基于RSDA的RDB与Rough集关系的研究

该文以Rough集数据分析技术(RSDA,RoughSetDataAnalysis)为基础,对关系数据库(RDB,relationaldatabase)和Rough集的关系进行了系统的研究。具体做法是,从Rough集与RDB产生的理论背景、关系与信息表的形式化语义、核心概念之间的关系、Rough度量与RRDM(roughrelationaldatabasemodel,简称RRDM)等方面对它们的关系进行了系统的、深入的探讨,并得出了相应的结论。

基于优势-等价关系的几种约简及规则抽取方法

考虑了条件属性引入优势关系而决策属性上引入等价关系的不协调目标信息系统。分析了这种基于优势-等价关系的相容约简、最大分布约简及正域约简三者之间的关系。此外,结合劣势关系抽取规则以提高规则的覆盖率,改进了基于优势关系的正域约简抽取规则(PDRIS)的方法。最后给出算例,并在UCI数据集上进行了大量的试验,以与PDRIS进行比较。

基于云模型的决策表规则约简

通过对决策表的转换,将规则映射成为云向量,用云向量数字特征间的相似度来度量决策表规则间的等价关系。基于此,提出了基于云模型的决策表规则约简算法,不仅解决了粗集基于严格属性匹配的等价关系不能区分相似关系,也克服了基于模糊集等价关系依赖专家先验知识、对属性值随机性分布考虑不足的缺点。实验说明了该算法的高效性。

粗集理论中的决策表条件属性的简化

根据粗集理论 ,给出一些概念的新的形式定义 ,包括决策表、决策表的正区、决策表条件属性的简化、等价关系族对前件Ⅱ型简化等 ,并讨论了几个等价关系 ,包括决策表的正区与等价关系族对正区的等价性 ,决策表条件属性的简化和等价关系族对前件Ⅰ型简化的等价性 。

基于粗糙集属性重要性的指标约简方法及改进

基于粗糙集属性重要性作为指标约简的一种重要思路,提出了基于粗糙集属性重要性的指标约简方法,并针对这种方法灵活性和适应性不足的问题,将等价关系拓展到模糊等价关系,设定阈值,增大了粗糙集知识粒度,改进了这种方法。

混合信息系统属性约简

将属性分为基于等价关系的离散属性及基于优势关系的连续属性,利用U/{a}划分及正域方法对系统属性进行约简并提取规则,选用UCI中的6个数据集验证了方法的有效性。

基于闭算子的属性约简

对于协调的信息系统,定义了其条件属性集的幂集上的两个闭算子C(R)与C(r),讨论了相应闭集族的性质,并证明了它们与不可辨识属性集族之间的关系。提出属性约简的一种新方法,给出Cr=CR的充要条件,并证明所定义的属性约简与文献[4,7]中约简的等价性。

决策表的粒计算方法研究

粒计算是一种基于问题概念空间划分的智能计算方法。在基于粗集理论的粒度模型基础上,给出了决策表的粒空间分解方法,并给出了决策表在粒表示下属性必要性和属性约简的判定条件。最后,比较了粒度模型和传统的粗集理论在处理属性约简问题上的差异。

粗集理论中知识的简化及其相互关系

证明了等价关系族对在前件的交集包含在后件的交集的条件下 ,它的前件Ⅰ型简化和前件Ⅱ型简化等价 ,在前件等于后件的条件下 ,它的前件Ⅱ型简化与等价关系族的简化等价 .进而举例说明这样的等价性的存在 。

基于k等价度容差关系的变精度粗糙集模型及其约简算法

针对k等价度容差关系,提出了一种基于k等价度容差关系的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展.在此基础上,定义了变精度粗糙集模型约简的概念,讨论了一种刻画属性重要性的新指标,提出了一种启发式约简算法.该算法能从搜索空间中不断地添加重要的属性,并且删除不重要的属性,从而降低了约简的时间复杂度.最后,通过实例说明该算法的有效性.

决策表的属性简化

首先定义等价关系族对的后件简化、等价关系族对的简化、决策表决策属性的简化、决策表属性的简化,然后建立了上述的两类简化之间的相互转化关系。

一种面向混合数据的模糊等价关系构造约简

基于模糊粗糙集模型构建模糊等价关系是混合数据分析的有效方法之一。针对属性类别多样性的混合型信息系统,提出一种带权的对象间相似性度量方法 ,该方法建立每类属性对应的相似性度量函数,再通过归并确立带权的模糊相似矩阵。在转化为模糊等价关系的基础上,采用加入蕴含专家领域知识及用户需求的约简算法。通过数据库中几个数据集样本对属性约简后的数目、精度进行对比,验证了方法的有效性和可行性。

基于优势-等价关系的属性约简算法

考虑多标准分类问题,即条件属性具有偏好关系而决策属性是无序的类别,通过在条件属性上引入优势关系而决策属性仍然用等价关系来描述不同的属性.针对这类信息系统,本文提出了一种基于样例对的矩阵约简算法.区别于传统的基于辨识矩阵约简方法,该算法在不计算辨识矩阵的前提下,通过选择样例对,来找到辨识矩阵中对约简有用的属性,因此,所提算法能够明显改善计算约简的时间耗费.进一步,为了处理较大规模的数据,提出了一种近似约简算法,该算法按属性重要性添加属性到约简中,进一步缩短了求取约简的时间.最后在UCI数据集上进行大量的实验与传统的约简算法进行了对比,表明了所提出算法的可行性与有效性.