基于概念格的分布式约简理论框架

为了缩减知识推理空间,提高分布式环境下知识处理的效率,提出分布式概念格属性约简的理论框架.基于粗糙集理论的思想,从子形式背景和全局形式背景的角度,刻画了核心属性、相对必要属性和绝对不必要属性的属性特征,给出属性约简的判定定理.在此基础上,给出概念格的分布式属性约简方法:首先,使用现有的约简方法分别计算各子形式背景的约简,然后,逐一利用各子背景的约简,通过合并计算得到全局形式背景的约简.给出了算法的实现并用实例验证了它的有效性.分布式约简有效避免了使用现有方法而引起的数据安全和网络通信等问题,提高了约简的计算效率.     

基于辨识矩阵的直觉模糊决策系统属性约简算法

基于粗糙集和直觉模糊集理论,提出了研究直觉模糊决策系统的属性约简算法。通过引入基于加权的欧氏距离的相似度和相异度,构造α, β-相似关系,导出α, β-极大一致块,进而构造出直觉模糊决策系统的辨识矩阵,得到基于辨识矩阵的属性约简算法。实例验证表明,该算法在数据存在一定误差的情况下也能得到很好的效果。     

决策表方程描述及在作物病害诊断中的应用

以粗糙集中属性约简的核属性求解与应用问题,为决策表提出一种基于矩阵方程的描述方法.首先将各属性所决定的等价类用矩阵来表示,然后建立一个以矩阵为系数的矩阵方程并转化为一般方程组,根据属性约简以及核属性的定义,通过求解该方程组某个方程的最优解,得到对应的核属性.给出了该方法一般步骤,并将该方法应用到一个棉花疾病诊断系统中,验证其有效性.     

基于近似属性约简的信息表浓缩和规则提取

首先介绍粗糙集展性约简的概念并指出属性约简算法的优缺点，在此基础上，提出了ε—近似属性约简的概念和相应的计算方法，它可以比单纯的属性约简更有效地对冗余信息表进行浓缩并获得简洁的近似决策规则，并以一个具体的实例对此进行了分析和比较。     

决策表属性约简算法研究的若干进展

属性约简是粗糙集理论的一个基本内容,是决策系统规则提取的一个有效手段,同时也是数据挖掘的一个重要方法。本文简要地介绍以国内为主的关于属性约简算法研究的若干进展情况,内容涉及属性约简的主要类型,核与属性约简算法以及最小属性约简的计算,并粗略地讨论今后发展的方向。     

基于粗糙集理论的属性约简算法的研究

粗糙集理论中的有效算法研究是粗糙集理论的一个研究热点,目前主要集中在决策规则提取算法、属性约简算法、粗糙集基本并行算法以及与粗糙集有关的神经网络和遗传算法等。其中,属性约简算法是粗糙集理论及应用研究的重要内容。本文对粗糙集理论中的属性约简进行了比较系统的研究,在总结现有方法的基础上,提出了一种基于可辨识矩阵的启发式属性约简方法。     

基于粗糙集的测试集优化

电路集成度和复杂度的不断增加使得电路的故障诊断越来越困难.其中,测试集的优化问题是电路故障诊断的关键问题之一.以粗糙集理论为基础,提出了利用区分矩阵和区分函数来提取最小测试集的知识约简算法,较好地解决了测试集的优化问题,并通过实验验证了该算法的性能.     

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。     

基于近似分类质量的决策表属性约简算法

文章提出了一种基于近似分类质量的决策表属性约简算法,该原算法以空集作为初始属性约简,逐步增加使近似分类质量增加最大的属性,直至约简的近似分类质量等于所有条件属性的近似分类质量为止.文章同时分析了该算法的时间复杂度.并通过实例验证了该算法的有效性和合理性.     

一种改进的属性约简方法

属性约简是粗糙集理论的核心问题之一,寻找最优约简现已证明是NP—hard问题。本文在差别矩阵的基础上,采用贪心算法的策略,提出了一种启发式算法来寻求最优约简。该算法不仅能在有核的决策表中通过核进行属性扩充求得最优约简,而且在无核的决策袁中也能根据属性在差别矩阵中出现的频率求得最优约简。经实例验证该算法是有效的。