基于评价指数的属性约简算法

从粗糙集理论出发,提出可分辨关系和对象差异矩阵的概念,并以此为基础构造出基于评价指数的属性约简算法.算法采用自底向上的方法,利用属性的评价指数作为启发式信息,求得属性集合的约简.在多个UCI数据集上进行试验,理论分析和实验数据表明,文中提出的属性约简算法是有效、可行的,具有较高的效率.     

基于评价指数的属性约简算法

从粗糙集理论出发,提出可分辨关系和对象差异矩阵的概念,并以此为基础构造出基于评价指数的属性约简算法.算法采用自底向上的方法,利用属性的评价指数作为启发式信息,求得属性集合的约简.在多个UC I数据集上进行试验,理论分析和实验数据表明,文中提出的属性约简算法是有效、可行的,具有较高的效率.     

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。     

一种改进的最小属性约简算法

最小属性约简是粗糙集理论中的一个重要内容,通过对属性约简算法的研究,指出基于U/{a}划分的最小属性约简算法中的不足,并提出了一种改进的最小属性约简算法.该算法以基于等价类的方法对论域进行压缩,有效地降低了算法的空间复杂度,用基于核的方法求解最小约简,从而保证可获得最小约简.实验结果表明,该算法具有复杂性低、存储空间小和效率高的特点,是一种有效的最小属性约简算法.     

基于可分辨重要度的属性约简算法

在可分辨关系和分辨强度指数概念的基础上,构造出“基于可分辨重要度的属性约简算法”．算法采用自底向上的方法,利用启发式信息可分辨重要度SIG作为属性选取的依据．算法无需生成中间结果,并将相关的逻辑运算转换成矩阵运算,从而达到降低系统时空开销、有效处理大规模数据的目的．理论分析和UCI数据集的测试结果表明,文中提出的算法有效、可行．     

基于粗糙集理论的决策系统属性约简

介绍了粗糙集理论的基本概念,包括等价关系、划分、条件信息量等．介绍属性约简的原理,在此基础上提出了基于条件信息量的数据约简方法,优选出有用的属性,并通过实例表明该方法是可行和有效的．     

一种知识距离的集值信息系统属性约简算法

在研究集值信息系统和知识距离性质的基础上,提出了一种基于知识距离的集值信息系统属性约简算法.该算法首先利用知识距离来描述知识间的差距,进而度量集值信息系统模型的划分和知识粒度的大小,然后根据知识距离的性质有效的判定集值信息系统模型的宽松度和属性重要性.最后通过理论分析和实例的结果表明,该算法降低了时空复杂度,从而提高了算法的运行效率.     

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.     

基于粗糙集属性约简的异步电机速度模型结构辨识

提出了一种针对决策信息系统的属性约简方法,并将其应用到异步电机速度模型结构辨识上.同时,讨论了去除离散化数据中不一致规则的方法.结果表明,约简之后的速度模型结构与实际调速系统中影响电机转速的因素相符合,从而表明该算法是有效的.     

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.     

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.     

基于粗糙集和遗传算法的驼峰超速连挂事故分析

驼峰超速连挂事故受多种因素影响,运用粗集相关理论分析线路、调速设备和车流等事故因素,引入遗传算法进行属性约简,得到包括驼峰设计和运营线路纵断面变化、调速设备合理配置和新型重载车辆等几个关键影响因素。通过对影响因素分析能够在决策时给出科学依据,以此降低或避免事故发生的可能性。     

基于Rough集理论的增量式数据挖掘算法

提出一种求精简规则的带支持信息的增量式算法IDMA,该算法改进了传统挖掘算法的缺点,可充分利用已挖掘出的规则集来对新增实例进行决策规则挖掘,同经典Rough集挖掘算法比较,算法IDMA计算过程简单,而且效率较高.