基于0-1规划的最小属性约简算法

为了得到信息系统的最小属性约简,提出了基于0-1规划的最小属性约简算法.首先,由区分矩阵定义了极小区分集的概念.其次,将信息系统的最小属性约简问题转化为0-1规划,从而给出了基于0-1规划的最小属性约简算法.再次,通过一个具体实例对该算法进行了说明.     

基于Rough集理论的旅游资源的计算机建模评价

Rough集理论是一种处理不精确性、不确定性知识的数学工具,属性约简是粗糙集理论研究中的重要内容之一,而由定义来计算约简与核是一个典型的NP难题。提出分层思想将众多属性划分为不同的层次,结合分辨矩阵利用一种有效的基于粗集理论的权重确定方法逐层求出各个层次的最小约简及确定各属性的权重,从而使知识约简的工作得以简化,并以三明市部分县市旅游资源评价为例说明了结果的有效性。     

基于Rough集理论的旅游资源的计算机建模评价

Rough集理论是一种处理不精确性、不确定性知识的数学工具，属性约简是粗糙集理论研究中的重要内容之一，而由定义来计算约简与核是一个典型的NP难题。提出分层思想将众多属性划分为不同的层次．结合分辨矩阵利用一种有效的基于粗集理论的权重确定方法逐层求出各个层次的最小约简及确定各属性的权重，从而使知识约简的工作得以简化，并以三明市部分县市旅游资源评价为例说明了结果的有效性。     

一种改进的基于粗集和Tabu搜索的属性约简算法

提出了一种改进的基于粗集和Tabu搜索的属性约简算法。首先利用粗集中的一般约简算法，确定开始进行Tabu搜索的属性个数；然后逐渐减少属性个数，利用。Tabu搜索搜寻含有较少属性个数的属性约简。在进行Tabu搜索时，利用任一属性约简必包含属性核来减少算法的计算时间和搜索空间。实例表明，改进后的算法既具有较高的算法效率，又能以较大的概率得到最小属性约简。     

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。     

粗糙集属性约简在高校评教中的应用

粗糙集属性约简就是在保持信息系统的分类和决策能力不变的条件下,删除不相关或不重要的属性,使原有系统得到简化。利用一种基于粗糙集的属性约简算法,通过计算属性在可分辨矩阵中出现的频率来定义属性的重要性,可使约简结果保持近似精度。实验表明该算法可以简化评教指标体系,降低信息系统所需存储空间。     

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.     

粗糙集AHP融合模型在IT项目风险分析中的应用

IT项目是高投入、高风险产业,为了在IT项目开发中获得高收益,有必要对IT项目风险进行分析。但是传统分析方法比较主观,难以对IT项目风险进行客观的分析。文章先引入粗糙集理论,利用可分辨矩阵约简算法对IT项目风险表进行属性约简,剔除其中不必要的属性,然后综合利用粗糙集理论和AHP方法来确定IT项目风险的权重,并通过实例验证该方法的可行性和合理性。     

基于量子混合协同进化的自适应多级联属性约简(英文)

针对传统生物启发式方法在决策表中属性约简求解效率不高和难以协同约简等问题,提出一种基于量子混合协同进化的自适应多级联属性约简算法. 首先设计了一种新型高效的自适应量子角旋转策略,指导参与属性约简的进化种群自适应相互演进,加速算法收敛. 然后构建了合作和竞争混合的协同进化级联模型,根据执行经验记录分割属性种群集,提高约简子种群的多样性,并产生种群精英以增强其寻优经验共享,快速找到全局最小属性约简集. 实验结果表明,与同类典型算法相比,该算法在最小属性约简效率和精度方面具有明显优势.     

序贯属性约简算法在发动机故障诊断中的应用

属性约简是粗糙集理论研究的关键问题之-.为了解决传统分明矩阵属性约简算法在处理高维数据时占用大量的存储空间、效率低的问题,根据决策表信息系统的分明矩阵及序贯思想,提出了序贯属性约简算法,并将其应用于发动机故障诊断系统中,对诊断特征参数表进行约简处理,以减少数据维数,提高诊断效率.该算法避免了大量的逻辑运算,实现了高维数据的高效属性约简.理论分析和实验结果表明该算法具有更高的运行效率.     

基于粗糙集的属性约简算法

属性约简是粗糙集理论研究的关键问题之一,现已证明寻找一个决策表的最优约简是N P-hard问题。本文首先介绍可辨识矩阵属性约简的基本算法并对求核算法进行了改进。在此基础上给出决策表中属性重要性的两种度量,并以此为启发式信息,提出了一种属性约简的启发式算法。最后,实验结果表明,该算法在大多数情况下能有效地获得决策表的最优约简。     

一种不完备模糊目标信息系统的精度属性约简算法

信息不完备并且目标是模糊的信息系统在很多实际问题中存在．本文把J．W．Guan等人提出的完备信息系统下的可辨识矩阵属性约简算法推广到信息不完备并且目标模糊的领域．通过客差关系的上近似集和下近似集重新设计了属性约简的精度算法,最后用实例验证算法的可行性．     

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。     

在Visual Basic环境下用粗糙集理论约简决策表属性

决策树是一种简单而且应用广泛的分类算法。一个决策表中包含大量的样本信息,一个样本就代表一条基本的决策规则。为了从决策表中抽取适应性大的规则,就需要对决策表进行属性约简。使用粗糙集理论对决策表进行约简比较出色。在用辨识矩阵方法对决策表进行属性约简时,需要考虑实现约简的一些技术问题。如建立决策表的可辨识矩阵,对所有取值非空集合元素建立相应的析取逻辑表达式,对析取表达式进行合取运算等。在VB编程环境下,实现了该算法的约简过程。实例仿真表明了该算法对于决策表属性约简是可行的。     

基于粗集理论的普通话等级判别专家系统设计

文章主要介绍基于粗集方法的普通话等级判别专家系统的基本构成、知识表达方式及学习推理方法。提出了利用不可分辨性进行属性约简,导出决策规则的方法进行推理。实践证明,该专家系统具有可行性。     

非一致决策系统的规则获取算法

提出一种基于Skowron分辨矩阵的既能学习决策分类规则又能学习非决策分类规则方法,目的是获得更一般、更可靠的分类规则,并设计了算法.算法的基本思想是以Skowron分辨矩阵讨论非一致决策系统的属性约简的结果为基础,获得基于分辨矩阵的非一致决策系统的确定性规则.应用例子表明,所提出的算法获得的规则为简洁和高效.     

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。     

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。     

信息系统的最大可能约简算法

计算信息系统的所有约简是一个典型的NP完全问题.不计算所有约简,而寻找所有约简中发生的可能性最大的约简,可以为属性约简提供了一种新的方法.首先,基于区分矩阵计算每个属性出现在约简中的概率;其次,将此概率作为属性的重要度,构建了最大可能约简算法,并进行了算法分析;最后,通过两个具体实例对该算法进行了说明.理论分析结果表明,本文的算法是有效可行的.     

基于统计与联系度的粗糙集模型及其应用

针对连续性和不完整的数据集没有属性约简理论的问题,结合统计的聚类分析方法和集对分析的联系度,提出了一种基于统计和联系度的粗糙集模型,它能对连续性和不完整的数据集进行属性约简.