不协调信息系统快速属性分布约简方法

以条件信息熵为属性选择准则,设计了基于哈希(Hash)分类的启发式后向贪心算法,该算法以时间复杂度O(|A||U|)求解不协调信息系统的分布约简,其中|A|是条件属性个数,|U|是记录数,并通过实验验证该算法的高效率.

优势关系下不协调信息系统的正域约简

传统粗糙集对信息系统的处理是基于等价关系的,对于含有数值型的信息系统首先必须进行离散化,因此等价关系不利于处理连续值,也不能反映现实数据之间存在的序关系。本文基于优势关系在不协调信息系统中引入正域约简的概念,提出了优势关系下基于属性重要性的正域约简算法,为获取可信度较高的规则的循环正域约简算法。

不协调信息的协调近似表示空间故障诊断方法

针对不协调、不完备信息条件下的故障诊断难题,研究了基于协调近似表示空间的故障诊断方法。采用不协调诊断信息系统描述不协调故障信息,并将不协调诊断信息系统转化为协调近似表示空间,进而对其进行属性约简;设计了基于包含度的针对完备信息对象的故障诊断方法,采用向量补齐方法设计了针对不完备信息对象的协调近似表示空间故障诊断方法。最后,将该方法应用于航空发动机故障诊断,验证了该方法可有效处理不协调、不完备信息,显著提高了故障诊断准确率。

基于超球近似子空间的协同优化方法及应用研究

针对协同优化的计算结构及计算困难 ,提出了学科间不一致信息概念 ,并据此形成系统级优化的超球设计空间。有效地解决了原始系统级优化问题不满足 Kuhn- Tucker条件造成的计算困难 ,并克服了已有梯度方法计算易发散、响应面方法计算量大的缺点。利用文中提出的方法对一齿轮减速箱进行了设计 ,实现了并行设计的目的 。

冲突信息条件下的装备故障诊断方法

针对冲突信息条件下的故障诊断难题,研究了基于近似表示空间的故障诊断方法;采用冲突诊断信息系统描述冲突故障信息,并将冲突诊断信息系统转化为近似表示空间,进而对其进行属性约简;设计了基于包含度的针对完备信息对象的故障诊断方法,采用向量补齐方法设计了针对不完备信息对象的近似表示空间故障诊断方法;最后,将该方法应用于航空发动机故障诊断,验证了该方法可有效处理冲突、不完备信息,显著提高了故障诊断准确率。

不相容信息系统的求核

对不相容信息系统不相容规则与差别矩阵元素项关系进行了分析 ,讨论了差别矩阵与核的关系并给出了相关定理 .给出了一种差别矩阵的产生方法以及相关的求核算法 .最后给出了应用举例 .

基于粗糙信息向量的一种决策规则获取算法

针对不一致信息系统中决策规则获取问题,提出了一种基于粗糙信息向量方法的决策规则挖掘算法。基于粗糙信息向量,利用条件向量对决策向量的决策支持能力,直接从决策表中挖掘出符合阈值要求的尽可能简洁的决策规则,且不损失条件属性值的决策支持能力。利用该算法可以挖掘出决策系统中条件属性在各个简化层次情况下的确定性规则和缺省规则集合。理论分析和实例表明该算法在不一致信息系统中的决策规则获取上是可行的。

不协调序决策系统的协调修正算法

首先提出不协调度的概念用于度量序决策系统的不协调程度,进而利用决策属性的决策信息熵和不协调度作为启发式信息,提出不协调序决策系统的协调修正算法.以决策信息熵作为第一启发信息,保证协调修正的结果分布合理,尽可能与原始数据的分布规律保持一致,以不协调度作为第二启发信息使算法尽快收敛,不协调度以较快速度降低为0.算例和仿真实验分析均表明文中算法有效可行.最后对比分析协调修正前后导出的决策规则,结果显示修正后的决策规则更具合理性.

α-最大相容水平SF决策信息系统的知识约简

引入了SF决策信息系统中的最大相容水平概念,研究了α-最大相容水平ε-不协调SF决策信息系统,建立了它的粗糙集模型,讨论了它的α-水平分布ε-约简.

优势关系下知识约简的比较研究

在不协调目标信息系统中引入优势关系的概念,并探讨了基于优势关系下不协调目标信息系统的几种知识约简方法,其中包括分布约简、最大分布约简、分配约简和近似约简;同时提出并证明了确定上述约简之间关系的判定定理,为进一步研究、辨识矩阵及其求取属性约简算法提供了理论依据.

基于优势关系的启发式属性约简算法

根据优势原理,提出一种具有明确粗糙集理论含义的指标——优势度,用于度量序目标信息系统的协调程度。在证明优势度粒化单调性的基础上,给出属性集重要性度量函数,提出一种基于优势度的序目标信息系统启发式约简算法。该算法与经典粗糙集理论约简有相同的理论基础,易于理解。应用结果表明,该算法适用于优势关系下目标信息系统的知识发现。

一种不一致不完备信息系统的最优选择及规则约简方法研究

在分析不一致不完备信息系统规则提取的基础上,提出了先将不完备信息系统分为一致的和不一致的信息系统后再求其最优选择的方法。然后利用改进的分辨矩阵对所求得的不一致最优选择进行决策规则提取,并给出不确定决策规则的决策精度。最后,通过应用例子证明了本文提出方法的有效性。

不协调目标信息系统的知识获取

利用最大分布约简方法,找出不协调目标信息系统的最大分布约简,即重要的属性集,再根据规则归纳的7种形式和决策矩阵方法形成决策规则,并通过实验验证方法的有效性.

近似决策规则的形成及其应用

Ziarko在变精度粗糙集的基础上提出近似约简,进而形成决策规则.该文是在研究Ziarko的决策规则的基础上提出了近似决策规则,并与Ziarko形成的决策规则进行了比较.

有效决策的增式生成算法

粗糙集理论是一种进行数据挖掘的新的重要工具。针对传统粗糙集理论在数据挖掘应用方面的不足提出了有效度(可靠度)的概念,并给出了一种关于有效决策的增式生成法。实例表明,该算法具备处理大数据库和动态递增数据的功能,可有效地过滤噪声,提高了规则的挖掘效率。

基于不协调决策信息系统的有效教学影响因素分析

有效教学理念的推广与实施是新课程改革的重点项目之一,然而在深入贯彻有效教学方针的过程中,教学效果不明显等问题不断凸显。首先根据粗糙集约简理论给出约简算法。其次在对有效教学影响因素进行实地调查研究的基础上,通过随机抽样得到有关有效教学影响因素分析表,并将其转化为决策信息系统。然后利用约简算法对有效教学影响因素实例进行分析,得到分布约简、最大分布约简、分配约简、下近似约简和上近似约简。最后对有效教学影响因素决策信息系统的约简结果进行解释,从而指导有效教学方案的制定,提高有效教学的效果。

不协调目标随机信息系统中基于对象的μ-约简

给出目标随机信息系统的广义决策分布函数,分别引入等价关系和优势-等价关系下的两种不协调目标随机信息系统中基于对象的μ-约简的概念,得到了μ-约简的一些性质和μ-约简的判定方法及计算方法,最后用实例验证了μ-约简计算方法的有效性。

不一致邻域决策信息系统的增量式属性约简研究

属性约简是数据挖掘、机器学习等研究领域中的一个非常重要的预处理步骤,其效率的高低会直接影响到数据挖掘、机器学习等相关任务的性能。针对目前已有的非增量式属性约简方法在处理不一致邻域信息系统动态变化时无法高效更新属性约简的问题,提出一种在不一致邻域决策信息系统中对象集发生变化时的增量式属性约简方法。首先,该文以不一致邻域决策信息系统为研究对象,结合不一致邻域的特点给出了一种新的不一致度的表示方法。在此基础上用不一致度来表征属性重要度,以属性重要度为启发式信息研究不一致邻域信息系统对象集发生变化条件下邻域类以及不一致度的更新机理。随后,以不一致度为启发信息构建了增量式属性约简算法。进一步,在UCI上选取6个数据集,通过分类精度测试实验精选出各个数据集的最佳邻域半径δ,最后,利用最佳邻域半径δ在各个数据集上执行增量式属性约简算法实验,实验结果表明该文提出的增量式属性约简算法在保持分类精度不变的前提下较其他算法更加快速和有效。

不协调目标信息系统中基于改进差别信息树的分布属性约简

在信息系统不协调的背景下,文中研究了如何有效地求解分布属性约简的问题。利用分布协调集的判定定理,提出了一种在不协调目标信息系统背景下进行分布属性约简的新方法。受到差别矩阵和差别信息树的启发,在该方法中构造了一种利用改进的差别信息树进行分布属性约简的算法。该信息树实现了对差别矩阵中的非空元素以及冗余信息的压缩储存,极大简化了时间复杂度及空间复杂度。

不协调决策信息系统的知识约简及决策规则优化研究

针对不协调决策信息系统的知识约简及决策规则的优化问题,引入分布约简和最大分布约简理论,提出一种基于分布区分对象集的知识约简算法,并得到具体的优化决策规则获取方法。该算法通过求解分布区分对象集和最小析取范式从而得到知识约简集,依据属性约简集挖掘出最优决策规则集。理论分析和实例结果表明该方法的有效性和实用性。