New Attribute Reduction Algorithm on Fuzzy Decision Table

Classical rough set has a limited processing capacity in fuzzy decision table. Combining fuzzy set with classical rough set,attribute reduction algorithm on fuzzy decision table is studied. First,new similarity degree and new similarity category are defined. In the meantime,similarity category clusters which are divided by condition attribute are provided. And then,two theorems are presented. Subsequently,a new attribute reduction algorithm is proposed. Finally,the new attribute reduction algorithm is verified through a performance evaluation decision table of the self-repairing flight-control system. The result shows the proposed attribute reduction algorithm is able to deal with fuzzy decision table to a certain extent.

一种基于Rough集的语义图像检索方法

提出了一种基于Rough集理论的语义图像检索(RSBSIR)方法.对于给定的图像集和一个已经分类的图像集,能够迅速区别图像类型的最小的并列关键词集,降低了关键词向量空间的维数,缩小了问题的规模,简化了基于知识库的图像检索系统的建立过程.并且对于用户而言,小的关键词集易于理解,同时对规则库也可以方便地进行编辑.

基于区间二型模糊粗糙集的连续属性约简算法

一型模糊粗糙集可以直接处理连续属性集,但不能处理高度不确定性数据,而区间二型模糊集可以增强系统处理不确定性的能力。为了提高处理噪声数据的精确度,在一型模糊粗糙集的基础上,定义区间二型模糊粗糙集。基于区间二型模糊粗糙集模型研究了连续域决策信息系统的属性约简,通过紧计算域给出了新的约简算法。由于拒绝变量集合的存在,提出的约简算法可在有限时间内收敛,并且得到了更加合理的结果。数值仿真验证了约简算法的可行性与有效性。

基于粗糙集的模糊决策算法(英文)

给出一种从连续决策表中提取模糊决策规则的规则提取算法。首先,转化连续属性值为模糊值;然后,给出两个不同对象的模糊属性值关于相应连续属性的相似度;其次,给出了λ相似关系与λ相似类的定义。根据λ相似关系,给出粗糙-模糊空间中的下近似与上近似概念;最后,结合模糊集与粗糙集理论的思想,给出一种从连续值域决策表获取决策规则的算法,并通过实例说明该算法的有效性。

一种基于粗糙-模糊集理论的分类规则挖掘方法

提出了一种基于粗糙-模糊集理论的分类规则挖掘方法,以解决信息不完整情况下的推理和决策问题,并给出了该方法的流程图。利用基于粗糙集的特征属性约简算法和基于模糊集的决策规则归纳方法,可以挖掘出样本中隐藏的关联规则,形成决策。最后,将其应用于一个具体的信息系统中,结果令人满意,证明该方法是可行的且是有效的。

基于模糊相似度的实值属性信息系统规则约简

为了克服传统的规则约简方法容易导致信息丢失和约简错误的不足,提出了一种对实值属性信息系统进行规则约简的算法.该算法在粗糙集理论的基础上,把模糊集合相似度引入到信息系统的规则约简中,通过把每一个实值属性的取值归一化,使得每一条规则所对应的条件属性值都落在0到1范围内;并且把每一条规则看作一个模糊集合,通过模糊集合的相似性来考察规则的相似性;在规则约简过程中,用改进的模糊集合相似度参数进行规则约简,并针对国际水稻信息系统(IRIS)数据库进行了实验.结果表明,该算法能够正确地对实值属性信息系统进行规则约简.

基于粗集和模糊集的启发式规则约简算法研究

提出了一种新型的决策规则约简方法。基于均匀划分和正态分布隶属度函数,对决策表的连续属性进行模糊化,用欧氏距离贴近度来构建相似矩阵,并提出了一种论域的模糊划分算法;依据粗糙集隶属度进行属性约简的基础上,给出了一种决策规则约简算法,从而达到发掘知识并简化知识的目的。

基于一种属性约简算法的核事故应急决策模型研究

为了解决核事故应急决策中属性冗余并可能干扰正确评估方案的问题,提出一种基于广义变精度模糊粗糙集的属性约简算法。首先将每个方案对应的属性值量化,根据量化后的值建立模糊相似类,引入误差参数和相对错误分类率求出不同属性组合下的近似分类质量进行属性约简,并计算约简集合下属性的客观权重,将被评方案在每个约简集合下到理想点的贴近度加权求和以确定其优选顺序。实例分析证明了该算法的有效性。

基于模糊粗糙依赖度的连续值属性约简

针对传统的离散化技术所造成的信息丢失问题,提出了利用模糊粗糙集理论来进行属性约简的方法。描述了模糊等价关系下的粗糙集模型,定义了正域、依赖度等概念,提出了基于模糊粗糙依赖度的属性约简算法,该方法比传统属性约简方法具有更好的时间复杂性,并用实例证明了该算法的可行性。

模糊决策表的一种改进的属性约简算法

经典粗糙集对模糊决策表处理能力十分有限。把模糊集和经典粗糙集结合起来,对模糊决策表属性约简算法进行了研究。定义了新的相似度、相似类以及条件属性划分形成的相似类簇;给出了两个定理;提出了一个新的属性约简算法,并用实例进行了验证。

基于模糊集的连续域决策表属性约简算法

把模糊集和粗糙集结合起来,对连续域决策表属性约简算法进行研究。使用三角隶属度函数将连续属性值转化为模糊值。定义两模糊对象间的相似度、模糊对象的相似类以及连续属性在对象集上划分所形成的相似类集组成的特征向量。给出连续型属性的数字特征向量,以此为基础建立连续型属性间的相似矩阵。提出一个新的属性约简算法,并用一个实例加以验证。

模糊属性信息系统的规则约简

A new method for rules reduction to fuzzy attribute information systems is presented in this paper. Themethod gives a technique to treat continue attribute problem and a practical program scheme. Besides, the paper de-velops fuzzy theory with the technique of probability.

基于一种改进相似度的扩展粗糙集模型

应用经典粗糙集理论处理连续值属性决策表问题时,对连续值属性进行离散化会造成信息损失.本文在分析已有相似度不足的基础上提出一种改进的相似度,建立基于改进相似度的扩展粗糙集模型,并提出一种基于重要度的约简算法.

连续属性信息系统的规则约简新方法

连续属性信息系统的规则约简根本问题是属性在连续范围取任何实值,使得应用与离散属性的规则约简方法难于使用。因此解决连续属性信息系统的规则约简问题为当前研究领域所关注。该文结合粗集与模糊集理论与方法提出了一种新的数据处理与规则约简方法,并给出了该方法的实验结果。

一种基于粗糙集和模糊推理的生活方式病检查模型

为了实现从大量的医学数据中获取有效的知识并形成规则和做出正确的推理,提出了一种基于粗糙集和距离型模糊推理进行生活方式病检查的模型.采用改进的依赖度属性约简算法研究属性约简,去掉不必要属性,减小规则库规模,提高粗糙集知识发现方法在医疗健康数据上的分类效率和准确性.采用距离型模糊推理方法匹配知识库中已有规则,计算规则和给定事实的距离进行推理检查,构建距离型模糊推理的检查系统.通过实验数据描述了知识库的构建过程,并验证了模型的有效性.

模糊粗糙集中综合评价的属性约简和规则获取

传统的评价方法在进行评价之前没有进行属性约简,并且对新样本的评价过程过于复杂。鉴于此,运用(S,T)模糊粗糙集对综合评价中的属性约简和规则获取进行了研究,通过属性约简精简评价指标,通过规则获取来简化新样本的评价过程,为新样本的评价提供了一种全新的方法。最后以一个综合评价实例来演示如何进行属性约简和规则获取。

基于粗糙集的网络安全评估规则提取

给出了基于粗糙集的网络安全评估指标的约简方法。提出了一种利用粗糙集理论提取网络安全评估规则,进而利用评估规则构建网络安全评估决策系统的算法。利用一个简化的网络安全评估数据集,验证了本文提出的决策规则提取方法是有效的。

基于贴进度的模糊决策表属性约简启发式算法

属性约简是模糊粗糙集主要的研究领域,是模糊粗糙集的第一个系统的应用。然而已经有学者证明要找到最小约简是NP-hard问题。提出一种新的约简算法,首先利用贴进度生成可辨识矩阵,再由可辨识矩阵求出相对核属性,基于核属性生成最小约简的启发式算法,最后用实例说明此方法的有效性。

基于S-粗集理论的交通控制系统研究

利用粗集理论的知识推理,通过对交警指挥交通的实际经验所得决策表的约简,归纳出一系列交通控制规则,提出了一种基于S-粗集理论的交通控制模糊建模方法,实现了城市交通的粗模糊控制.

基于FCM的相似关系粗糙集属性约简方法

对具有连续属性值的信息系统的属性约简是粗糙集理论的研究热点之一。区别于传统通过连续属性离散化方法定义的等价关系,提出利用自适应的模糊C均值聚类的初步划分能力定义一种相似关系以及其自适应形式。基于该相似关系定义的粗糙集模型较好地排除噪声数据。提出正域与非正域定义以及从中导出的一种重要度以指导属性约简。与现有方法的比较实验表明该方法在属性约简上具有有效性和稳定性以及约简结果的合理性。