不完备信息的广义变精度粗糙集识别方法

通过引入广义变精度粗糙集模型,定义了识别对象的相似度和α邻域的概念,建立了不完备信息系统的α-β下近似属性约简算法,有效地删除了属性的冗余信息和降低了噪声数据的干扰,从而得到了基于相似度的不完备信息的识别准则．实验表明,论文所研究的方法具有处理信息缺失多的能力和容错特性,对不完备信息的识别具有较好的准确率和稳定性．     

随机信息系统的近似约简

提出了随机信息系统的β-近似约简和目标随机信息系统的β-近似约简的概念,分析了它的一些特性及其与已有约简概念的关系,证明了β-近似约简是信息系统和目标信息系统的属性约简概念的推广,并通过实例说明了约简方法．     

不完备信息系统中知识发现的新方法

讨论了不完备信息系统中的知识发现问题．带有未知数据的不完备信息系统可以看成集值信息系统．由此提出了不完备信息系统的2种约简方法即概率误差分布约简和平均概率误差约简，以及相应的约简算法．基于约简提出了规则的定义和对象z知识发现的新方法．     

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。     

基于模糊粗糙集属性约简的模糊决策树

作者基于模糊粗糙集理论,利用模糊等价关系、模糊上下近似,去除模糊信息系统的冗余属性,找出模糊信息系统的约简,然后利用模糊ID3算法,生成模糊决策树,产生一组模糊规则,实验结果证明了这种方法的有效性.     

不完备信息系统的矩阵约简算法

粗糙集理论是用来解决不确定性的新的数学工具，而知识约简是粗糙集理论中一个重要的研究课题。J．W．Guan等提出了信息系统下的矩阵算法。章则是进一步讨论不完备信息表下的矩阵约简算法，实例表明该算法是有效的，具有一定的应用价值。     

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。     

集值决策信息系统在扩充粗糙集模型下的属性约简

首先,在集值信息系统上定义了一种新的扩充粗糙集模型,给出了在此模型下协调集值决策信息系统的属性约简与判定准则,并通过具体事例说明了求协调集值决策信息系统约简的方法;其次,定义了不协调集值决策信息系统的分配协调集,给出了一种利用广义协调相似空间处理不协调集值信息系统的方法;最后讨论了相似水平的大小对集值决策信息系统属性约简的影响.     

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.     

基于信息熵不一致决策信息系统属性约简算法

针对不一致决策信息系统提出了一种基于信息熵的不一致决策规则删减技术,在此基础上发展了不一致决策信息系统的属性约简算法。本算法可以有效地消除不一致信息系统中的噪声,获取一致性决策表及最优化的约简决策规则集。本算法只依赖于系统本身的性质,不需要任何外加的附加知识。