約簡
- 基于最小約簡的粗糙集數(shù)據(jù)挖掘算法研究*
，需要尋求有效的約簡算法以擴展經(jīng)典粗糙集理論。本文提出一種基于最小約簡的粗糙集數(shù)據(jù)挖掘算法，優(yōu)化改進傳統(tǒng)粗糙集在數(shù)據(jù)挖掘領域應用的不足。2 算法原理約簡算法在數(shù)據(jù)挖掘領域，用于在原始數(shù)據(jù)集中發(fā)現(xiàn)最小子集，并將數(shù)據(jù)進行分類。相關學者通過分析數(shù)據(jù)的內在關聯(lián)提出了幾種主流約簡算法。Connolly等［7］提出利用屬性值獲取最小約簡的方法，但計算準確度較差；Y.He 等［8］利用深度層次聚類算法計算最小約簡，計算的準確度有所提高，但耗時較大；B. Xu 等［9］提
計算機與數(shù)字工程 2023年1期2023-05-12
- 知識庫的相對約簡與拓撲約簡
糙集理論中,知識約簡是重要的課題,也是獲取知識的重要步驟.論域U上的知識指U上的某個等價關系,知識庫指的是U上的一族等價關系,文獻[2]論述了知識庫的多種約簡理論.趙靜,徐羅山在文獻[3]中研究了知識庫的知識約簡和知識表達系統(tǒng)的屬性約簡的轉化和聯(lián)系.王長忠等在文獻[4]中把知識庫推廣為關系信息系統(tǒng),它實際為U上的一族二元關系.文獻[5]則把U上的任一子集族稱為一個抽象知識庫.本文強調與抽象知識庫的區(qū)別,把關系信息系統(tǒng)仍稱為知識庫.李旭等在文[6]中定義了相
高校應用數(shù)學學報A輯 2022年3期2022-09-29
- 基于貼進度的模糊決策表屬性約簡啟發(fā)式算法
，此過程稱為屬性約簡〔6〕。目前幾乎所有的關于基于模糊粗糙集的屬性約簡的研究都是從文獻〔7〕開始的，但是由于這種方法完全是從形式上把經(jīng)典粗糙集中相應的方法甚至符號照搬過來，對基于模糊粗糙集的屬性約簡的本質沒有清楚的認識，因而導致設計的屬性約簡算法不收斂。對此，Cheng 等〔8〕通過模糊粗糙集的粒結構引入辨識矩陣的方法來計算屬性約簡，但是通過實例發(fā)現(xiàn)，某些情況下求出核屬性后條件屬性卻無法進行有效約簡。本文提出一種新的約簡算法，首先利用貼進度生成可辨識矩陣，
大理大學學報 2022年6期2022-07-07
- 基于分離優(yōu)勢覆蓋集的Pythagorean模糊決策信息系統(tǒng)的屬性約簡
了應用空間.屬性約簡是指從原始的屬性集中去除冗余的屬性且保持核心屬性不變,這在信息處理方面有著重要的作用.去除冗余數(shù)據(jù),不僅減少干擾決策的影響因素,還能充分利用運行空間,避免不必要的浪費.由此可見,屬性約簡是數(shù)據(jù)分析的重要組成部分.對于基于正域的屬性約簡,鄧大勇等[8]提出了可變正域的約簡,即允許正域在一定范圍內發(fā)生變化,因此提高了泛化能力; 對于基于商集的屬性約簡,Thuy等[9]提出了分離商集及D-分離商集,并將其用于決策信息系統(tǒng)的屬性約簡中,提高了處
河北師范大學學報（自然科學版） 2022年2期2022-03-08
- 基于確定性因子的啟發(fā)式屬性值約簡模型
4-5］。屬性值約簡是粗糙集理論研究和應用的核心課題之一，也是構建規(guī)則提取算法［6-13］和歸納規(guī)則分類器［14-15］的重要技術基礎。屬性值約簡是指在不影響決策系統(tǒng)知識表達能力的前提下，去除其中冗余屬性值的過程［16］，它不但能夠從原始數(shù)據(jù)庫中直接提取出可讀性高、便于應用的簡約規(guī)則，而且還能在不降低專家系統(tǒng)可分辨性的基礎上提高其清晰度，并從中揭示出以往未知、有潛在價值的信息，從而實現(xiàn)知識發(fā)現(xiàn)［10，16］。目前，針對構建屬性值約簡模型這一問題，學術界已經(jīng)
計算機應用 2022年2期2022-03-01
- 多源數(shù)據(jù)矩陣增量約簡算法
計算動態(tài)多源數(shù)據(jù)約簡的問題，因為不能有效利用原有的計算結果，導致求解動態(tài)分布數(shù)據(jù)約簡就會花費很多時間，使得計算效率很低。為了克服上述靜態(tài)算法的缺陷，一些研究者把增量學習技術應用到粒計算和粗糙集理論中。增量學習技術可以充分利用原有的計算結果，避免重復計算，提高計算效率。目前很多學者把增量技術應用到求解信息系統(tǒng)約簡的問題中。這些增量方法主要用來去計算信息系統(tǒng)對象、屬性和屬性值發(fā)生變化后的約簡問題。首先，一些學者針對對象添加到信息系統(tǒng)后如何迅速計算其約簡問題，提
計算機工程與應用 2022年3期2022-02-24
- 基于粗糙集不確定度的特定類屬性約簡
糙集理論中，屬性約簡是核心內容與研究熱點，其主要在保持相同分類能力的前提下進行冗余屬性刪除，從而達到數(shù)據(jù)表的優(yōu)化處理.決策表具有3層粒度結構［2］，在約簡方面涉及到系統(tǒng)決策分類與局部決策類2種主體.傳統(tǒng)的屬性約簡是決策分類約簡，主要考慮所有決策類的整體優(yōu)化.針對實際中存在的局部優(yōu)化需求，特定類約簡應運而生，并改進了決策分類約簡的盲點.文獻［3］基于正域首先建立特定類約簡，文獻［4-5］分別從信息度量與三支決策角度推進特定類約簡，文獻［6-8］分別從鄰域粗糙
四川師范大學學報（自然科學版） 2021年6期2021-11-15
- 一種局部視角的類別近似質量屬性約簡加速方法
)0 引 言屬性約簡，作為粗糙集理論研究的核心問題，不僅能有效降低數(shù)據(jù)的維度，且所得約簡結果具有明確的語義解釋，因而受到廣泛的關注[1-7]。所謂屬性約簡，是指利用在某種度量標準上構造的約束條件，刪除數(shù)據(jù)中冗余的屬性，以提升后續(xù)學習算法的性能[8-9]。在粗糙集理論中，近似質量[10]作為一種常用的度量標準，可以用于刻畫樣本空間的不確定性。具體而言，近似質量用下近似集合中的樣本占所有樣本比例的大小來表征不確定性的程度。近似質量的變化可以表現(xiàn)為下近似集合中樣
計算機應用與軟件 2021年11期2021-11-15
- 基于區(qū)間值信息系統(tǒng)的信息熵增量式屬性約簡算法
38000）屬性約簡是粗糙集理論和粒計算理論的重要研究問題[1-2]，其目的是為了消除數(shù)據(jù)集內部的冗余屬性，提高數(shù)據(jù)集的知識發(fā)現(xiàn)性能。然而實際應用中的數(shù)據(jù)集總是處于不斷動態(tài)更新之中，針對這類數(shù)據(jù)環(huán)境，一種被稱為增量式屬性約簡的方法被提出[3-5]，從而提高了動態(tài)數(shù)據(jù)的屬性約簡性能。針對增量式屬性約簡，學者在各種類型的信息系統(tǒng)進行了相關的研究。Shu等[6]在傳統(tǒng)的完備型信息系統(tǒng)中提出了對象增加時的增量式屬性約簡算法；在不完備信息系統(tǒng)方面，丁棉衛(wèi)等[7]利于
綏化學院學報 2021年9期2021-09-01
- 面向連續(xù)參數(shù)的多粒度屬性約簡方法研究
論與方法中，屬性約簡問題[5-10]一直是眾多學者關注的焦點。作為一種特征選擇機制，約簡的目的是獲得滿足給定約束條件的最小屬性子集，進而達到降低不確定性、提升學習器泛化性能等目的。在數(shù)據(jù)分析中，屬性約簡中的約束條件往往可以通過一些度量準則進行構造，如近似質量、條件熵等[6,8]。經(jīng)典粗糙集方法僅能處理符號型數(shù)據(jù)，但在解決實際應用問題時，連續(xù)型數(shù)據(jù)是廣泛存在的。因此已有諸多學者構建了很多拓展的粗糙集模型以用于分析及處理連續(xù)型數(shù)據(jù)：如基于高斯核函數(shù)的模糊粗糙集
計算機與生活 2021年8期2021-08-07
- 基于可辨識矩陣的屬性約簡算法及應用
[3-4].屬性約簡[5-7]是粗糙集理論研究的主要內容之一，由于在原始數(shù)據(jù)集中，往往存在大量冗余和不確定性的信息，嚴重影響到后續(xù)數(shù)據(jù)挖掘和處理的效率.因此，通過刪除冗余屬性，能獲得數(shù)據(jù)集合的本質信息和保持原始數(shù)據(jù)分類信息的完整性，從而提高數(shù)據(jù)的分類質量.目前粗糙集屬性約簡方法的研究已經(jīng)取得了很多成果,各種高效的啟發(fā)式約簡算法相繼被提出,這些啟發(fā)式約簡算法主要目的是尋找一個約簡或近似約簡.譬如，鮑迪等針對區(qū)間值決策表中對象集動態(tài)增加的情況，提出了區(qū)間值決策
大學數(shù)學 2021年3期2021-07-09
- 基于差別矩陣的區(qū)間值決策系統(tǒng)β分布約簡
于許多領域。屬性約簡［1-7］是粗糙集理論的核心研究內容之一。當前，消除不必要的屬性、縮小數(shù)據(jù)規(guī)模從而加速數(shù)據(jù)的處理顯得尤為重要，而屬性約簡的目的就是盡可能消除數(shù)據(jù)中不必要的屬性，得到?jīng)Q策系統(tǒng)中某種分類特征不變的最小屬性子集。通過屬性約簡既可以縮小數(shù)據(jù)規(guī)模又不會破壞知識的原始信息，恰好滿足了當前的需求。目前已經(jīng)有許多學者對知識約簡做了大量工作。1992年，Skowron 等［8］提出了一種基于差別矩陣的正域約簡方法，隨后國內外許多學者對此做了大量的擴展工作
計算機應用 2021年4期2021-04-20
- 快速求解粒球粗糙集約簡的屬性劃分方法
域粗糙集進行屬性約簡[4-6]這一問題的研究時,往往需要通過大量的嘗試或采用一定的參數(shù)搜索策略來設置鄰域半徑的大小[7-9],這勢必會帶來極大的時間消耗。為了克服鄰域粗糙集中半徑選取這一困難,已有相關學者借助自適應的理念,提出了一些能夠自主確定半徑大小的策略。例如,Zhou等[10]面向在線特征選擇問題,提出了Gap鄰域的概念,其使用樣本間距離的差值確定鄰域的大小,從而生成較為緊湊的Gap鄰域粒結構;Xia等[11]為提升大規(guī)模數(shù)據(jù)中分類任務的效率,提出了
南京理工大學學報 2021年4期2021-04-09
- 基于0-1規(guī)劃的最小屬性約簡算法
前提下，通過知識約簡，導出問題的決策或分類規(guī)則[1]. 屬性約簡是粗糙集理論中的核心內容之一.數(shù)據(jù)庫中的屬性并不是同等重要的, 甚至其中某些知識是冗余的，通過屬性約簡, 可以去除數(shù)據(jù)庫中的冗余、無用的成分, 揭示數(shù)據(jù)中隱含的規(guī)律.從粗糙集理論的角度來理解, 在一個信息系統(tǒng)中, 有些屬性對于分類來說是多余的, 去掉這些屬性后，信息系統(tǒng)的分類能力不會改變, 所以屬性約簡后仍然反映了一個信息系統(tǒng)的本質信息[2-6].一般來講，一個信息系統(tǒng)的屬性約簡不是唯一的，通
洛陽師范學院學報 2021年2期2021-03-31
- 偽標簽鄰域粗糙集下的屬性約簡加速策略
鄰域粗糙集。屬性約簡[14-17]作為粗糙集理論中備受關注的問題之一，已經(jīng)得到眾多學者的重視。目前，有關約簡求解的方法主要有：窮舉法[18,19]和基于適應度函數(shù)的啟發(fā)式方法[14]。盡管窮舉法可用于求解所有的約簡，但過于復雜和耗時。這也是基于適應度函數(shù)的啟發(fā)式方法受到廣泛關注的原因?；趥螛撕炧徲虼植诩膶傩?span id="b55bh5r" class="hl">約簡問題，可以使用啟發(fā)式方法來進行求解。但值得注意的是，在不同的半徑下進行屬性約簡時，往往會得到不同的約簡結果，而對于不同約簡結果，其意義或泛化性能
計算機工程與設計 2020年11期2020-11-17
- 基于矩陣方法的區(qū)分度增量式屬性約簡算法
的重要分支，屬性約簡[2]是粗糙集理論的重點研究內容。屬性約簡的目的是為了將原始信息系統(tǒng)的冗余屬性進行甄別和刪除，從而提高數(shù)據(jù)集的知識發(fā)現(xiàn)性能。然而隨著信息技術的發(fā)展以及數(shù)據(jù)采集技術的提高，實際應用環(huán)境下的數(shù)據(jù)總是時刻處于動態(tài)更新之中，傳統(tǒng)的各種屬性約簡算法是針對靜態(tài)的數(shù)據(jù)設計的，而對于動態(tài)的數(shù)據(jù)集，這些算法的處理效率較為低下，不能很好地適應實際的工程需求[3-4]。為了改善動態(tài)數(shù)據(jù)下的屬性約簡性能，學者們提出了一種改進的屬性約簡方法——增量式屬性約簡[5
計算機應用與軟件 2020年9期2020-09-09
- 二進制辨識矩陣的屬性約簡及不必要屬性的求解
的研究．其中屬性約簡是粗糙集理論研究的主要內容．在對約簡的研究中，利用二進制求約簡是一個重要分支．二進制辨識矩陣是對skowron辨識矩陣[1]的改進，采用二進制表示形式，使計算更加簡單直觀．因此，采用二進制辨識矩陣進行屬性約簡具有一定的意義.Hu等人在1995年提出了基于skowron矩陣的核屬性求解算法[2]．Felix等人[3]在1999年提出了只由0和1構成的二進制可辨識矩陣．文獻[4]利用Felix提出的二進制可辨識矩陣計算核屬性并得出相應的屬性
太原師范學院學報(自然科學版) 2020年3期2020-08-13
- 帶權決策表的屬性約簡
了成功應用。屬性約簡是粗糙集研究的重要內容之一，其主要思想就是根據(jù)特定規(guī)則要求，刪除冗余屬性，得到知識分類最小屬性子集。目前，屬性約簡已取得了大量的理論研究成果。將決策表和不同應用背景相結合，研究人員提出了正域約簡[2-3]、變精度約簡[4-5]、分配約簡[2，6]、覆蓋約簡[7-8]、分布約簡[9]、局部約簡[10-12]等多種類型的約簡。已有的研究已通過容差關系[13]、量化容差關系[14]、限制容差關系[15]等拓展了正域約簡的應用范圍。Liu[16
計算機工程與應用 2020年12期2020-06-18
- 信息系統(tǒng)的最大可能約簡算法
前提下，通過知識約簡，導出問題的決策或分類規(guī)則.經(jīng)過多年的發(fā)展，該理論已被成功地用于機器學習、決策分析、過程控制、模式識別和數(shù)據(jù)挖掘等領域[1].屬性約簡是粗糙集理論中的核心研究內容之一[2-3].數(shù)據(jù)庫中的屬性并不是同等重要的, 甚至其中某些知識是冗余的，通過屬性約簡, 可以去除數(shù)據(jù)庫中的冗余、無用的成分, 從而揭示數(shù)據(jù)中隱含的規(guī)律.從粗糙集理論的角度看, 在一個信息系統(tǒng)中, 有些屬性對于分類來說是多余的, 去掉這些屬性后，信息系統(tǒng)的分類能力不會改變,
洛陽師范學院學報 2020年2期2020-03-23
- 帶權決策表的變精度約簡算法
的應用領域.屬性約簡是粗糙集理論研究的重要內容,其主要思想就是根據(jù)特定規(guī)則要求,刪除冗余和不相關屬性,構成知識分類最小屬性集.許多學者對正區(qū)域約簡、變精度粗糙集模型進行了深入研究,在經(jīng)典粗糙集模型約簡中,二元關系是等價關系,為了更好處理信息丟失的決策表,已有研究通過容差關系[3]、相似關系[4]、量化容差關系[5]、限制容差關系[6]拓展了粗糙集約簡研究.目前,Liu[7]在一致決策表和不一致決策表上提出了一般關系,從而推廣了決策表中的二元關系,并研究了關
小型微型計算機系統(tǒng) 2019年10期2019-11-11
- 基于知識粒化的信息系統(tǒng)增量式屬性約簡
35000)屬性約簡是粗糙集理論[1]在機器學習和知識發(fā)現(xiàn)等領域中一種常用的數(shù)據(jù)處理工具，它通過對數(shù)據(jù)中冗余屬性進行刪除從而達到更好的分類性能。在現(xiàn)實的數(shù)據(jù)中，數(shù)據(jù)快速更新，每時每刻都有新的數(shù)加入，而傳統(tǒng)的非增量式屬性約簡在求動態(tài)數(shù)據(jù)的約簡集時需要進行大量的重復計算，這樣消耗了大量的時間和空間，不能很好地滿足實際的需求[2,3]。增量式屬性約簡[2,3]相對于傳統(tǒng)的屬性約簡，是一種專門針對動態(tài)數(shù)據(jù)集的約簡方法，它能夠在原先約簡集的基礎上進一步導出更新后數(shù)據(jù)
測控技術 2019年8期2019-09-10
- 面向特定類的三支概率屬性約簡算法
高維數(shù)據(jù)進行屬性約簡可以提高分類算法的效率和分類性能,且能降低分類過程中的測試代價和誤分類代價,因此,屬性約簡在近些年得到了廣泛關注和研究.然而,在經(jīng)典粗糙集模型的屬性約簡中,不確定性度量呈現(xiàn)的單調性在三支決策的屬性約簡中不再成立,于是研究學者們相繼提出三支屬性約簡,這些三支約簡方法主要分為三支宏觀屬性約簡和三支微觀屬性約簡.三支宏觀屬性約簡適用于決策類是相互關聯(lián)的決策系統(tǒng),即獲取所有決策類下的三支屬性約簡.例如,Chen等人為鄰域系統(tǒng)構建基于條件熵的三支
小型微型計算機系統(tǒng) 2019年9期2019-09-09
- 面向局部多約束的屬性約簡方法研究*
的構建以外，屬性約簡[2-5]是粗糙集理論中公認的一個核心研究問題。所謂屬性約簡，一般來說可以理解為從所有屬性中找出一些滿足給定約束條件的屬性子集。這些約束條件大多是建立在由粗糙集模型與方法所得到的一些度量（如近似質量[6]、條件熵[7]、決策錯誤率[8]等）基礎上的，具體的約束可以是找到一些屬性子集能夠保持這些度量或在給定的閾值范圍內達到預期的度量標準。例如，將近似質量作為約簡約束條件中的度量，利用啟發(fā)式算法可以求得一個使得近似質量滿足給定約束的最小屬性
計算機與生活 2019年5期2019-07-18
- 直覺模糊序決策系統(tǒng)的部分一致約簡*
序信息系統(tǒng)的屬性約簡，其中包括一致直覺模糊序決策系統(tǒng)的相對約簡。針對不一致直覺模糊序決策系統(tǒng)，國內學者提出了分布約簡和最大分布約簡，并證明了二者的等價性[12-13]。另外，與基于等價關系的不一致系統(tǒng)類似[14-15]，序決策系統(tǒng)還存在分配約簡[16]、部分一致約簡[17]以及其他形式的約簡[18-20]。徐偉華等將分配約簡引入到直覺模糊序決策系統(tǒng)[21]，并將部分一致約簡推廣到區(qū)間值模糊序決策系統(tǒng)的情形[22]，但對直覺模糊序決策系統(tǒng)目前尚未展開相關的討
計算機與生活 2019年3期2019-04-18
- 幾類拓展粗糙集模型屬性約簡研究綜述
廣泛應用，其屬性約簡算法作為數(shù)據(jù)預處理的有效方法也受到國內外學術界的廣泛關注.屬性約簡也稱特征選擇，指的是從原始屬性集合中選出具有代表性的屬性子集，是粗糙集理論研究的重點內容之一.特征選擇可以在不影響最終決策質量的前提下，有效去除數(shù)據(jù)的噪聲和冗余特征，提高學習效率[26]. 目前，各國學者經(jīng)過不斷努力，基于概念格、決策樹、隨機森林、支持向量機、粗糙集等理論設計出各類特征選擇算法. 其中，基于粗糙集理論的特征選擇算法不僅可以求解最優(yōu)或次優(yōu)約簡結果，而且能夠在
宜賓學院學報 2019年12期2019-03-05
- 鄰域粗糙集約簡算法在圖像特征選擇中的應用
的數(shù)值型數(shù)據(jù)屬性約簡算法，但該算法為靜態(tài)約簡算法?，F(xiàn)在已經(jīng)有學者在其基礎上提出動態(tài)約簡算法，這些算法都從代數(shù)觀分析其動態(tài)更新過程。而通過文獻[4]可知信息觀在不一致決策方面要優(yōu)于代數(shù)觀。因此，從信息觀研究基于鄰域粗糙集的動態(tài)約簡算法具有重要的理論意義。行人檢測在計算機視覺等領域有著重要的應用[4-6]。目前基于計算機視覺的行人檢測大多是基于特征提取和機器學習的方法[7-9]。運用特征描述行人與背景的區(qū)別。經(jīng)過這些年的科學發(fā)展，學者已經(jīng)提出很多有效的行人檢測
現(xiàn)代電子技術 2018年21期2018-11-13
- 模糊決策表中基于OWA算子的三支屬性約簡
前提下，通過知識約簡導出問題的決策規(guī)則。這種模型在完備的信息系統(tǒng)中得到了成功運用[1,2]。在模糊決策表中，數(shù)據(jù)往往被認為是一個模糊概念,于是研究者們對經(jīng)典的粗糙集理論進行擴充[3,4]。許多學者在構造各種不同區(qū)分關系的基礎上，討論各種屬性約簡的理論和方法，并進行了相關應用研究[5,6]。管濤[7]等基于模糊集合的貼近度，構造模糊相似關系，取其截集后得到不可區(qū)分關系，利用水平集粗糙成員函數(shù)給出分布約簡與分配約簡；Jensen和Shen提出以依賴度函數(shù)作為啟
數(shù)據(jù)采集與處理 2018年4期2018-09-10
- 不協(xié)調區(qū)間值決策系統(tǒng)的最大分布約簡
64005）屬性約簡[1-7]是粗糙集理論[1-3]的核心研究內容之一，在數(shù)據(jù)挖掘、機器學習、決策分析、智能信息處理等領域取得了諸多研究成果。屬性約簡的目的是刪除冗余屬性，只保留使決策表某種分類特征不變的最小屬性子集。差別矩陣方法是一種用于求取所有屬性約簡的有效方法，該方法由Skowron[8]于1982年提出，并將差別矩陣應用于正域約簡中。諸多學者在此基礎上做了大量的研究工作。Kryszkie-wicz[9]于1999年在不完備信息系統(tǒng)下引入廣義決策保持
智能系統(tǒng)學報 2018年3期2018-07-20
- 矩陣增量屬性約簡算法
化后決策信息系統(tǒng)約簡問題，是信息科學領域研究的一個普遍關注熱點.如果使用非增量屬性約簡方法[1-3]來處理動態(tài)數(shù)據(jù)屬性約簡問題時，需要重新計算變化后決策信息系統(tǒng)的屬性約簡，不能充分利用先前知識粒度和約簡，導致運行速度較慢.為了有效解決非增量約簡算法在處理動態(tài)數(shù)據(jù)時存在的缺陷，許多研究者提出了增量屬性約簡方法.針對決策信息系統(tǒng)對象變化增量屬性約簡問題，楊明針對決策信息系統(tǒng)對象集動態(tài)更新問題，對差別矩陣進行改進，分析了改進差別矩陣的增量更新機制，設計了增量屬性
小型微型計算機系統(tǒng) 2018年6期2018-07-04
- 置信優(yōu)勢關系粗糙集的屬性約簡方法
IODS).屬性約簡是粗糙集理論及其擴展模型研究的核心問題之一[5,6].在完備有序信息系統(tǒng)中,多種約簡方法被提出.其中,Dembczyński[1]等給出了基于分類精度的約簡概念,卻沒有提出相應的約簡方法.徐偉華等提出了多種基于DRSA的約簡方法,包括分布約簡和最大分布約簡[7],可能分布約簡(分配約簡)及相容分布約簡[8].Inuiguchi等提出了基于決策屬性聯(lián)合類的上、下近似、邊界域不變的約簡方法[9],Kusunoki進一步給出決策屬性基于類的上
小型微型計算機系統(tǒng) 2018年2期2018-03-27
- 廣義分布保持屬性約簡研究
廣義分布保持屬性約簡研究高學義1,2，張楠1,2，童向榮1,2，姜麗麗1,2(1. 煙臺大學 數(shù)據(jù)科學與智能技術山東省高校重點實驗室，山東 煙臺 264005； 2. 煙臺大學 計算機與控制工程學院，山東 煙臺 264005)屬性約簡是粗糙集理論的重要研究內容之一。分布約簡保證約簡前后每個對象的概率分布保持不變，即保證每條規(guī)則的置信度在約簡前后不發(fā)生改變。實際應用中，人們往往更加關注可信度較高或較低的規(guī)則。因此，在本文中引入了廣義分布保持屬性約簡，該屬性約
智能系統(tǒng)學報 2017年3期2017-08-01
- 基于MapReduce的高效粗糙集屬性約簡算法
的高效粗糙集屬性約簡算法呂 潔1劉利民1胡皎月1許志偉1,21(內蒙古工業(yè)大學信息工程學院 內蒙古 呼和浩特 010080)2(中國科學院計算技術研究所 北京 100086)針對粗糙集理論中傳統(tǒng)的基于正域的屬性約簡算法和基于信息熵的屬性約簡算法無法得到最小約簡集的問題，給出基于信息熵改進的屬性約簡算法，即先使用條件熵識別出重要度值最大的屬性，使用正域進行約簡判斷。在此基礎上，設計了高效的基于MapReduce的信息熵改進屬性約簡算法。以真實海量氣象數(shù)據(jù)為基
計算機應用與軟件 2017年4期2017-04-24
- 基于決策表的保邊界域不變及保負域不變約簡
不變及保負域不變約簡趙思雨，魏玲*（西北大學數(shù)學學院，陜西省西安市郵編：710127）屬性約簡是粗糙集理論的重要研究方向之一。本文針對決策表, 從三支決策的角度提出了保持負域不變的約簡及保持邊界域不變的約簡, 并研究保持負域不變的約簡、保持邊界域不變的約簡與基于粗糙集理論代數(shù)角度的約簡之間的關系。決策表；屬性約簡；邊界域；負域引言粗糙集理論作為一種數(shù)據(jù)分析處理理論，由波蘭科學家Pawlak于1982年提出，在數(shù)據(jù)的決策與分析、模式識別、機器學習與知識發(fā)現(xiàn)等
數(shù)碼設計 2016年1期2016-10-13
- 基于信息量的動態(tài)屬性約簡算法仿真實現(xiàn)
信息量的動態(tài)屬性約簡算法仿真實現(xiàn)陳麗芳*，王云華北理工大學理學院，河北省唐山市郵編：063009基于信息量的動態(tài)約簡算法充分利用了原信息系統(tǒng)的約簡結果，從約簡效率上，比靜態(tài)算法有很大的提高。但在實際應用中，該算法的計算工作量令許多非數(shù)學專業(yè)的科技人員感到力不從心。鑒于這種情況，本文針對基于信息量的動態(tài)屬性約簡算法，編程仿真了整個計算過程。對該算法進行設計并用C語言編寫了源代碼，使計算過程簡單化，輸入待解決問題的數(shù)據(jù)和新增動態(tài)數(shù)據(jù)即可計算得出相應的約簡結果。
數(shù)碼設計 2016年1期2016-10-13
- 基于粗糙集的可變正區(qū)域約簡
糙集的可變正區(qū)域約簡鄧大勇1，2，李亞楠1，薛歡歡1(1.浙江師范大學 數(shù)理與信息工程學院,浙江 金華321004;2.浙江師范大學 行知學院,浙江 金華321004)屬性約簡是粗糙集理論的研究重點之一.現(xiàn)有的各種粗糙集約簡幾乎都是保持某種約簡準則不變，用這種方法處理一些存在異常點的數(shù)據(jù)時,在泛化能力方面存在一定的問題.針對此類問題,提出了一種可變正區(qū)域的約簡方法,該方法在進行屬性約簡時允許正區(qū)域存在一定程度的變化.理論分析和示例表明了該方法的有效性.粗糙
浙江師范大學學報（自然科學版） 2016年3期2016-09-29
- 面向成組對象集的增量式屬性約簡算法
象集的增量式屬性約簡算法錢進1,2，朱亞炎1(1.江蘇理工學院 計算機工程學院，江蘇 常州 213015； 2. 南京信息工程大學 江蘇省大數(shù)據(jù)分析技術重點實驗室，江蘇 南京 210044)現(xiàn)實世界中數(shù)據(jù)集都是動態(tài)變化的，非增量式屬性約簡方法從頭重新計算原始數(shù)據(jù)集，而且未考慮先前約簡結果中的信息，將耗費大量的時間和空間。為此，討論了動態(tài)數(shù)據(jù)環(huán)境下約簡的不變性，提出了一種面向成組對象集的增量式屬性約簡算法，利用先前約簡中信息來快速獲取強傳承性的約簡，從而提高
智能系統(tǒng)學報 2016年4期2016-09-27
- 一種最小測試代價約簡的改進算法
一種最小測試代價約簡的改進算法何華平， 陳光建(四川理工學院 計算機學院 四川 自貢 643000)傳統(tǒng)屬性約簡的目標是在決策表中的所有條件屬性中，選擇一組分類代價最小的約簡，算法構建了測試代價最小的約簡.以往的測試代價約簡算法查找成功率不夠理想，性能不穩(wěn)定，提出了一種改進的測試代價約簡算法.通過運行2個UCI數(shù)據(jù)集實驗，證明算法是有效的，并為提高測試代價約簡算法性能提供了新途徑.代價敏感學習； 屬性約簡； 最小測試代價0 引言在數(shù)據(jù)挖掘中，要刪除冗余數(shù)據(jù)
鄭州大學學報（理學版） 2015年1期2015-02-11
- 一種改進的啟發(fā)式最優(yōu)相對屬性約簡算法
發(fā)式最優(yōu)相對屬性約簡算法陶加云1，李英順2，趙玉鑫2（1.沈陽工業(yè)大學信息科學與工程學院，遼寧沈陽110870；2.沈陽工業(yè)大學化工過程自動化學院，遼寧遼陽111003）針對在傳統(tǒng)的粗糙集理論相對屬性約簡算法中因需計算可區(qū)別矩陣和正區(qū)域而導致的約簡效率低下這一問題，提出一種改進的啟發(fā)式最優(yōu)相對屬性約簡算法加以解決.通過引入屬性集的相對分類能力的定義給出相對屬性約簡的判定條件，在此基礎上導出的改進相對屬性約簡算法既能保證約簡過后的條件屬性是最優(yōu)的，又能提高約
宜賓學院學報 2015年12期2015-01-18
- 粗糙集屬性約簡方法研究
成功[2]。屬性約簡是粗糙集理論的核心內容之一。目前已經(jīng)出現(xiàn)了很多屬性約簡的方法，例如基于正區(qū)域的屬性約簡[3]、基于差別矩陣的屬性約簡[4]、基于信息熵的屬性約簡[5]、基于分布的屬性約簡及基于近似的屬性約簡[6]、基于云模型的約簡方法[7]、基于相對粒度的約簡算法發(fā)[8]等。本文通過將決策信息系統(tǒng)樹形化，并定義了在此樹形結構上的屬性約簡，發(fā)現(xiàn)屬性可約簡并不需要再次求得下上近似集，可直接由等價類所包含的決策屬性來決定，由此可增加屬性約簡的效率。進而給出了
電子設計工程 2015年12期2015-01-04
- 概念格約簡與覆蓋約簡之間的關系
4900)概念格約簡與覆蓋約簡之間的關系李立峰1， 俞 偉2(1.西安郵電大學 理學院， 陜西 西安 710121;2.中國人民解放軍69213部隊， 新疆 喀什 844900)以一類與覆蓋粗糙集相對應的形式背景為工具，對概念格屬性約簡和覆蓋粗糙集約簡進行研究，結果表明覆蓋粗糙集與形式背景之間存在一一對應關系，并且證明了覆蓋粗糙集的交約簡可化為概念格的屬性約簡。概念格； 屬性約簡； 覆蓋0 引 言概念格是根據(jù)對象與屬性之間的二元關系建立的一種層次結構[1]
陜西理工大學學報(自然科學版) 2014年3期2014-09-22
- 電控發(fā)動機故障診斷屬性約簡算法應用研究
動機故障診斷屬性約簡算法應用研究謝春麗，張東興，米志飛（東北林業(yè)大學 交通學院，黑龍江 哈爾濱 150040）利用粗糙集理論中的區(qū)分矩陣屬性約簡算法對電控發(fā)動機的幾種典型故障參數(shù)進行屬性約簡，為驗證約簡結果是否有利于下一步的故障診斷，采用較成熟的BP神經(jīng)網(wǎng)絡對其進行診斷驗證，將約簡結果作為網(wǎng)絡的輸入，待診斷故障作為網(wǎng)絡的輸出。通過學習訓練結果表明：利用區(qū)分矩陣方法所獲得的核約簡不能作為故障診斷的特征參量，其導致網(wǎng)絡不收斂，而其它3組約簡可以用于區(qū)分現(xiàn)有故障
湖北汽車工業(yè)學院學報 2014年1期2014-07-12
- 變精度覆蓋決策信息系統(tǒng)的約簡
蓋決策信息系統(tǒng)的約簡許晴媛1，李進金2，張燕蘭11.閩南師范大學計算機科學與工程系，福建漳州 3630002.閩南師范大學數(shù)學與信息科學學院，福建漳州 363000把變精度方法引入到覆蓋決策信息系統(tǒng)中，給出變精度覆蓋下近似與變精度覆蓋上近似的定義。進而討論了變精度覆蓋下近似與變精度覆蓋上近似的若干性質及約簡。分析了它們與覆蓋分布約簡、最大覆蓋分布約簡、覆蓋下近似約簡、覆蓋上近似約簡之間的關系。并給出實例進行說明。變精度；覆蓋；決策信息系統(tǒng)；約簡1 引言由P
計算機工程與應用 2014年6期2014-07-07
- 綜合屬性選擇和刪除的屬性約簡方法
50001)屬性約簡利用粗糙集［1-2］等理論，旨在保持信息系統(tǒng)決策能力不變的條件下，去除冗余屬性，從而減少數(shù)據(jù)的冗余度，是機器學習和人工智能最重要的研究方向之一.屬性約簡方法有很多，譬如基于依賴度的屬性約簡方法［3］、基于互信息的屬性約簡方法［4-5］、基于模糊粗糙集的屬性約簡方法［6-8］等.Skowron于1992年提出了辨識矩陣和辨識函數(shù)的概念［9］，利用辨識矩陣和辨識函數(shù)實現(xiàn)了屬性約簡，并得到了廣泛的研究［10］.然而，基于辨識矩陣的屬性約簡方法
智能系統(tǒng)學報 2013年2期2013-09-24
- 基于變精度粗糙集的不完備決策表屬性約簡
不完備決策表屬性約簡林春杰1，張瑞玲1，韓曉琴21.洛陽師范學院 信息技術學院，河南 洛陽 471022 2.洛陽師范學院 教育科學學院，河南 洛陽 4710221 引言粗糙集理論[1]是一種無需先驗知識，能夠處理不精確、不確定、不完備數(shù)據(jù)的數(shù)學工具，是經(jīng)典集合論的重要發(fā)展，在知識定義、知識約簡、規(guī)則發(fā)現(xiàn)等方面[2-5]，為知識獲取提供了一種嶄新的工具。然而經(jīng)典粗糙集模型對噪聲敏感，其對數(shù)據(jù)的過擬合而降低了對對象的預測能力。為了克服這些局限性，Ziarko
計算機工程與應用 2013年13期2013-07-20
- 基于互信息的并行約簡＊
中求得一個穩(wěn)定的約簡結果，Bazan［1-2］提出了動態(tài)約簡的概念．該理論的主體思想是先把要處理的決策表劃分成若干個具有強烈概率因素的子表，然后求出全部子表的所有約簡并取其交集．通常認為利用這種方式求得的約簡結果較為穩(wěn)定．然而，動態(tài)約簡有2個缺點:一是必須求出全部子決策表的所有約簡，時間復雜度很高;二是動態(tài)約簡得到的結果有可能為空，理論本身不完備．鄧大勇在文獻［3-6］中借鑒動態(tài)約簡的分表思想提出了并行約簡理論．并行約簡和動態(tài)約簡類似，都是將一個決策表拓展
浙江師范大學學報（自然科學版） 2012年3期2012-12-17
- 一種改進的最小屬性約簡算法＊
發(fā)現(xiàn)等領域．屬性約簡是粗糙集理論中的一個核心內容，目前有很多研究都是針對屬性約簡方面的．求解屬性約簡的算法可以劃分為如下幾類：（1）基于正區(qū)域的求解算法，有時在求解的過程中會結合屬性的重要性、互信息等；（2）基于差別矩陣的求解算法；（3）基于智能計算的求解方法，如基于遺傳算法和神經(jīng)網(wǎng)絡．隨著問題規(guī)模的增大，基于差別矩陣求解算法的缺陷會愈加凸顯．有時在利用正區(qū)域或差別矩陣求解時，常結合屬性的重要性［1］、互信息［2］、屬性出現(xiàn)的頻率［3］等，使得算法更加高效
武漢理工大學學報（交通科學與工程版） 2012年3期2012-12-01
- 基于D-S證據(jù)理論直接求代數(shù)約簡和代數(shù)核*
究熱點之一。屬性約簡是Rough 集理論的核心問題之一，也是知識獲取的關鍵步驟之一,因此屬性約簡研究深受各研究者的關注。目前已有多種屬性約簡方法被提出,歸納起來主要有Pawlak原始定義的屬性約簡,稱之為代數(shù)約簡； 基于條件信息熵的屬性約簡(稱之為信息熵約簡)[2-3]；基于包含度理論的分布約簡、最大分布約簡、分配約簡及近似約簡等[4]；基于D-S證據(jù)理論的屬性約簡方法等[5-7]。其中信息熵約簡與分布約簡是完全等價的[8]，分配約簡與近似約簡也完全等價。
中山大學學報(自然科學版)(中英文) 2011年5期2011-07-24
- 真度約簡與計量邏輯學推理模式的關系
理和命題集的近似約簡.本文的目的就是探討命題集F(S)上的近似推理框架與命題集近似約簡之間的關系.本文中，首先給出了n值 Lukasiewicz 命題集的真度約簡及α-真度約簡的概念，將命題集的精確約簡轉化為近似約簡，然后指出了這種近似約簡與計量邏輯學中近似推理模式的內在聯(lián)系，為在F(S)上展開近似推理提供了新的途徑.1 n值Lukasiewicz 命題系統(tǒng)中的真度約簡定義1s={p1,p2,…}是一個可數(shù)集,F(S)是由S生成的(,∨,→)型自由代數(shù),是
陜西科技大學學報 2011年5期2011-02-20
- 真度約簡與計量邏輯學推理模式的關系
理和命題集的近似約簡.本文的目的就是探討命題集F(S)上的近似推理框架與命題集近似約簡之間的關系.本文中，首先給出了n值 Lukasiewicz 命題集的真度約簡及α-真度約簡的概念，將命題集的精確約簡轉化為近似約簡，然后指出了這種近似約簡與計量邏輯學中近似推理模式的內在聯(lián)系，為在F(S)上展開近似推理提供了新的途徑.1 n值Lukasiewicz 命題系統(tǒng)中的真度約簡定義1s={p1,p2,…}是一個可數(shù)集,F(S)是由S生成的(,∨,→)型自由代數(shù),是
陜西科技大學學報 2011年5期2011-02-20