知识粒度的区间集决策信息表不确定性度量

区间集决策信息表拓展了经典决策信息表,其粒化结构的不确定性刻画成为重要应用基础。基于区间邻域粒化引入相对知识粒度,进而提出区间集决策信息表的一种新型不确定性度量。利用两对象之间的距离及半径来建立区间邻域粒化系统,证明距离粒化与相似度刻画的条件等价性,获得区间近似粗糙度;把经典相对知识粒度推广为区间相对知识粒度,将其与区间近似粗糙度进行信息融合,提出一种新型不确定性度量并得到了粒化单调性等性质。最后进行了实例验证,结果表明所提度量能够有效表征粒化结构变化所引起的不确定性变化。

相对知识粒度序决策表的属性约简方法

序决策表中的知识约简越来越受到关注,在优势类和知识粒度的基础上,引入了序决策表中的一种知识相对粒度,度量了属性集在序决策表中的相对不确定性,进而给出了属性相对重要度的定义。并设计了序决策表的一种启发式属性约简算法,通过实例分析和验证了算法的有效性。

区间值决策表中基于相对知识粒度的属性约简

针对区间值决策表,采用区间相对知识粒度提出属性约简及其启发式约简算法。基于相似关系,定义关于决策分类的区间相对知识粒度,证明粒化单调性等性质;基于区间相对知识粒度,提出属性约简,挖掘区间属性内与外重要度的启发式信息,从而设计启发式约简算法并分析其时间复杂度;针对一致区间值决策表,证明区间相对知识粒度表示与代数表示的等价性;采用区间值决策表实例进行有效验证。对于区间值决策表,相关区间相对知识粒度及属性约简深化了知识学习与特征优化。

一般模糊熵及其应用

针对广义近似空间,提出了一般模糊熵概念,简便而有效地度量了广义近似空间中粗糙概念的模糊性;讨论了一般模糊熵的性质,给出了一般模糊熵关于目标信息系统属性约简的定理及其证明;结合相对知识粒度,提出一个基于一般模糊熵的属性约简的启发式算法,该算法的时间复杂性为O((|P|+|D|).(|U|4)。通过例子分析,表明该算法是有效的。