基于分辨相似矩阵的相似粗糙集的属性约简算法

合集下载

基于可辨识矩阵的快速粗糙集属性约简算法

设立计数器的基于可辨识矩阵的快速属性约简算法，实例分析表明，算法与ＣｒＳａｈｇ该ｏｅｃｉ算法相比，计算量减少和循环ｅｒｎ在
次数减少的同时能得到更简约的结果，一种快速、是高效的属性约简算法。
关键词：辨识矩阵；不可分辨关系；属性约简；核；粗糙集可
中图法分类号：Ｐ１Ｔ章编号：００７２２０）０４８－３１０．０４（７２．９７００
Ｆｓｔｉｕｅｒｄｃｉｎａｇｒｔｍｆｏｇｅａｅｎｄｓｅｎｂｌｙｍａｒｘａｔｔｂｔｕｔｌｏｈｏｕｈｓｔｓｄｏｉｃｒｉｉｔｔａｒｅｏｉｒｂｉｉ
ｔｎｅｏｒｄｄｎｔｉｕｅｅｒｓｌＴｅｉｒｖｄｆｓｌｏｔｍａｅｎｔｅｄｓｅｉｉｔｔｉ，ｉｓｔｐｃｕｔｒｒｉｅｅｔｅｃｆｅｕａｔｔｂｔｓｉｔｕｔｈｎａｒｎｈｅ．ｍｐｏｅｔｇｒｈｂｓｄｏｉｃｒｂｌｍａｒｘｔｅｏｅｓｏｆｒｎａａｉｈｎｉｙｕｎｆｄ
维普资讯
第２卷８
ＶｏＩ２８．
第２期０
ＮＯ２０．
计算机工程与设计
ＣｏｐｔｒＥｇｎｅｎｎｓｇｍｕｅｎｉｅｒｇａｄＤｅｉｎｉ
２０年ｌ月０７０
０ｃ．２０ｔ０７
ｅｏｔａｏｅｓａｃｉｇａｇｒｔｍ，ｉｉｌｄｅｅｔｅａｔｉｕｅｒｄｃｉｎａｇｒｈ．ｆｒｔｎｃｒｅｈｎｌｏｈｈｒｉｓｓｍｐｅａｆｃｉｔｂｔｅｕｔｌｏｔｍａｎｖｒｏｉ

基于粗集可辨识矩阵的属性频率约简算法

基于粗集可辨识矩阵的属性频率约简算法1 粗集可辨识矩阵粗集可辨识矩阵作为一种不精确、但可以提取较好特征的聚类方法，在数据挖掘任务中得到了广泛的应用。

它的核心是分布式的，也就是说，可以利用大量的类内数据来构建实例和属性之间的关系。

它的主要操作是将内部元素的属性频率应用于矩阵，然后利用频率约简算法把矩阵约简成一个稀疏的矩阵表示。

2 属性频率约简算法属性频率约简算法是一种使用统计学的技术，通过收集类内的特征频率，来构建属性间的关联，有效地对属性进行频率约简，从而获得较精确的特征聚类。

它的基本原理是，根据给定的特征计算来计算每个特征的频率，然后使用一种统计学技术来将它们抽象成一个稀疏的矩阵。

它的主要步骤如下：首先通过计算每个特征出现的频率来填充矩阵，然后使用最大熵原则对矩阵进行约简，最后利用聚类算法将不同的特征聚类，从而获得一种更有效的特征形式。

综上，属性频率约简算法可以使特征简化，矩阵简化，并且可以提取出一种有效的特征。

3 属性频率约简的优势属性频率约简算法的优势有：首先，它可以构建出有效的聚类，从而使分析任务更加容易；其次，它还可以用于建立稀疏的特征，这样可以更好地减少冗余的特征和噪声；最后，它可以有效地处理高维数据中的大量元素，并使其聚类更有效。

4 属性频率约简的应用属性频率约简算法在很多领域都有广泛的应用，如文本分类、图像分类、软件推荐等。

比如，在自然语言处理中，可以使用属性频率约简来提取文本的关键词，从而帮助文本分类。

另外，它还可以用来提取图像中的特征，从而方便图像分类。

此外，它还可以用于大规模数据访问和软件推荐，从而更加有效地实现软件任务。

5 结论从上文可以看出，基于粗集可辨识矩阵的属性频率约简算法可以有效提取出有效特征，并有很多应用。

它可以简化特征，减少运算量，有效地提取特征，从而实现数据挖掘的目的。

另外，属性频率约简的优势可以极大提升数据挖掘的性能，使算法更加有效。

基于相似关系粗糙集模型的数值属性约简算法

衡量属性在样本上的差异性和相似性。以这种属性度量指标为启发式设计了相似关系粗糙集框架下的数值属性约
简算法，并推广到经典粗糙集。在车牌字符集和ＵＩ写体数字字符集上和常用约简算法进行了比较，Ｃ手实验结果显示这种方法产生的约简属性可以导出规则数少并且具有较好分类能力的规则集。
念的粒化。下面定义实数空间中的差异性度量。
定义１论域中任意两个样本ｔ，（ ≠ ）在数值属性。ｔｉｊ
上的相对差异性为：ｄ＝㈩
识别的文献使用粗糙集属性约简方法，删除冗余属性，搜索分辨力高的属性集合，然后利用约简的属性集构成分类器Ｊ。
关键词：字符识别；糙集；性约简；征选择；似关系；值属性粗属特相数
中图分类号：Ｐ９Ｔ３１
文献标志码：Ａ
Ａｌｏｉｈｆｎｇｒｔｍｏｕｍｅｉａｔｒｂｅｅｕｃｉｎｂａｅｎｓｍｉａｉｙｒｕｇｅｒｃｌａｔｉｕｔｓｒｄｔｏｓｄｏｉｌｒｔｏｈｓｔ
ｃｎｔｕｔｄｂｓｄｏｉｌｒｔｏｈｓｔｍｏｌａｄｉｗａｘｅｄｄｔａｎｃｏｈｓｔｔｏ．Ｅｘｅｉｎｔｒａｒｅｕｏｓｒｃｅａｅｎｓｍｉａｙｒｕｇｅｄｅ，ｎｔｓｅｔｎｅｏｃｎｏｉａｒｕｇｅｏｉｌｐｒｍｅｓｗｅｅｃｒｉｄｏｔｏｗｏｄａａｓｔ，ｏｓｏｉｅｓａｅｃａａｔｒｎｈｔｅｓｏｎｔｔｅｓｎｅｉｆｌｃｎｅｐｌｔｈｒｃｅｓａｄｔｅｏｈｒｉｆＵＣＩｈｎｄｉｔｎｎｍｂｒｔｅｅｐｒｍｅｔｌｒｓｔｈｗａｗｒｔｅｕｅ，ｈｘｅｉｎａｅｕｌｓｓｏｔａｈｒｐｓｄａｇｒｔｍａｅｅａｅｓｍｐｌｒｂｒｏｒｕｕｌｓｓｔｔａｔｒｒｄｕｔｏｇｒｔｍｓｈｔｔｅｐｏｏｅｌｏｈｃｎｇｎｒｔｉｅｕｔｍｏｅｐｗｅｌｒｅｅｈｎｏｈｅｅｃｉｎａｏｈ．ｉｆｌｉＫｅｙｗｏｒｓｃｒｃｅｓｅｏｉｉｎｒｕｇｓｔａｔｂｔｓｅｕｃｉｎ；ｆａｕｅｅｅｔｎ；ｓｍｉａｉｙｅａｉｎｎｍｅｉａｄ：ｈａａｔｒｒｃｇｔｏ；ｏｈｅ；ｔｕｅｒｄｔｏｎｉｒｅｔｒｓｌｃｉｏｉｌｒｔｒｌｔｏ；ｕｒｃｌａｔｉｔｔｒｂｕｅ

基于粗糙集的属性约简算法

第２２卷
ａ＝表示不包含条件属性ａ，ａ＝１０而表示包含条件属性ａ。如果要识别所有决策不同的记录，ａ（＝１２ …，）则ｉ，，与（＝１２ … ，之中必然至少各有一个条件属性不能，，）被删除，否则新决策表将与原决策表具有不同的不科技开发项目（０１３）２４３５０作者简介：赵青杉（９２，山西五台，州师范学院计算机系讲师，１７一）男，人忻从事数据挖掘、集理论研究。粗糙
维普资讯
忻州师范学院学报
ｘ关于Ｒ的下近似集是Ｕ中根据已有知识判断必定属于Ｘ的对象所组成的最大集合，＝Ｕ｛ ∈ ＵＲ１即』ｙ／ｙ∈Ｘ｝
定义２设ＲＣ称Ｒ为Ｃ的Ｄ一：约简当且仅当Ｒ是Ｃ
属性组合以布尔值表示其中是否包含某个条件属性。比如
收稿日期：０６１５２００ —０
的最小约简是ＮＰ—ｈｒａｄ问题。解决这类问题的方法一般
的值， “ 是 “ Ｄ（）在属性Ｄ上的值，可识别矩阵记为：
ｆａ∈ Ａ：（１ ≠ ａ “ ）Ｄ（ ≠ Ｄ（，ａ “）（，， “） “）
是启发式搜索，进而获得最优解或近似最优解。本文研究了可辨识矩阵的约简，从属性依赖度角度给出
粗糙集理论是波兰数学家ＺＰｗｌ．ａａｋ在２０世纪８ｏ年代初首先提出的一种可以分析模糊和不确定问题的数学理
定义３Ｃ的所有必要属性组成的集合称为Ｃ的核，：记
为 ∞ ＲＣ）它是Ｃ的所有约简的交，ＣＲＥ（＝ｎＥ（，即ＯＣ）ＲＤ（，中ＲＤ（表示的约简。ＥＣ）其ＥＣ）三、基于可识别矩阵的约简方法可辨识矩阵由华沙大学数学家￣ｏｏ出，ｗｒｎ提定义为系统Ｓ＝（Ａ）Ｕ＝｛１ “ ， “ ｝ａ（） “在属性ａ上Ｕ，， “ ，２… ， “ 是

新的基于区分对象集的邻域粗糙集属性约简算法

梁海龙，谢琚，续欣莹，任密蜂
（太原理工大学信息工程学院，太原０３００２４）
（通信作者电子邮箱ｘｉｅｊｕｎ＠ｔｙｕｔ．ｅｄｕ．ＣＢ）
摘
要区分样本数的约简算法。借鉴 “ 上近似”
关键词：属性约简；属性重要度；相对正域；邻域粗糙集；分类精度中图分类号：ＴＰ１８；ＴＰ３１１．１３文献标志码：Ａ
Ｎｅｗａｔｔｒｉｂｕｔｅｒｅｄｕｃｔｉｏｎａｌｇｏｒｉｔｈｍｏｆｎｅｉｇｈｂｏｒｈｏｏｄ
Ａｂｓｔｒａｃｔ：Ｓｉｎｃｅｔｈｅａｌｇｏｒｉｔｈｍｏｆａｔｔｉｒｂｕｔｅｒｅｄｕｃｔｉｏｎｂａｓｅｄｏｎｐｏｓｉｔｉｖｅｒｅｇｉｏｎｉｓｂａｓｅｄｏｎｔｈｅｔｈｏｕｇｈｔｏｆｌｏｗｅｒ
ｒｏｕｇｈｓｅｔｂａｓｅｄｏｎｄｉｓｔｉｎｇｕｉｓｈｅｄｏｂｊｅｃｔｓｅｔ
ＬＩＡＮＧＨａｉｌｏｎｇ，ＸＩＥＪｕｎ。，ＸＵＸｉｎｙｉｎｇ，ＲＥＮＭｉｆｅｎｇ
ａｐｐｒｏｘｉｍａｔｉｏｎ，ｉｔｊｕｓｔｃｏｎｓｉｄｅｒｓｔｈｅｒｉｇｈｔｄｉｓｔｉｎｇｕｉｓｈｅｄｓａｍｐｌｅｓ．Ｕｓｉｎｇｔｈｅｔｈｏｕｇｈｔｏｆｕｐｐｅｒａｐｐｒｏｘｉｍａｔｉｏｎａｎｄｔｈｅｃｏｎｃｅｐｔｏｆ

基于粗糙集的属性约简的矩阵方法

基于粗糙集的属性约简的矩阵方法
任艳玲;朱明放
【期刊名称】《陕西理工学院学报（自然科学版）》
【年(卷),期】2006(022)003
【摘要】粗糙集理论中,属性约简是知识挖掘的核心.知识获取是根据对象间的某种关系如等价关系、相似关系等来定义.受关系的矩阵表示的启发,本文提出知识的矩阵表示以及属性约简的矩阵方法,这种表示和约简方法具有形式简单规范、运算工整的特点.实例验证了该方法的合理性和有效性.
【总页数】5页(P76-80)
【作者】任艳玲;朱明放
【作者单位】陕西理工学院,电子信息系,陕西,汉中,723003;陕西理工学院,计算机科学与技术系,陕西,汉中,723003
【正文语种】中文
【中图分类】TP18
【相关文献】
1.采用粗糙集中可辨识矩阵方法的概念格属性约简 [J], 吴强
2.基于辨识矩阵的多伴随模糊粗糙集属性约简 [J], 梁美社
3.基于改进辨识矩阵的变精度邻域粗糙集属性约简 [J], 沈林
4.基于模糊粗糙集的辨识矩阵属性约简方法 [J], 赵晋欢; 王长忠
5.基于矩阵保留策略的邻域粗糙集属性约简算法 [J], 高阳; 刘遵仁; 纪俊
因版权原因，仅展示原文概要，查看原文内容请购买。

基于粗糙集的属性约简的矩阵方法

些数据的附加信息或先验知识，如模糊隶属函数、基本概率指派函数和有关统计概率分布等，而这些信息有时并不容易得到。文献［］２首次提出了粗糙集理论，它是一种刻划不完整性和不确定性的数学工具，能有效地分析不精确、不一致、不完整等各种不完备的信息，还可以对数据进行分析和推理，从中发
现隐含的知识，揭示潜在的规律。粗糙集理论中，知识” “ 被认为是一种分类能力。在分类过程中，将相差不大的个体归于同一类，对
象间的关系就是不可分辨关系，一种等价关系Ｊ。粗糙集理论应用在完备的信息系统上，找到知识库
的等价类，进行挖掘知识任务。在现实生活中，信息系统常常是不完备的，这样直接应用粗糙集理论发现不了等价类，不能有效地进行数据挖掘，所以需要重新考虑分类或决策规则提取的对象关系的定义，即降低很强的等价关系的要求，提出如相容关系、相似关系或者更一般的关系，来适应知识获取的需要。受关系的矩阵表示及关系运算的矩阵方法的启示，提出粗糙集理论在分类和决策规则获取中基本
［文章编号］６３— ９４２０）３— ０６一５１７２４（０６００７Ｏ
基于粗糙集的属性约简的矩阵方法
任艳玲，朱明放
（１陕西理工学院电子信息系，２陕西理工学院计算机科学与技术系，陕西汉中７３０）．．２０３
［摘
要］粗糙集理论中，属性约简是知识挖掘的核心。知识获取是根据对象间的某种关系
简算法奠定了基础。但是，属性约简算法都是先求出不可区分关系或者相容关系，然后逐个检验去掉某
收稿日期：０５— ２一Ｏ２０１５基金项目：陕西理工学院科研基金资助项目（５５。０３）

基于简化分辨矩阵的粗糙集属性约简算法

基于简化分辨矩阵的粗糙集属性约简算法
田卫东;周创德;胡学钢;周红鹃;李培培
【期刊名称】《计算机科学》
【年(卷),期】2008(35)3
【摘要】针对改进的经典算法求取属性约简存在的时间和空间性能不理想问题,本文提出了一种新的属性约简算法ARSDM.该算法先将决策表按决策属性的类别划分,后采用边生成矩阵元素边约简边排序的思想求取属性约简,有效地加快了约简速度.实验表明ARSDM算法与经典算法相比具有较好的时间和空间性能.
【总页数】4页(P209-212)
【作者】田卫东;周创德;胡学钢;周红鹃;李培培
【作者单位】合肥工业大学计算机与信息学院,合肥,230009;合肥工业大学计算机与信息学院,合肥,230009;合肥工业大学计算机与信息学院,合肥,230009;合肥工业大学计算机与信息学院,合肥,230009;合肥工业大学计算机与信息学院,合
肥,230009
【正文语种】中文
【中图分类】TP3
【相关文献】
1.一种基于分辨矩阵的属性约简改进算法 [J], 吕林霞
2.基于分辨矩阵和约简树的增量式属性约简算法 [J], 侯枫;刘丰年
3.改进的基于简化二进制分辨矩阵的属性约简方法 [J], 王亚琦;范年柏
4.基于改进的二进制分辨矩阵属性约简算法 [J], 郭洪涛;黄广君;张孝国
5.一种基于分辨矩阵的新的属性约简算法 [J], 汪小燕;杨思春
因版权原因，仅展示原文概要，查看原文内容请购买。

基于相似关系粗糙集中的否定规则及约简

基于相似关系粗糙集中的否定规则及约简当人们在处理巨量的信息的时候，粗糙集中的否定规则和约简是一项有用的技术。

他们可以帮助人们更好地处理巨量信息，并从中挖掘有价值的信息。

粗糙集中的否定规则和约简是建立在基于相似关系的推论和推移的基础之上，用于减少数据库中的不必要信息，从而构建更精确的推理规则。

本文的目的是介绍基于相似关系的粗糙集中的否定规则及约简技术。

首先需要解释粗糙集，即知识表示形式，并介绍其中的概念，然后介绍关于粗糙集中的否定规则，使人们能够根据给定的表示去推断未知概念或未知关系。

接下来探讨粗糙集中约简思想：从一组规则中选择那些要保留的规则，从而减少初始数据集的不必要信息。

最后讨论粗糙集中的定理推理：如何从规则库中推断出未知结论。

基于相似关系的粗糙集否定规则提出了两种概念：等价否定规则(EDR) 和界限否定规则(RDR)。

因为事务不一定有绝对的是或不是的关系，所以推出的规则也有可能是相似的规则和不完全的规则。

等价否定规则能够保持一个事务中事实的真实性，从而确保信息的准确性。

界限否定规则不能确保原始信息准确，但能够让各个事务完整而有效。

其次，约简思想可以根据给定的表示来选择必要的规则，其实就是从原始数据集中删除多余的规则，从而使数据库能够更加准确地建模现实世界的知识结构。

基于相似关系的粗糙集约简的目的是提取有意义的信息，即从大型数据库中抽取精确的信息来确定其可信度。

最后，基于相似关系的粗糙集定理推理在实际应用中也是一项有价值的工具。

它可以从规则库中推断出未知结论，并进行可靠的知识推断。

例如，如果知识库中有相似的概念和推断规则，它也可以用来推断一些模糊的概念和结论，从而得出新的推理结论。

基于可辨识矩阵的快速粗糙集属性约简算法

基于可辨识矩阵的快速粗糙集属性约简算法
薛安荣;韩红霞;潘雨青
【期刊名称】《计算机工程与设计》
【年(卷),期】2007(28)20
【摘要】Karno Bozi提出的Core Searching算法在向约简中插入候选属性的时候,根据属性出现次数需要循环查找可辨识矩阵中的所有剩余项,直至矩阵为空,导致计算量较大和结果中冗余属性存在的可能.基于Core Searching算法提出通过给属性设立计数器的基于可辨识矩阵的快速属性约简算法,实例分析表明,该算法与Core Searching算法相比,在计算量减少和循环次数减少的同时能得到更简约的结果,是一种快速、高效的属性约简算法.
【总页数】4页(P4987-4989,4993)
【作者】薛安荣;韩红霞;潘雨青
【作者单位】江苏大学,计算机科学与通信工程学院,江苏,镇江,212013;江苏大学,计算机科学与通信工程学院,江苏,镇江,212013;江苏大学,计算机科学与通信工程学院,江苏,镇江,212013
【正文语种】中文
【中图分类】TP311
【相关文献】
1.基于属性值集合链的粗糙集快速属性约简算法 [J], 武友新;李文晶;钟子岳
2.基于粗糙集的快速属性约简算法研究 [J], 瞿彬彬;卢炎生
3.一种基于粗糙集理论的快速并行属性约简算法 [J], 肖大伟;王国胤;胡峰
4.基于可辨识矩阵的属性约简算法及应用 [J], 陈志恩;田彦山;马旭
5.基于邻域粗糙集的快速属性约简算法 [J], 高阳;刘遵仁;彭潇然;林芷欣
因版权原因，仅展示原文概要，查看原文内容请购买。

基于相似关系粗糙集模型的数值属性约简算法

基于相似关系粗糙集模型的数值属性约简算法作者：吴敏来源：《计算机应用》2010年第01期摘要:针对数值属性数据包含大量噪声而经典粗糙集方法易受噪声干扰的问题,提出一种属性度量指标综合衡量属性在样本上的差异性和相似性。

以这种属性度量指标为启发式设计了相似关系粗糙集框架下的数值属性约简算法,并推广到经典粗糙集。

在车牌字符集和UCI手写体数字字符集上和常用约简算法进行了比较,实验结果显示这种方法产生的约简属性可以导出规则数少并且具有较好分类能力的规则集。

关键词:字符识别;粗糙集;属性约简;特征选择;相似关系;数值属性中图分类号: TP391文献标志码:AAlgorithm of numerical attributes reduction based on similarity rough setWU MinSchool of Electrical Engineering and Automation, Hefei University of Technology, Hefei Anhui 230009, China)Abstract: As to the problem of interferential or noisy data reduction, an attribute significance evaluation principle was proposed based on the difference and similarity of attributes within objects.A numerical attributes reduction algorithm was constructed based on similarity rough set model, and it was extended to canonical rough set too. Experiments were carried out on two data sets, one is of license plate characters and the other is of UCI handwritten number, the experimental results show that the proposed algorithm can generate simpler but more powerful rules set than other reduction algorithms.Key words: characters recognition; rough set; attributes reduction; feature selection; similarity relation; numerical attribute0 引言粗糙集理论是一种处理模糊和不确定性知识的数学工具[1]。

一种基于辨识矩阵的启发式属性值约简新算法

一种基于辨识矩阵的启发式属性值约简新算法张保威;魏春雪;王鹏远【摘要】属性值约简是Rough Sets知识约简的核心内容之一.针对经典算法存在的不足,对属性值约简的本质及过程进行了深入研究,在此基础上构造辨识矩阵,提出了一种启发式的属性值约简新算法,并对其正确性进行了分析和证明.实验表明该算法有效可行,不仅可以得到更加简练的决策规则,而且不破坏决策系统中不一致规则所蕴含的信息量,弥补了经典算法的不足.【期刊名称】《计算机应用与软件》【年(卷),期】2010(027)006【总页数】3页(P123-125)【关键词】粗糙集;辨识矩阵;启发式;属性值约简;决策系统【作者】张保威;魏春雪;王鹏远【作者单位】郑州轻工业学院计算机与通信工程学院,河南,郑州,450002;河南省工业设计学校,河南,郑州,450002;郑州轻工业学院计算机与通信工程学院,河南,郑州,450002【正文语种】中文0 引言二十世纪八十年代初,波兰数学家Z.Pawlak提出了粗糙集理论[1,2],这是一种新型的处理含糊和不精确知识的数学工具。

经过二十多年的发展,粗糙集理论已经在信息系统分析、人工智能、决策支持系统、知识发现、信息粒度、模式识别与分类、故障检测等方面取得了较为成功的应用。

其中,知识约简是粗糙集理论的核心内容之一,其核心思想是在保持信息系统的分类或决策能力不变的条件下,删除其中冗余的信息,目前粗糙集理论有效算法方面的研究主要集中在两个方向:属性约简和属性值约简[3,4]。

目前,人们在属性约简方面已经提出了多种算法,如基于正域的属性约简算法、基于区分矩阵的属性约简算法和基于信息熵的属性约简算法等。

而值约简算法还局限于使用Mrozek A等人提出的经典方法[5,6],主要依靠复杂的正域计算来实现知识的约简,繁琐而不直观,此外,经典算法在对不一致规则约简时,会导致原有规则所隐式蕴含的信息丢失。

针对经典方法存在的不足,本文对值约简进行了深入的研究,通过构造辨识矩阵,提出了一种新的属性值约简算法,并对该算法的正确性进行了分析和证明。

基于粗集可辨识矩阵的属性频率约简算法

基于粗集可辨识矩阵的属性频率约简算法
逄玉俊;李爽
【期刊名称】《现代电子技术》
【年(卷),期】2009(32)4
【摘要】针对信息系统在属性约简过程中存在属性频率值相同的问题进行改进.改进后的算法在基于可辨识矩阵属性频率约简算法的基础上.引进强等价集概念,以属性在可辨识矩阵中出现的次数越多其重要性越大为启发式信息,利用强等价集中的属性是可以约简的特性,在属性频率约简过程中判断具有相同属性频率属性是否最终包含在核属性集里,提出改进的属性频率约简算法.通过理论和实例的分析证明,该算法在保持时间复杂度不变的情况下,处理具有相同属性频率信息系统的属性约简,使其准确性得到提高,与原算法相比,改进后的算法可以得到一个更为精准的约简结果.
【总页数】3页(P145-147)
【作者】逄玉俊;李爽
【作者单位】沈阳化工学院,辽宁,沈阳 110142;沈阳化工学院,辽宁,沈阳 110142【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于可辨识矩阵的快速粗糙集属性约简算法 [J], 薛安荣;韩红霞;潘雨青
2.基于粗集可辨识矩阵的属性约简算法 [J], 范敏;刘文奇;朱兴东
3.基于可辨识矩阵的属性频率约简算法 [J], 任小康;吴尚智;马如云
4.一种基于粗集理论的增量式属性约简算法 [J], 高晓红;李兴奇
5.基于属性频率函数的粗糙集属性约简算法 [J], 卢佳华
因版权原因，仅展示原文概要，查看原文内容请购买。

粗糙集理论中的属性约简方法介绍

粗糙集理论中的属性约简方法介绍粗糙集理论是一种用于处理不确定性和模糊性问题的数学工具，它在数据挖掘、机器学习和模式识别等领域得到了广泛应用。

属性约简是粗糙集理论中的一个重要概念，它能够帮助我们从大量的属性中找到最为重要的属性，减少数据处理的复杂性。

本文将介绍粗糙集理论中的一些常用属性约简方法。

1. 正域约简方法正域约简方法是粗糙集理论中最为常用的一种属性约简方法。

其基本思想是通过比较不同属性对决策类别的区分能力，来确定最为重要的属性。

具体步骤如下：首先，计算每个属性与决策类别之间的依赖度，依赖度越大表示属性对决策类别的区分能力越强。

然后，根据依赖度的大小进行排序，选择依赖度最大的属性作为初始约简。

接下来，逐步添加其他属性，并计算约简后的属性集对决策类别的依赖度。

如果添加属性后的依赖度没有显著提高，则停止添加，得到最终的约简属性集。

2. 相关属性约简方法相关属性约简方法是一种基于属性之间相关性的约简方法。

它通过计算属性之间的相关系数或互信息量来评估属性之间的相关性，并选择相关性较低的属性进行约简。

具体步骤如下：首先，计算属性之间的相关系数或互信息量。

然后，根据相关系数或互信息量的大小进行排序，选择相关性较低的属性作为初始约简。

接下来，逐步添加其他属性，并计算约简后的属性集的相关系数或互信息量。

如果添加属性后的相关性没有显著提高，则停止添加，得到最终的约简属性集。

3. 基于粒计算的约简方法基于粒计算的约简方法是一种基于粒度理论的属性约简方法。

它通过将属性集划分为不同的粒度，来减少属性的数量。

具体步骤如下：首先，将属性集划分为不同的粒度。

每个粒度包含一组相关性较高的属性。

然后，选择每个粒度中最为重要的属性作为初始约简。

接下来，逐步添加其他粒度，并计算约简后的属性集的重要性。

如果添加粒度后的重要性没有显著提高，则停止添加，得到最终的约简属性集。

4. 基于遗传算法的约简方法基于遗传算法的约简方法是一种基于进化计算的属性约简方法。

新的基于区分对象集的邻域粗糙集属性约简算法

新的基于区分对象集的邻域粗糙集属性约简算法梁海龙;谢珺;续欣莹;任密蜂【摘要】基于正域的属性约简算法是利用“下近似”思想,仅考虑被正确区分样本数的约简算法.借鉴“上近似”的思想,利用“邻域信息粒”的概念定义了区分对象集,探讨了其基本性质,并提出了基于区分对象集的属性重要度度量及启发式属性约简算法.该约简算法既考虑信息决策表的相对正域,也考虑以核属性为启发信息逐个增加条件属性时对边界域样本的影响.通过实例分析,说明了所提算法的可行性,并且以6个UCI标准数据集为实验对象,与基于正域的属性约简算法进行对比实验.实验结果说明,采用提出的约简算法得到的约简属性集,与基于正域的属性约简算法相比,在进行分类任务时的分类精度能够保持不变或有所提高.【期刊名称】《计算机应用》【年(卷),期】2015(035)008【总页数】5页(P2366-2370)【关键词】属性约简;属性重要度;相对正域;邻域粗糙集;分类精度【作者】梁海龙;谢珺;续欣莹;任密蜂【作者单位】太原理工大学信息工程学院,太原030024;太原理工大学信息工程学院,太原030024;太原理工大学信息工程学院,太原030024;太原理工大学信息工程学院,太原030024【正文语种】中文【中图分类】TP18;TP311.130 引言波兰学者Pawlak 提出了一种处理不精确、不确定和不相容知识的数学工具——粗糙集理论［1］。

经过三十多年的研究与发展，粗糙集理论已经成功地用于处理依赖性知识发现、规则提取、分类和属性约简等问题。

属性约简是粗糙集理论中的一个重要研究内容。

根据对属性重要度的度量，属性约简的方法可以分为三大类，基于差别矩阵［2，3］、基于信息熵［4-6］和基于正域［7-9］的属性约简。

在基于正域的属性约简算法中，李永华等［7］提出了一种基于正域的改进属性约简算法，该算法根据属性的重要性从条件属性中逐渐删除重要度较小的属性，进而得到一个属性约简;邓春燕等［8］在等价关系上定义了一个新的算子，设计了一种高效属性约简算法;Li 等［9］在基于相对正域的属性重要度基础上，设计了一种改进的属性约简算法。

粗糙集属性约简算法研究

ｐｒｎｒｂｅｆｒｕｈｓｔＢｕａｂｅｒｖｄｔａｎｄｎｅｍｉｉｌｒｄｃｏｓｏｔｔｐｏｌｍｓｏｇｅ．ｔｉｈｓｅｎｐｏｅｈｔ — ｉｇｔｎｍａｅｕｔｎｉａＮＰ－ａｄｑｅｔｎｐｏｌｍ．ｕｓｃａｇｒｈａｏｔｉｆｈｉｈｒｕｓｏｒｂｅＨｅｒｔｌｏｔｍｉｉｉｉ
ｂｓｄｏｅａｔ — ｂｔａｅｎｔｔｉｕｅｉｏｔｎｅｈｄｂｅｄａｇｐｌｄｉｅｒｄｃｏ．Ｔｈｓｔｘｔｄｃｓｓｍｅｒｄｃｏｌｏｔｍｓｗｈｃａｅｈｒｍｐｒｃａｅｎｗｉｅｒｎｅａｐｉｔｅｕｄｎａｅｎｈｉｅｔｉｒｕｅｏｅｕｔｎａｇｒｎｏｉｉｈｉｈｂｓｄｄｓｅｉｉｔｔｘｒｌｔｎｍａｒｎｎｏｍａｉｎｑａｔ，ｎｎｌ — ｉａｄｓｍｍａｚｈｈｎｉｇｏｅｅａｇｒｈｉｒｂｌｙｍａｒ，ｅｉｔｘａｄｉｆｒｔｕｎｔａｄａａｃｎｉｉａｏｉｏｉｙｙｓｎｕｉｒｅｔｅｔｉｋｎｆｔｓｌｏｉｍｓｈｔ
粗糙集（ｏｇｅ）论是波兰数学家ＺＰｗａＲｕｈＳｔ理．ａｌｋ教授提出的种数据分析理论ｉ１是一种新的处理含糊性和不确定性问题的１，
如果Ｂ￡Ａ满足条件Ｂ（， ≠ Ｖ（ａｘ，口
一
关键词：粗糙集；性约简；息系统属信

基于相似关系粗糙集中的否定规则及约简

基于相似关系粗糙集中的否定规则及约简随着社会不断发展，计算机技术的应用越来越广泛。

其中，粗糙集的研究成为人们研究的热点，由于它们的强大能力，得到了广泛的应用。

否定规则是一种常见的推理方式，它可以帮助我们在给定的环境中获得更准确的结果。

本文中，我们将介绍基于相似关系粗糙集中的否定规则及其约简的内容。

第一部分：粗糙集粗糙集（rough set）是一种数学理论，用于处理不确定性和数据缺失的问题。

它由科学家安德烈普拉斯卡尔（AndrzejPawlak）于1982年提出。

粗糙集的一个重要功能是它可以用于从一组不定义的数据中抽取出对应的规则，并且可以用于多维度的数据分析。

它由三个部分组成：等效概念（indiscernibility relation）、约简（reduct）和决策表（decision table）。

第二部分：否定规则否定规则（negative rules）是一种用于理解和描述数据集的技术。

它们可以帮助我们了解不同变量之间的关系，并且可以用来分析特定情况下的数据。

它们可以被简单地表示为：“如果条件1成立，则条件2不成立”。

否定规则的理解和推理是一个比较复杂的过程，需要花费很多时间和精力。

第三部分：基于相似关系粗糙集中的否定规则及约简在这一部分的研究中，我们首先将相似关系对混沌数据集进行粗糙集划分，并进行否定规则的挖掘。

其次，为了提高否定规则挖掘的效率，我们提出了一种将粗糙集约简的方法，该方法可以有效减少否定规则挖掘的时间和精力消耗。

最后，基于已挖掘的否定规则，我们对模糊概念进行熵值比较，以改善对模糊系统的解释性能和改善推断结果的准确性。

结论本文主要研究了基于相似关系粗糙集中的否定规则及其约简。

在本文的研究中，我们首先建立了一个相似关系粗糙集，并进行了否定规则的挖掘。

其次，为了提高挖掘效率，我们设计了一种将粗糙集约简的方法，可以有效减少挖掘时间和精力消耗。

最后，我们利用熵值比较的方法，评估模糊概念的解释性能，改善推断结果的准确性。

基于相似关系粗糙集中的否定规则及约简

基于相似关系粗糙集中的否定规则及约简今天，越来越多的研究者们开始重视粗糙集理论，这一理论结合区间分类、子空间抽取等基本的模糊性理论，因而受到更多的关注。

而否定规则及约简作为粗糙集理论中的一个重要研究方向，更是被研究者们所瞩目，特别是基于相似关系粗糙集理论中的否定规则及约简，这在现实世界中有重要的实际意义。

因此，本文旨在探讨基于相似关系粗糙集理论中的否定规则及约简。

第二段：粗糙集中的否定规则及约简是通过确定否定规则的特征集，以及通过求解特征集之间的相似度，从而获得一系列的否定规则，用以发现精确描述数据的细节，从而提高分析的准确性。

同时，否定规则及约简也支持新的粗糙集技术，这些技术可以提高数据处理和分析的效率，以及准确性。

例如，基于相似关系的粗糙集理论技术，可以用来求解数据中复杂的事件关系，从而发现数据之间的相似性，并基于此从数据中挖掘出宝贵的信息和知识。

第三段：在基于相似关系粗糙集理论中应用否定规则及约简，一般是通过一系列的步骤实现的，如特征选择、特征决策、否定规则抽取及约简等。

首先，要从数据中抽取出用作特征的指标，以及满足一定门槛的变量，其次在这些特征变量的基础上，确定不同特征变量之间的相似关系，进而抽取出一系列的否定规则，最后结合各类粗糙集理论，结合否定规则进行约简，从而实现规则的提取和约简。

第四段：基于相似关系粗糙集理论中的否定规则及约简，既有助于更精确地描述数据，也有助于发现复杂关系。

它可以应用于许多领域，如数据挖掘、智能控制、信息检索、社会网络分析等多种领域。

同时，它也可以支持新的机器学习技术，比如神经网络、支持向量机等，从而提高模型的准确性。

同时，它也可以被用来确定不同特征，以及计算各类特征之间的相似度，从而发现数据之间的复杂关系，挖掘隐含的宝藏。

第五段：尽管基于相似关系粗糙集理论的否定规则及约简有其重要的实际应用，但它仍存在一些局限性，比如其规则容易受到一定数据量的影响，因而对极端观点敏感，另外，在否定规则及约简中，对于复杂的关系，往往需要大量的数据和技术才能得到较准确的模型。