不一致决策表的知识约简方法研究

目前计算不一致决策表的分布约简、最大分布约简和分配约简的方法均基于可辨识属性矩阵,在大数据集下耗时较多.为此,提出转化算法,将计算原不一致决策表的上述3种约简转化为计算3种一致决策表的Paw lak约简.通过应用针对后者的高效启发式算法,有效地减少了计算时间.此外,引入λ-约简的概念,通过调节λ的值,能得到一族反映决策矢量不同水平相似程度的知识约简.该方法降低了分布约简对决策表区分能力的过高要求,较上述3种约简更为灵活.

不完备区间值信息系统中的粗集理论

针对不完备区间值信息系统,提出了一种用于分类的偏序关系,并给出了计算这种偏序关系约简的实际操作方法。在不完备区间值决策系统中,根据基于偏序关系的粗糙集模型,引入了上、下近似约简的概念。上、下近似约简是保持所有决策类的下、上近似都不发生变化的最小属性子集,借此获取简化的决策规则。

基于知识粒度的不完备决策表的属性约简的矩阵算法

基于不完备决策表的属性约简定义有多种,现研究基于知识粒度的属性约简。研究发现,差别矩阵是一种较好的设计属性约简算法的方法。为此,定义了一种粒度差别矩阵和基于该差别矩阵的属性约简,并证明了该差别矩阵的属性约简定义与基于知识粒度的属性约简定义等价。在此基础上,设计了一个新的基于信息量的不完备决策表的属性约简算法,其时间复杂度得以降低。

基于模糊知识粒度的混合属性约简算法

现实世界中常常包含着海量的、不完整的、模糊及不精确的数据或对象,使得模糊信息粒化成为近年来研究趋势。利用论域上的模糊等价关系定义了模糊粒度世界的模糊知识粒度,给出了新的属性约简条件和核属性计算方法,以便更好地挖掘出潜在的、有利用价值的信息。针对粗糙集在对连续属性约简的过程中容易造成信息缺失和不能对模糊属性处理的现象,提出了一种基于模糊知识粒度对混合决策系统约简的启发式算法,省去了连续属性离散化过程,减少了计算量,为离散值域和混合值域约简提供了统一的方法。最后通过实例验证了其有效性。

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。

不完备雷达信号信息系统的粒度-粗集处理法

在粒度和粒度计算的基础上,对不完备信息系统的属性重要度和相对于决策属性的重要度做了定义,并形成了基于粒度方法的不完备信息系统知识约简算法。通过对不完备雷达信息系统实例的分析处理,证明了这种方法的有效性和实用性,并为不完备系统的雷达信号处理提供了一个较好的处理工具。

相对知识粒度序决策表的属性约简方法

序决策表中的知识约简越来越受到关注,在优势类和知识粒度的基础上,引入了序决策表中的一种知识相对粒度,度量了属性集在序决策表中的相对不确定性,进而给出了属性相对重要度的定义。并设计了序决策表的一种启发式属性约简算法,通过实例分析和验证了算法的有效性。

基于知识粒度的最小属性约简算法

针对目前决策表属性约简的计算问题,研究了粗糙集理论中差别矩阵,讨论了知识粒度与信息量、类别特征矩阵之间的关系,利用知识粒度最大的属性生成较小的类别特征矩阵,设计了新的启发式规则来快速缩小搜索空间和最小化属性选择,提出了一个基于知识粒度的最小属性约简算法,并用一个实例证明了算法的正确性。与类别特征矩阵相比,采用知识粒度生成的类别特征矩阵可以有效地减少存储空间。实验结果表明,所提出的算法能够得到最小属性约简。

模糊优势关系下区间有序决策表的属性约简

主要从优势模糊粗糙集的角度讨论区间有序决策表的模糊近似分布约简。首先,详细分析了区间信息系统中对象间关于准则的赋值优势关系的计算。其次,基于决策类的向上并与向下并的模糊下近似,在区间有序决策表中定义了模糊下近似分布约简。通过引入条件属性的模糊重要度与模糊相对重要度,提出了一种计算模糊近似分布约简的启发式算法。最后,通过实例说明该算法能够得到区间有序决策表的模糊近似分布约简。