粗糙集理论中知识粗糙性与属性重要性的信息度量(英文)

粗糙集理论是一种处理模糊和不确定性问题的新的数学方法。本文通过引入知识的信息量概念 。

知识粗糙性的零等价条件

讨论了知识粗糙性的等价条件 ,证明了知识粗糙性与条件熵为零等价 ,同时还证明了互信息对知识粗糙性定义的偏序“较细”是单调下降的。从而揭示了知识粗糙性与条件熵的密切联系。

知识粗糙性和条件信息熵的关系

目前,粗糙集理论存在着两种观点,它们分别是代数观和信息观。在代数观点中,知识粗糙性体现了知识的粒度;而在信息观中,定义了知识的信息熵和条件信息熵。已经有定理证明了信息熵与知识的粗糙性存在对应关系,它建立了代数观和信息观之间的联系,但是这种关系却不是一一对应的。该文通过重新证明知识粗糙性和信息熵的对应关系定理,找到与知识粗糙性存在一一对应关系的是条件信息熵,并给出相关定理及其证明。

知识粗糙性与知识粒度的关系研究

提出了知识的粒数、籽数和粒度的概念,证明了粗糙集理论中知识粗糙性与其所对应的粒度之间的单调关系,从而揭示了知识粗糙性与其所对应的知识的粒数、籽数和粒度之间的密切关系。知识粒度的概念从物理意义上反映了知识库中的知识颗粒状结构的本质。

粗糙集理论中知识粗糙性与信息熵关系的讨论

粗糙集理论把知识看作是具有粒度的,引入了知识粗糙性的概念.本文主要讨论知识粗糙性与信息熵之间的关系,证明了熵与互信息对于由知识粗糙性定义的偏序"较细"都是单调下降的.通过反例说明,一般情况下,其逆关系是不成立的.同时给出了逆关系成立的条件.揭示了知识粗糙性实质上是其所含信息多少的更深层次上的刻划.

一种基于粗糙熵的知识约简算法

描述了知识的粗糙性,提出了知识的粗糙熵概念,建立了信息系统中知识与粗糙熵之间的关系,并通过知识的粗糙熵对属性的重要性进行了定义。在此基础上,提出了基于粗糙熵的知识约简算法,该算法的时间复杂性为O(｜R｜3｜U｜2)。通过例子分析,表明该算法是有效的。

关于粗糙集理论与信息熵的几点注记

基于信息论中信息熵的概念及性质 ,在粗糙集的信息系统中添加一个概率测度后 ,对信息论和粗糙集理论中的一些概念进行了比较 ,给出了粗糙集理论中知识粗糙性、边界和知识约简在信息论中的解释 .并将概率论、信息论和粗糙集的知识相结合 。

Fast Matrix Computation Algorithms Based on Rough Attribute Vector Tree Method in RDSS

The concepts of Rough Decision Support System (RDSS) and equivalence matrix are introduced in this paper. Based on a rough attribute vector tree (RAVT) method, two kinds of matrix computation algorithms — Recursive Matrix Computation (RMC) and Parallel Matrix Computation (PMC) are proposed for rules extraction, attributes reduction and data cleaning finished synchronously. The algorithms emphasize the practicability and efficiency of rules generation. A case study of PMC is analyzed, and a comparison experiment of RMC algorithm shows that it is feasible and efficient for data mining and knowledge-discovery in RDSS.