基于条件信息量的决策表连续属性离散化算法

该文提出了一种新的决策表连续属性离散化算法.首先使用条件信息量来度量条件属性的重要性,并据此对条件属性按照条件信息量从大到小排序,然后按排序后的顺序,考察每个条件属性的所有断点,将冗余的断点去掉,从而将条件属性离散化.该算法易于理解,计算简单.     

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。     

不协调决策表协调化的一种方法

信息系统对所研究的对象描述不完善,从而导致决策表中存在不确定性决策规则。利用辨识矩阵,求出决策表中的不一致对象,通过增加新的条件属性,消除不一致对象间的不确定,从而使不协调决策表协调化,最后以实例验证了该算法的有效性。     

基于粗糙集与信息熵的属性重要性度量

阐述了粗糙集和信息熵的概念,在此基础上给出了基于信息熵的属性重要性度量公式,并证明了属性集中绝对必要元素与属性重要度之间的关系.最后,通过实例分析表明该公式的有效性.     

针对不完备系统的粗糙熵属性约简算法的改进

简要介绍了粗糙熵属性约简算法,并在此基础上提出了一种改进的属性约简算法。采用两种算法同时对一个不完备通信电台决策表进行属性约简,通过比较两者所得结果的不同,凸显改进方案的优越性。     

基于属性频度进化的粗糙集属性约简方法

提出了基于遗传算法的知识相对约简算法,它以条件属性在差别矩阵中出现的频率为启发信息,以决策表的属性核来初始化传统遗传算法的种群,加强了遗传算法的搜索、缩短了计算时间;提出了修正校验算法,提高决策表属性约简的正确性．通过实例分析,证明是求解知识约简的有效方法．     

基于集合覆盖的决策表约简方法及其应用

根据决策表属性约简中保持条件属性对决策属性相对核不变的特点,利用集合覆盖方法,定义了决策表的相关矩阵,把决策表的约简问题转化为求集合覆盖问题,通过求决策表的最小集合覆盖来求出其最小属性约简.同时,给出了基于集合覆盖的决策表属性约简算法,时间复杂度为O(|U|2|C|2),通过应用分析证明了本方法的实用性.     

一种基于粗糙集和粒子群优化算法的权重确定方法

为了克服基本粗糙集理论确定权重的不足,提出一种新的基于粗糙集和粒子群优化算法的权重确定方法.该方法先利用粗糙集和粒子群优化算法对决策表进行属性约简,对约简后的决策表再用粗糙集方法计算属性权重.运用该算法对教师职业倦怠与压力数据进行分析,得到影响教师职业倦怠的各种压力因子的权重.研究结果表明,基于粗糙集和粒子群优化算法可以对决策表的权重进行有效的分析.     

约简算法在商业银行CRM中的应用研究

针对银行CRM中的数据冗余大、数据挖掘效率低的问题,将基于属性约简的数据预处理方法应用在银行CRM中.使用决策表属性重要度属性约简算法简化客户贡献度决策表,实现决策表条件属性的归约.通过该算法在某商业银行CRM数据预处理过程中的实际应用,证实约简算法应用在银行CRM系统是有效可行的.     

一类平方型Φ-压缩映象的公共不动点定理

利用度量空间中自映象对相容和次相容的条件,讨论了完备度量空间中一类平方型Φ-压缩映象的公共不动点的存在性与唯一性,得到了一个新的公共不动点定理.