基于信息量的一种属性约简算法

提出了决策属性集相对于条件属性集的条件信息量的概念,证明了其在属性约简过程中的变化规律是单调递减的,并提出了一种新的属性约简启发式算法,该算法的时间复杂度为O(C3U2).通过例子分析,表明该算法是有效的.

连续量决策表的完备化分析

根据粗糙集理论可以从一个信息表中获取决策表。如果决策表条件属性的值域是连续的,这样的决策表通常是不完备的。针对这一问题,给出了连续量决策表的完备性定义、完备性度量系数和空间描述法,并通过例子进行了说明。决策表的不完备会导致决策失败,因此完备化是必不可少的。随着决策表维数增加,完备化的难度也随之增加,这是粗糙集理论应用于连续量系统的瓶颈问题。

粗糙控制中面临的问题

在介绍基于粗糙集理论的控制思想和方法的基础上,结合从采样数据中提取控制规则的过程指出了粗糙控制中所面临的一些问题,其主要包括决策信息表的建立、连续量的离散化方法、规则的不一致性、决策表的完备化和决策规则的去离散化等。并通过一个实际的例子对这些问题进行了说明和讨论。研究表明文中提出粗糙控制面临的问题是正确的,这些问题值得进一步研究。

多决策表缺失属性补齐算法的研究

不完备数据是造成信息系统不确定的主要原因之一,对数据挖掘、知识发现等造成了困难。已有的大多数不完备数据的填补算法主要考虑单个决策表的情况,有关多决策表缺失属性补齐算法却报道不多。为此,首先定义了多决策表的属性综合重要性;并以此为启发式信息,基于多决策表的内在关联性,依次补齐缺失属性;最后,实验证明该算法是有效可行的。

不完备决策表的线性分段插补完备化方法

由连续量变量系统得出的决策表通常是不完备的,不完备的决策表是不能用来决策的,所以对其必须进行完备化处理。针对这一问题,提出了线性分段插补的完备化方法。对补入决策值的检验结果表明,该方法是可行的。

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。

基于条件信息量一致决策表的属性约简

提出了决策表中决策属性相对于条件属性的条件信息量的概念,由此从信息量角度给出了一致决策表的属性约简方法,并且证明了该方法与属性约简的代数方法是一致的.通过实例表明该方法是可行的和有效的.

基于条件信息量的决策表连续属性离散化算法

该文提出了一种新的决策表连续属性离散化算法.首先使用条件信息量来度量条件属性的重要性,并据此对条件属性按照条件信息量从大到小排序,然后按排序后的顺序,考察每个条件属性的所有断点,将冗余的断点去掉,从而将条件属性离散化.该算法易于理解,计算简单.