基于区分能力大小的启发式约简算法及其应用

提出了一种能处理噪音的有效约简算法 ,该算法基于粗集理论认为知识是区分事物的能力的观点 ,对知识进行量化 ,证明了量化的合理性 ,并以量化后的区分能力作为启发式信息 ,指导约简 ,提高了约简效率 .另外 ,利用这种启发式信息 ,提出了一种解决噪音问题的方法 .最后 ,将该算法应用到人机接口中 ,用于手关节自由度的约简 。

序信息系统的启发式属性约简算法

属性约简是粗糙集理论的核心问题之一,序信息系统中的属性约简也逐渐受到关注。基于优势类的概念,引入了序信息系统的一种信息粒度,用于度量属性集在序意义下的不确定性,进而给出了序信息系统中属性重要度的定义。在此基础上,设计了一种序信息系统的启发式属性约简算法,并通过实例分析进行了有效性检验。

邻域粗糙集的加权依赖度及其启发式约简算法

邻域粗糙集是数值型属性数据处理的有效工具.基于邻域粗糙集,传统依赖度及其约简未考虑邻域覆盖的绝对结构,由此文中建立加权依赖度及其启发式约简算法.首先,提出加权依赖度并得到其度量改进性与粒化单调性,定义相关的属性约简.然后,分析邻域半径的自适应取值,构造基于加权依赖度的启发式约简算法(NWDR).最后,在UCI数据集上进行对比实验,验证加权依赖度的单调性与NWDR的有效性.实验证明,加权依赖度改进传统依赖度的不确定性表示能力,NWDR具有较高的分类准确率与较强的应用适应性.

基于Rough集的启发式约简中启发式规则比较研究

采用属性的重要性作为启发式属性约简规则比较普遍。选择几种研究较多的属性重要性启发式规则,如属性依赖度、区分矩阵频率、信息熵等,进行简要介绍。通过编程实现规则和算法、采用经典数据集的运算比较作了汇总,从运算结果分析中获取了不同启发式规则对属性约简影响的几个基本结论。

基于形式背景转化的概念格属性约简

借鉴形式背景下概念格的经典属性约简,立足决策形式背景,通过转换提出一种新的概念格属性约简,其对一般约简具有结构诱导性。首先,在决策形式背景下定义一致集,提出概念格的一致属性约简及对应算法,得到一致属性约简与三分属性的关系。其次,研究新建的一致约简与已有的强一致约简和弱一致约简之间的关系,得到一致约简具有关于概念格属性约简的严格强性,并由此设计由强至弱的启发式约简算法。最后,给出具体实例,说明与验证相关的约简、性质和算法。

邻域近似条件熵的特定类属性约简及启发算法

针对属性约简的推广,采用邻域近似条件熵,建立邻域粗糙集的特定类属性约简及其启发算法。粒化分解决策分类的高层邻域近似条件熵,提取定义特定类的中层邻域近似条件熵并得到上下界与粒化非单调性;提出基于邻域近似条件熵的特定类属性约简,设计启发式约简算法;采用决策表实例与数据集实验进行有效验证。所得结果有利于特定类模式识别的不确定性度量与优化应用。

基于近似条件熵的集值决策表属性约简算法

集值决策表拓展了经典决策表,但其现有属性约简算法中属性重要度度量方式单一。针对集值决策表,采用近似条件熵提出属性约简及其启发式约简算法。将近似精度与条件信息熵进行信息融合,定义近似条件熵,证明粒化单调性等性质;提出基于近似条件熵的属性约简,设计启发式约简算法;采用集值决策表实例与数据实验进行有效验证。实验结果表明:与现有算法相比,提出算法不仅能够得到更优的约简结果,而且具有更高的分类精度。

基于核酸物化属性显著性约简的m^6A位点识别

为了提高核糖核酸(RNA)序列上6-甲基腺嘌呤(m^6A)位点的预测精度,该文提出一种新的基于核酸物化属性显著性度量的K重选择启发式约简算法。通过该算法获得K个物化属性约简子集来重新编码RNA样本,并结合支持向量机(SVM)训练得到K个基分类器,再通过分类器融合方法构建了m^6A位点预测器。最后,在相同的基准数据上,采用留一法交叉验证分别验证了伪二核苷酸成分分析和自协方差与互协方差变换两种典型的基于核酸物化属性的特征表示算法。实验结果表明,该文算法可显著提高m^6A位点预测的总体性能。

基于依赖度的区间集决策信息表属性约简

区间集决策信息表拓展了经典决策信息表,但其属性约简研究较少。针对区间集决策信息表存在的问题,采用模型正域及相关依赖度提出属性约简及其启发式约简算法。在区间集粗糙集模型中,定义关于决策分类的正域与依赖度,证明粒化单调性等性质。提出基于依赖度的属性约简,设计启发式约简算法。实例分析与数据实验表明,设计的基于依赖度的启发式约简算法是有效的,所得结果有利于依赖学习与特征优化。

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。

基于粗糙集理论的设备重要性评价

文章把粗糙集理论引入到企业智能决策中,利用约简启发式算法,通过预加工,数据约简等步骤从企业设备数据库中收集设备属性信息,消除多余的属性,并由此确定决策要求,协助企业确定设备重要性评价的具体条件,从而采取正确的设备管理方法。