基于Rough熵的决策表约简算法研究

知识约简是Rough 集理论研究中的核心内容之一,已证明求决策表的最小约简是NP-hard问题,解决办法一般是采用启发式算法.本文分析了信息熵在Rough集理论中的应用,利用Rough熵定义了决策表中条件属性的相对重要度,讨论了其性质,在此基础上提出了一种用于计算决策表中的相对约简的启发式算法.     

基于粗糙集的立体停车库选址决策研究

提出了一种应用粗糙集理论选址方法,利用粗糙集理论建立模型,考虑到高峰时段停车数量、步行距离、土地价格等客观因素的影响,选取条件属性和决策属性建立决策表,采用差别矩阵属性约简算法进行约简,并对约简结果进行验证,最后归纳得到决策规则.以某城市一地区为例,介绍了该方法的应用,得出了该地区修建立体停车库选址的决策方法.     

基于粗糙集的最小规则生成算法

讨论了可辩识矩阵的内容的深层次含义,分析了它与属性值约简的关系,并提出了一种利用可辩识矩阵实现属性值约简的方法,分析了利用可辩识矩阵实现属性约简和属性值约简的方法,设计了基于可辩识矩阵的最佳约简的算法,使得属性约简和属性值约简得以一致计算,使知识推理过程变得统一且相对简单.     

属性序下的增量式Pawlak约简算法

为了对动态变化的决策表进行属性约简处理,在给定的属性序下,提出了一种基于分辨矩阵元素集的增量式Pawlak约简算法.该算法根据新增对象的不同情况快速更新分辨矩阵元素集,并依据其元素的变化,在给定属性序下快速更新Pawlak约简.实例和仿真实验结果表明,该算法是有效、可行的,与非增量式算法相比,效率平均提高91.4%.     

电控发动机故障诊断属性约简算法应用研究

利用粗糙集理论中的区分矩阵属性约简算法对电控发动机的几种典型故障参数进行属性约简,为验证约简结果是否有利于下一步的故障诊断,采用较成熟的BP神经网络对其进行诊断验证,将约简结果作为网络的输入,待诊断故障作为网络的输出。通过学习训练结果表明:利用区分矩阵方法所获得的核约简不能作为故障诊断的特征参量,其导致网络不收敛,而其它3组约简可以用于区分现有故障。为获得最优的属性约简结果,利用二进制粒矩阵的方法进行了最优属性约简的证明。     

SDG故障诊断决策表的粒约简算法

为了减少故障特征集的维数,降低流程系统故障诊断知识库的复杂程度,本文将基于二进制粒矩阵的粒约简算法引入到基于SDG模型的故障诊断中.以离心泵与液位系统为例,用粒语言来描述和表达SDG故障诊断模型中的元素,建立反映故障-征兆因果关系的决策表,进而对冗余属性及属性值进行约简,有效地约简了SDG诊断规则,提高了故障诊断的效率.     

基于粗糙集的最小规则生成算法

讨论了可辩识矩阵的内容的深层次含义，分析了它与属性值约简的关系，并提出了一种利用可辩识矩阵实现属性值约简的方法，分析了利用可辩识矩阵实现属性约简和属性值约简的方法，设计了基于可辩识矩阵的最佳约简的算法，使得属性约简和属性值约简得以一致计算，使知识推理过程变得统一且相对简单．     

改进的Skowron可辨识矩阵及其属性核求解方法

针对可辨识矩阵求核方法无法兼顾正确性与高效性的问题,首先从理论上证明了可辨识矩阵中单个元素与核的关系,在此基础上,设计了一种Skowron可辨识矩阵的改进方法以及基于这种改进的Skowron可辨识矩阵的属性核求解方法,该方法不仅适用于任何决策表信息系统,而且有效降低了计算代价.     

基于粗糙集和遗传算法的道路交通事故分析

通过对道路交通事故的原因分析,确定了造成道路交通事故的影响因素.研究了利用粗糙集理论从交通事故历史数据中提取有效信息的方法,并给出了基于遗传算法的道路交通事故决策表属性约简算法,得出了道路交通事故决策规则表.计算结果表明:文中所建数学模型科学合理,算法高效可行.为建立道路交通事故智能分析系统提供了一个有效的方法.     

基于粗糙集和混合聚类法的决策表约简算法

在分析粗糙集理论、分层聚类算法和k-means聚类算法的基础上,提出一种基于粗糙集和混合聚类法的决策表约简算法,该算法首先是使用基于分层聚类的k-means混合聚类法离散化决策表中的连续属性,然后利用粗糙集理论对离散后的决策表进行属性约简,得到决策规则集,并通过在铁路客运量预测系统中的应用验证了算法的可行性和有效性.     

改进的Skowron可辨识矩阵及其属性核求解方法

针对可辨识矩阵求核方法无法兼顾正确性与高效性的问题,首先从理论上证明了可辨识矩阵中单个元素与核的关系,在此基础上,设计了一种Skowron可辨识矩阵的改进方法以及基于这种改进的Skowron可辨识矩阵的属性核求解方法,该方法不仅适用于任何决策表信息系统,而且有效降低了计算代价．     

Discretization Algorithm Based on Particle Swarm Optimization and Its Application in Attributes Reduction for Fault Data

In order to increase the fault diagnosis efficiency and make the fault data mining be realized, the decision table containing numerical attributes must be discretized for further calculations. The discernibility matrix-based reduction method depends on whether the numerical attributes can be properly discretized or not. So a discretization algorithm based on particle swarm optimization (PSO) is proposed. Moreover, hybrid weights are adopted in the process of particles evolution. Comparative calculations for certain equipment are completed to demonstrate the effectiveness of the proposed algorithm. The results indicate that the proposed algorithm has better performance than other popular algorithms such as class-attribute interdependence maximization (CAIM) discretization method and entropy-based discretization method.     

改进可辨识矩阵的启发式知识约简及规则算法

首先提出了改进可辨识矩阵,然后对属性重要性进行了重新定义,并且将模糊聚类应用于属性重要性划分,从而在此基础上提出了一种启发式知识约简及决策规则提取算法.给出了新的不相容率的概念,用于描述知识数据库中数据不相容特征和修正提取的决策规则的决策错误率.经过实验,该算法具有优良的性能.     

一种高效的简化可辨识矩阵集成算法

基于可辨识矩阵的约简算法,需要生成许多无用的元素,因而算法效率不高.针对这一问题,基于动态思想,设计了一个新的集成算法,新算法在生成可辨识矩阵的过程中不用生成大量的无用元素,减少了存储量和计算量,从而使算法的效率得到提高.最后给出了一个实例说明新算法的高效性.     

一种高效的简化可辨识矩阵集成算法

基于可辨识矩阵的约简算法,需要生成许多无用的元素,因而算法效率不高.针对这一问题,基于动态思想,设计了一个新的集成算法,新算法在生成可辨识矩阵的过程中不用生成大量的无用元素,减少了存储量和计算量,从而使算法的效率得到提高.最后给出了一个实例说明新算法的高效性.     

基于粗糙集理论的模型结构选择与知识发现

为了合理选择决策模型，提出了一种基于粗糙集理论获取模型选择知识并利用获取的知识选择模型的方法．通过随机设定模型参数，得到备选模型的属性值为连续值的决策表；通过设定误差范围，获得决策表中对象之间的关系；利用该关系和粗糙集理论，对决策表进行属性约简，获得决策规则；按该决策规则进行推理，实现智能决策的模型选择．实例表明，该算法是可行的。     

Feature subset selection based on mahalanobis distance： a statistical rough set method

In order to select effective feature subsets for pattern classification, a novel statistics rough set method is presented based on generalized attribute reduction. Unlike classical reduction approaches, the objects in universe of discourse are signs of training sample sets and values of attributes are taken as statistical parameters. The binary relation and discernibility matrix for the reduction are induced by distance function. Furthermore, based on the monotony of the distance function defined by Mahalanobis distance, the effective feature subsets are obtained as generalized attribute reducts. Experiment result shows that the classification performance can be improved by using the selected feature subsets.     

Algorithm for Extracting All Relative-Attribute Reducts in Decision System of Large-Scale Records

A new algorithm based on rough core was proposed to extract all relative-attribute reducts in decision information systems of large-scale records. In the algorithm, the rough core of the decision-making information system is first calculated. Then, an approach based on a top-down strategy is adopted to select the non-core condition attributes and generate candidate relative-attribute reducts. Finally, the set of all relative-attribute reducts is obtained by pruning the candidate relative-attribute reducts. Experimental results show that the proposed algorithm is superior to the other methods such as the algorithm without computing core, the exhaustive method and the discernibility matrix method in extracting all relative-attribute reducts for large-scale data sets.     

Fast Mode Decision Method Based on Historical Information for H. 264/AVC

Mode decision based on rate-distortion optimization algorithm brings high compression efficiency to H.264/AVC. However, heavy computation load is also added to the encoder at the same time. In order to reduce the computation burden of mode decision, this paper presented a fast mode decision method based on mode information of the previously coded frame. Moreover, all coding modes were activated when scene change occurs and a scheme to detect scene change was proposed. The simulation results show that compared to the original encoder, the proposed method achieves a reduction of over 38% encoding time and keeps almost the same PSNR and bitrate for a wide range of quantization parameter.