A general approach to attribute reduction in rough set theory

The concept of a consistent approximation representation space is introduced. Many types of information systems can be treated and unified as consistent approximation representation spaces. At the same time, under the framework of this space, the judgment theorem for determining consistent attribute set is established, from which we can obtain the approach to attribute reductions in information systems. Also, the characterizations of three important types of attribute sets （the core attribute set, the relative necessary attribute set and the unnecessary attribute set） are examined.

变精度粗糙集模型

针对基本RS模型的不足,介绍了变精度粗糙集模型,并讨论了它与基本RS模型的关系.最后,定义了变精度粗糙集模型上的属性近似依赖、近似约简.

集值信息系统的快速正域约简

针对集值信息系统正域约简算法在大规模数据集下的运行效率问题,提出一种基于启发式的集值信息系统快速正域约简算法。通过研究属性和对象在约简过程中对算法运行效率产生的影响,在集值信息系统中引入属性无关性和属性重要度保序性的相关定义,介绍了使得算法运行效率提升的相关定理、快速算法和应用实例。通过实验对提出算法的有效性进行分析和验证。实验表明,提出算法的运行效率优于原始算法的运行效率。

基于局部可调节多粒度粗糙集的属性约简

经典的多粒度粗糙集模型采用多个等价关系(多粒度结构)来逼近目标集。根据乐观和悲观策略,常见的多粒度粗糙集分为两种类型:乐观多粒度粗糙集和悲观多粒度粗糙集。然而,这两个模型缺乏实用性,一个过于严格,另一个过于宽松。此外,多粒度粗糙集模型由于在逼近一个概念时需要遍历所有的对象,因此非常耗时。为了弥补这一缺点,进而扩大多粒度粗糙集模型的使用范围,首先在不完备信息系统中引入了可调节多粒度粗糙集模型,随后定义了局部可调节多粒度粗糙集模型。其次,证明了局部可调节多粒度粗糙集和可调节多粒度粗糙集具有相同的上下近似。通过定义下近似协调集、下近似约简、下近似质量、下近似质量约简、内外重要度等概念,提出了一种基于局部可调节多粒度粗糙集的属性约简方法。在此基础上,构造了基于粒度重要性的属性约简的启发式算法。最后,通过实例说明了该方法的有效性。实验结果表明,局部可调节多粒度粗糙集模型能够准确处理不完备信息系统的数据,降低了算法的复杂度。

人性化地址簿的粗糙集分析模型

本文介绍了一种基于粗糙集分析模型的人性化地址簿构造算法。以地址簿模型为实例,解决了智能化信息管理过程中项目自动分类的不精确,不完整问题。实验证明该算法是抽取自动归类规则的有效技术和实现智能化、人性化信息管理的快速实用方法。

基于覆盖的依赖空间及其在属性约简中的应用

属性约简是决策理论中重要的内容。覆盖粗糙集可以对数据信息进行分析和推理,为发掘隐含知识提供理论基础。基于覆盖粗糙集邻域概念构造了拓扑基,利用拓扑基构造一个一致关系,提出了拓扑的依赖空间,并且研究了此依赖空间下的一些性质,进一步将拓扑的依赖空间性质运用到不完备信息系统的属性约简中,提出了新的约简方法,并提出了差别矩阵的刻画。

基于属性近似度的决策信息系统属性约简算法研究

借鉴已有文献,本文引入属性近似度来探讨不必要属性在不同属性集中作用,给出了P属性及非P属性关于P的属性重要度度量方法。接下来,一方面,本文给出基于核集的启发式属性约简算法,逐步删除备选非核集属性集中不必要属性,降低工作量。另一方面,针对动态增加条件属性的决策信息系统,本文以原约简集为基础,在原约简集中增加必要属性构造新约简集,并在最后反向删除新约简集中不必要属性,完成动态属性约简和精简约简集的任务。最后,通过实例分析验证了该算法的可行性和有效性。

基于依赖空间的信息系统的属性约简

在粗糙集的信息系统中构造了依赖空间,并给出了基于依赖空间的信息系统的属性约简理论和约简方法,并举例说明其方法的有效性和可行性.