基于严格划分的信息系统属性约简的完备算法

在信息系统的属性约简过程中,引入了划分量和属性严格划分的概念.研究了它们的特点与性质,证明了在信息系统的属性严格划分过程中,划分量是严格递增的.给出了一种基于严格划分的属性约简的完备算法,算法的时间复杂度为O(|A|2|U|log|U|),理论分析和例子表明该约简算法是有效的.     

基于条件粗糙熵的知识相对约简算法

本文提出了信息系统中两个互不相交属性集之间的条件粗糙熵的概念,得到了在知识约简中条件粗糙熵的变化规律是单调递减的,以此得到了知识约简过程中启发式搜索的条件,同时用知识的条件粗糙熵定义了属性的相对重要性.在此基础上提出了一种新的基于条件粗糙熵的知识相对约简算法CREBARK。该算法的时间复杂度为O(|C|3|U|2)。通过实例分析,表明该算法是有效的。     

集值决策信息系统属性约简与规则提取的矩阵算法

在集值决策信息系统中引入了优势矩阵和决策矩阵的概念,进一步建立了集值决策信息系统广义决策约简与规则提取的矩阵算法.算法利用矩阵间的比较提取所有决策规则,并同时得到所有广义决策约简.通过实例分析验证了该算法的有效性,说明了其优点是对数据复杂的决策信息系统也可相对容易地求出所有的广义决策约简与决策规则.     

集值决策信息系统属性约简的启发式算法

在集值决策信息系统中,通过引入信息量和条件信息量,对属性的重要性进行了定义.给出了分配约简（广义决策约简）的一种启发式算法：条件信息量约简算法,分析了该算法的时间复杂度,时间复杂度为O（｜A｜3｜U｜2）;最后通过例子说明,该算法能得到集值决策信息系统的一个约简.     

信息系统中的值约简算法研究

在信息系统中,我们可以用值约简算法过滤和删除冗余的条件属性值来简化信息系统决策规则的获取过程．本文介绍了值约简的基本算法,并对该算法功能进行了适当的补充．实验证明,针对那些当删除记录的一些属性后不会出现重复记录并且不会发生决策不一致的情况,这种改进后的算法十分有效,是对基本值约简算法的重要补充．     

区间值决策信息系统中基于正域的属性约简

区间值决策信息系统作为一种广义的决策信息系统,比传统实数值信息系统具有更强的描述不确定性的能力,即它通过一个区间数来刻画对象关于条件的属性值,那么基于等价关系对论域进行划分就显得过于严格。因此,利用区间数之间的相似性度量建立邻域,然后基于邻域构造粗糙集模型。由于在一个决策信息系统中,部分条件属性对于决策是不重要的甚至是冗余的,那么对信息系统进行恰当的约简对于降低数据规模至关重要,而正域决策过程对应于确定性规则是决策者最为关心的部分。因此,在区间值决策信息系统中,基于决策属性关于条件属性的正域设计了一种启发式属性约简算法。通过对案例分析,展现了在区间值决策信息系统中的粗糙集建模和约简求解过程。实验结果表明:设计的基于正域的启发式属性约简算法是可行的。     

基于正区域约简的决策表差别矩阵方法研究

利用差别矩阵比较容易求出决策表的所有属性约简.分析了几种决策表差别矩阵的生成特点,提出一种改进的差别矩阵,差别矩阵的生成不需要计算划分U/C或正区域,可直接由决策表产生,得到了差别矩阵的几个定理.利用这些结果,给出求决策表的正区域、核、最小约简和所有属性约简的方法.理论分析和实例说明,新算法与文献[4-6]中属性约简方法所得到的约简结果相同,但效率更高.     

基于知识粒度的知识约简研究

在知识粒度和知识重要度基础上，首先分剐证明了约简后的属性集的粒度等于初始属性集的粒度、约简中的每一属性对于约简中的其余属性都是重要的、约简外的每一属性对于约简都是不重要的、核中的每一属性对于核中的其余属性都是重要的等结论，进而给出了核是约简的充分必要条件，最后提出了基于知识粒度的知识约简算法——KRAKG算法，证明了其时间复杂度为O（｜R｜×｜U｜2），验证了其有效性。     

基于决策类划分多变量决策树算法的最优逻辑约简法则

基于决策类划分多变量决策树是一种新型的决策树算法,该算法对训练集分区进行多变量决策运算后,可能取得多个决策逻辑规则。最优逻辑约简法则使用逻辑运算及选择运算构造出一种择优运算方式,以取得最优的逻辑约简规则,是对该算法的一种有效补充。实验证明该算法在取得最优决策逻辑规则方面效果明显,但在现实情况中可依据实际情况不同对引用此法则进行取舍。     

决策系统的快速属性约简算法

针对决策系统提出了一种高效的属性约简算法;讨论了合理刻画属性重要性的新指标,并设计了一种快速计算划分的方法;在此基础上,得到了一种快速计算属性约简的算法。与现有算法相比,该算法具有较大的灵活性,能从搜索空间中逐次删除不重要属性,避免了对其重要性的重复计算;并且时间复杂度低。通过实例和实验表明了该算法的可行性与有效性。