启发式的属性值约简在隐形眼镜诊断中的应用

根据粗糙集理论,讨论属性值的约简方法。属性值约简是在属性约简的基础上,对决策表中的每一条记录去掉冗余属性值,从而构成一个最小的决策规则集。重点根据启发式值约简方法,对隐形眼镜数据进行分析,为后序的数据分析减少冗余信息。     

粗集中属性约简的一种启发式算法

属性约简是知识获取中的关键问题之一。为了能够较为有效地获得较优的属性约简，在基于可辨识矩阵的属性约简算法的基础上，加入了属性代价值为启发性知识，提出了一种基于相对差异表的启发式属性约简算法。实例分析表明，文章提供的算法能够以较大的概率和较高的效率获得较优的属性约简，具有良好的效果。     

一种改进的启发式最优相对属性约简算法

针对在传统的粗糙集理论相对属性约简算法中因需计算可区别矩阵和正区域而导致的约简效率低下这一问题,提出一种改进的启发式最优相对属性约简算法加以解决.通过引入属性集的相对分类能力的定义给出相对属性约简的判定条件,在此基础上导出的改进相对属性约简算法既能保证约简过后的条件属性是最优的,又能提高约简效率.实际算例结果以及对比实验体现了该算法的高效性.     

基于属性权重的区分矩阵启发式约简算法

介绍了基于区分矩阵的属性约简算法,通过分析,说明了算法的不足,提出相应的改进策略。将启发性知识结合区分矩阵,提出基于属性特征权重的区分矩阵的启发式约简算法,较以往的算法意义更加直观,计算也更加简单,提高了约简算法的速度。     

一种基于知识粗糙度的知识约简算法

给出了知识的粗糙度概念,得到了知识粗糙度随着知识粒度变小而单调递减的结论,并通过知识的粗糙度对属性的重要性进行定义．在此基础上,提出了基于知识粗糙度的知识约简算法,该算法的时间复杂性为O（1｜A｜^3×｜U｜^2）．通过例子分析表明,该算法是有效的．     

一种新的基于粗糙集属性依赖的属性约简算法

属性约简是粗糙集研究的重要内容之一,首先利用反例指出蔡莉等人提出的基于依赖度的决策表约简算法的错误,然后给出一种新的基于属性依赖的约简算法。通过一个信息系统实例,证明该算法的可行性和有效性。     

基于差别矩阵的启发式属性约简算法及其应用

为了降低决策表属性约简算法的计算代价,利用属性重要度作为启发式运算因子,对基于SKowron差别矩阵的属性约简算法进行改进,并证明该方法的合理性.实例计算结果表明,在获得相同的结果下,该算法可以使计算量减少,提高计算效率.     

不完备信息系统的动态约简算法研究

属性约简是基于粗糙集的数据挖掘方法中最重要的思想和算法,采用经典的数据分析工具得到最小约简是一个NP问题,由此产生了许多启发式属性约简算法。对不完备信息系统中数据动态变化的问题做了研究,对已有的算法做了改进,并通过实际算例分析,验证了算法的有效性。     

基于布尔矩阵表示的粗糙集属性约简算法

介绍了粗糙集的布尔矩阵表示及其重要性,重点研究了基于条件区分能力的属性约简及其改进算法,构造了基于核与条件区分能力,加权条件区分能力的两种属性约简算法,提高了数据挖掘速度.通过实例证明了该算法的有效性.     

基于相对知识量重要度的属性约简算法

在有效处理噪声数据的基于区分能力大小的启发式算法的基础上,引入了属性的相对知识量重要度的概念.以属性相对知识量重要度为启发式信息,提出了一种属性约简算法,通过实例证明了该算法的有效性.     

基于云计算的属性重要度约简算法研究

面对海量数据的信息系统,通过引入MapReduce模型,重构Map和Reduce函数,本文提出了基于云计算的属性重要度约简算法,较好地实现了海量数据集中的属性约简,为属性约简研究提供了新思路.最后,实例分析表明,该约简算法是有效可行的.     

试论索引的价值及其重要性

索引是一种重要的检索工具，并已成为一专门学问，索引的价值与重要性日益得到诸多领域的关注和认可。学术界亦如是。从读者、著作者、索引与其他学科关系等方面看，治学离不开索引，掌握并充分利用索引，有助于提高学术著作的价值，有利于文献价值的开发与实现。     

劳动价值论:价值形成的多元性与劳动要素重要性的统一

本文在正视与分析马克思主义劳动价值观现实处境的基础上认为:各生产要素共同形成价值,而不仅仅是劳动一个要素。在价值实现过程中,劳动生产要素具有不可或缺性,是最重要的和不可比拟的。我国的社会主义建设,要重视劳动要素,但更要避免忽视其他要素作用的错误认识,尽快塑造马克思劳动价值论的适用前提,即在保障社会和谐发展的同时,充分发挥各生产要素的综合效益,以加速建设步伐。