一种基于知识量的约简算法

提出一种新的属性约简算法,该算法基于粗糙集理论认为知识是区分事物的能力的观点,对知识进行了新的量化,并以量化后的区分能力作为启发式信息进行约简,提高了约简效率,理论分析与实例证明该算法是有效的.

差别矩阵HU属性约简的几种等价表示

对于一致决策表,现有基于相对粒度、相对划分粒度、知识量和同可区分度的属性约简与分别代数约简是等价的,但对于不一致决策表,它们与代数约简并不等价。为此,针对不一致决策表,建立相对粒度与新条件信息熵、知识量和同可区分度之间的线性关系,从而得出结论:现有基于相对粒度、相对划分粒度、知识量和同可区分度的属性约简本质上仅与基于差别矩阵的HU属性约简等价,并通过设计一个不一致决策表验证该结论的正确性。

序信息系统属性约简的一种启发式算法

在序信息系统中引入了知识的信息量和知识粒度的概念,得到了它们的若干性质和定理。证明了在知识约简过程中,信息量的变化趋势是递减的;利用信息量的概念,定义了属性的重要性,并以属性重要性作为启发信息,提出了一种基于信息量的属性约简启发式算法,该算法的时间复杂度为O(|A|3|U|2);最后通过例子说明,该算法能得到序信息系统的一个约简。

基于知识量的决策表约简算法

提出决策属性集相对于条件属性集的知识量的概念,对决策表中属性的重要性进行了新的度量,并在此基础上,设计了一种基于知识量的约简算法,实例分析表明该算法能够有效得到决策表的约简。

基于条件信息量的知识相对约简算法

通过在信息系统中引入了知识的条件信息量的概念,证明了在知识相对约简过程中条件信息量的变化趋势是递减的;通过条件信息量定义了属性的相对重要性,提出了一种基于条件信息量的知识相对约简算法,分析得到该算法的时间复杂性为O(|C|3|U|2);通过例子分析,表明该算法是有效的.

不完备决策表中基于相对知识量的属性约简

在不完备决策表中,引入基于相容关系的相对知识量,定义属性的重要度,提出一种启发式属性约简算法。该算法通过在约简过程中不断缩小样本空间的方法,降低算法计算时间。采用UCI数据集进行实验,结果表明该算法可提高不完备决策表的约简效率,适用于大规模数据集的属性约简。

基于相对知识量重要度的属性约简算法

在有效处理噪声数据的基于区分能力大小的启发式算法的基础上,引入了属性的相对知识量重要度的概念.以属性相对知识量重要度为启发式信息,提出了一种属性约简算法,通过实例证明了该算法的有效性.

决策表的区分能力属性约简算法研究

属性约简是粗糙集理论的一个核心内容,现有的基于区分能力属性约简算法的时间复杂度较高,为此,提出改进的基于区分能力约简算法.针对决策表,引入相对知识量的概念对条件属性的区分能力进行量化,利用等价类基数递归计算相对知识量,并简化其计算过程,最后利用相对知识量作为启发信息进行属性约简.文中提出两种基于区分能力的属性约简启发式算法,一种是以决策表的相对知识量作为结束条件,另一种是以动态约简集的相对知识量改变与否作为结束条件.数值算例和实验结果表明,本文提出的两种算法是正确的、高效的.

基于区分能力大小的启发式约简算法

属性约简的有效性计算问题是粗糙集理论研究的重要内容之一。对现有决策表的属性约简算法作比较研究,以此为基础给出了一个计算相对知识量的公式和具体的算法,优化了相对知识量的求解,以相对知识量作为启发函数设计了一个高效的属性约简算法。实验结果表明,该算法是正确且高效的。

基于规则的战术导弹需求量预测方法

有效预测战术导弹需求量是实现弹药精确保障的前提。在充分利用导弹需求量各类信息的基础上,提出了一种基于协调近似表示空间粗糙集的战术导弹需求量预测方法。分析了导弹需求量预测属性,构建了需求量预测决策信息系统;将该决策信息系统转化为协调近似表示空间,并采用差别矩阵方法进行属性约简,得到部分预测规则;运用基于集合向量包含度的算法进行规则融合,获取所有预测规则,从而实现战术导弹需求量预测。算例分析表明,该方法具有有效性,相比变精度粗糙集的预测方法,能够更充分地获取知识,具有更好的普适性和实用性。

一种 Hu差别矩阵属性约简的高效算法

针对决策表,首先从理论上证明了相对知识量与新条件信息熵的等价性,从而保证可以从相对知识量的角度计算Hu差别矩阵属性约简.为快速计算出决策表属性的相对知识量,给出一种相对知识量的递归计算公式,从而得到新条件信息熵的递归计算公式.以此为基础给出一种属性重要性定义并设计出一种计算Hu差别矩阵属性约简的启发式算法.算例和实验结果验证该算法是高效的.