基于分形维数的非常规决策表的属性约简
不完备决策表中基于相似关系的属性约简
ｉｃ ｍｐｅｅｄ ｃｓｏ ａ ｌ， ｎ ｅ ｕ ｅｔ ｅ ｃ ｐ ｃ ｆ ｅ ｕ ｔ ｎ ｎ ｏ ｌｔ ｅ ｉｉ ｎｔｂｅ ａ ｄｒｄ ｃ ｓ ａ ｈｓ ａ ｅｏ ｄ ｃｉ ． ｈｅ ｒ ｒ ｏ
［ ｅ ｏ ｄ ］ｉ ｏ ｐ ｔ ｄ ｃ ｉｎ ａｌ ｓ ｌ ｔ ｒ ａ ｏ ；ｏｇ ｔ ｔ ｂ ｔ ｄ ｃ ｏ ；ｓ ｇｍ ｎ ｒ ｕ ｔ ｎ Ｋ ｙｗ ｒ ｓ ｎ ｍ ｌ ｅ ｅｉ ｏ ｂ ；ｉ ａ ｙ ｅ ｔ ｎ ｒ ｈｓ ； ｔ ｕ ｓｅ ｕｔ ｎ ａ ｉｎ ｅ ｔｅ ｃ ｏ ｃ ｅ ｓ ｔ ｅ ｍｉ ｒ ｌ ｉ ｉ ｕ ｅ ａｒ ｅ ｒ ｉ ｉ ｓ ｄ ｉ
度 。根据属性重要度 ，提出寻找 不完备决策表的分配协调集和分配约简的启发式算法 。 过实例证明该方法能找到不完备决策表的分配协 通
调集和分配约简 ，并减 少约简 的搜索空间。
关健词 ：不完备决策表 ；相似关系 ；粗糙集 ；属性约简 ；分配约筒
Ａｔｒｂｕ ｅ ｄ ｔｏ ｓ ｄ ０ ｉ ｉａ ｉｙ Ｒｅ ａ ｉ ｎ ｔ ｉ ｔ ｓＲｅ ｕｃ ｉ ｎ Ｂａ ｅ ｎ Ｓ ｍ ｌ ｒ ｔ ｌ ｔｏ ｉ Ｉ ｏ ｏ ｅ ｅＤｅ ｉｉ ｎ Ｔａ ｅ ｎ ｎｃ ｍ ｌ ｔ ｃｓｏ ｂｌ
［ ｓｒｃ］Ｔ ｋｎ ｏｉ ａ ｃｎ ｉｏ ｔｉｕｅｗｈ ｓ ａｕ ｑ ａｓ ｔ ‘ ｏ ｓ ｏ ａｔ ｉａ ｅ ｅｅｍｉａｉｎｏ ｍｉ ｒｙｒｌｔ ｎｉ ｅ Ａｂｔａ ｔ ａｉｇｎ ｔ ｅｔ ｔ ｏ ｄｔ ｎａｒ ｔ ｏｅｖｌｅｅｕ ｌｗｉ ｅ ｔ ｒｃｐ ｔｉ ｔ ｔ ｎ ｔ ｆ ｉ ｌ ｉ ａｉ ｔ ｃ ｈ ｉ ｔｂ ｈ‘”ｄ ｎ ｐ ｉ ｅ ｎ ｈ ｄ ｒ ｏ ｓ ａ ｔ ｅ ｏ ｎｈ
Ｙ ＮＧ ｊ －ｎ ， Ｎ Ｋｅ ｕ Ｐ Ｉ ｈ ｎ Ａ ｉ ｉ ＱＩ ・ ｎ ， Ｅ ｅ ｇ ｌ ｙ Ｚ
不完备决策表中基于相对知识量的属性约简
中图分类号： Ｐ８ Ｔ１１
不完备 决 策袁 中基 于相对知 识量 的属 性 约 简
韩晓琴 １ａ 孙士保 ， ２ ，张璃玲
（． １ 河南科技大 学电子信息工程学院 ，河 南 洛 阳 ４ １ ０ ； ． ７０ ３ ２ 洛阳师范学院 ａ 教 育科 学学院 ；ｂ 信息技 术学院 ，河南 洛阳 ４ １２ ） ． ． ７０ ２ 摘 要 ：在 不完备决策表 中，引入基于相容关系 的相对知识 量，定义属 性的重要度 ， 出一种启 发式属性 约简算法。该算法通过在约简过 提
ｏ ｔｉ ｄ ｂ ａｎｅ ．Ａ ｅ ｒｓ ｉ ｌ ｏ ｉ ｍ ａ ｅ ｎ ｒ ｌｔｖ ｎｏ ｅ ｇ ｕ ｎ ｉ ｏ ｅ ｕ ｔｏ ｆ ａｔｉ ｕ ｅ ｓ ｐ ｅ ｅ ｔ ｄ．Ｔ ｓ ａ ｇ ｒｔ ｍ ｅ ｕ ｅ ｈ ｉ ｈ ｕ ｉｔｃ ａ ｇ ｒｔ ｈ ｂ ｓ ｄ ｏ ｅ ａ ｉ ｅ ｋ ｗｌ ｄ ｅ ｑ ａ ｔｔ ｆ ｒ ｒ ｄ ｃ ｉ ｎ ｏ ｔ ｂ ｔ ｓ ｉ ｒ ｓ ｎ ｅ ｙ ｒ ｈｉ ｌ ｏ ｉ ｈ ｒｄ ｃ ｓ ｔｅ ｔ ｍｅ ｃ ｎ ｕ ｔｏ ｈ ｏ ｇ ｒ ｄ ｃ ｎ ｈ ｃ ｌ ｏ ａ ａ ｏ ｓ ｍｐ ｉ ｎ ｔ ｒ ｕ ｈ ｅ ｕ ｉ ｇ ｔ ｅ ｓ ａｅ ｆ ｄ ｔ ．Ｅｘ ｅ ｉ ｅ ｔ ｏ ｅ ＵＣＩ ｄ ｔ ｅ ｅ ｎ ｔａ ｅ ｈ ｍｐ ｏ ｅ ｎ ｓ ｏ ｈ ｅ ｕｃｉ ｎ ｅ ｃ ｅ ｃ ， ｐ ｒｍ ｎ ｎ ｔ ｈ ａａ ｓ ｔ ｄ ｍｏ ｓｒ ｔ ｓ ｔ ｅ ｉ ｒ ｖ ｍｅ ｔ ｆ ｔ ｅ ｒ ｄ ｔ ｆ ｉｎ ｙ ｏ ｉ ｅ ｐ ｃ ａ ｌ ｏ ｅ ｄ ｔ ｅ ｓ ｔ ｎｅ ｓ ａ ｅ ｓ ｅ ｉ ｌ ｆ ｒｔ ａ ａ ｓ ｔ ｈ ｌ ｙ ｈ ｗｉ ａ ｃ ｌ ．
Ｖ：Ｕ ， 表示属性 ａ ∈Ａ的值 域 ；ｆ： Ａ Ｕｘ
基于分形维数的属性约简
Ａｂ ｔ ａ ｔ Ａｍｏ ｇ ｔ ｏ ｅ ａｇ ｒｔ ｍ ｓｏ ｔｒｂ ｔ ｅ ｕ ｔ ｎ ｐ ｏ ｏ ｅ ｓｒ ｃ ｎ ｈ ｓ ｌｏ ｉ ｈ ｆａ ｔ ｉ ｕ ｅ ｒ ｄ ｃ ｉ ｒ ｐ ｓ ｄ，ｓ ｍ ｅ ｂ ｓ ｄ ｏ ｏ ｇ ｅ ． Ｈ ｏ ｖ ｒ ｈ ｓ ｔ ｐ ｆ ｏ ｏ ａ ｅ ｎ ｒｕ ｈ ｓｔ ｗｅ ｅ ，ｔ ｉ ｙ ｅ ｏ ａｇ ｒｔ ｍ ｓ ｎ ｔｅ ｆ ｉｎ ｎ ｕ ｈ ａ ｄ ａ ｓ ｎｍ ｕ ｒ ｄ ｃ ｉ ｎ ｗｏ ｌ ｏ ｅ ｅ ｓ ｒｌ ｃ ｉｖ ｄ ｂ ｈ ｍ． Ｉ ｈ ｓ ｐ ｐ ｒ ｌｏ ｉｈ ｉ ｏ ｆｉ ｅ ｔｅ ｏ ｇ ｎ ｌｏ ｍｉ ｉ ｍ ｅ ｕ ｔ ｕ ｄ ｎ ｔ ｎ ｃ ｓ ａ ｉ ａ ｈ ｅ ｅ ｙ ｔ ｅ ｃ ｏ ｙ ｎｔ ｉ ｑ ｅ ， ｔ ｅａｇ ｆ ｈ ｏ ｔｒｂ ｔ ｒ ｑ ｅ ｃ ａ ｅ ｎ ｉ ｅ ｔ ｉａ ｉ ｎ ｍａ ｒ ｌｏ ｉｈ （ ｈ ｌ ｏ ｉ ｍ ｎ ａ ｔｉ ｕ ｅ ｆｅ ｕ ｎ ｙ ｂ ｓ ｄ ｏ ｄ ｎ ｉ ｃ ｔ ｔ ｉ ａ ｇ ｒｔ ｍ ＢＤＭ Ｆ）ｉ ｉｃ ｓ ｅ ｎ ｈ ｎ ｔ ｅ ａｇ — ｔ ｆ ｏ ｘ ｓｄｓｕ ｓ ｄ ａ ｄｔ ｅ ｈ ｌｏ ｒ ｈ ｂ ｓ ｄ ｏ ａ ｔ ｌ ｍｅ ｓｏ ｄ ｃｉ ｎ ａ ｇ ｒ ｈ （ ＤＲ）ｗａ ｅ ｅｏ ｅ ．Ｉ ｈ ｗｎ ｔ ａ ｉ ｍ ａ ｅ ｎ Ｆｒ ｃ ａ Ｄｉ ｎ ｉ ｎ Ｒｅ ｕ ｔｏ ｌ ｏ ｉ ｍ Ｆ ｔ ｇ ｓ ｄ ｖ ｌｐ ｄ ｔｉ ｓ ｏ ｈ ｔ ｓ ＦＤＲ ａ ｉ ｈ ｒｒ ｎ ｉｇ ｈ ｓｈ ｇ ｅ ｕ ｎ ｎ
如果一个数据集在所 有 的观察尺度 下都具 有 自相似 性 ，
另一方面 ， 干扰人们利用 这些数 据做 出正 确 的决 策 。属性 约
基于链表的不完备决策表属性约简算法
并摒弃复杂的计算 ， 使得算法复杂度大大降低 ， 利用 启 发式 方 法设 计 了基 于 限制 性 容 差 关 系 的改 进 算 法， 并 通过 实例 证 明算 法 在 计 算效 率 和 存 储 空 间 等 方 面 都有 一定 的优势 。
的关注： 文献 ［ ２ ］ 介绍 了不完备信息 系统 中的几种 关 系模 型并 研究 了其 各 自的特 点并 给 出了处 理不 可 分 辨关 系 的拓 展模 型 。文献 ［ ３ ］ 提 出基 于联 系度 的 拓展模型， 通过引入阀值对不完备信息 系统进行划 分， 再 利用 联系 度 的容 差关 系确 定 类 的方 法 。文 献 ［ ４ ］ 引入 集 对 相 似度 和 相 似容 差 关 系 ， 进 一 步 给 出 了一 种基 于集 成相 似 度 的粗 集拓 展 模 型 ， 该 模 型 的 方法 是通 过 引入 了差 异 度 系 数 、 空 值 相 等 与确 定 值 相 等之 间 的差 别 ， 利 用 相似 度 容 差 关 系 与 差 异度 系 统 确定 数据对 象 的领域 。该 模型 阀值 的确 定是 根据 人 的主 观要求 的。文献 ［ ５ ］ 基 于相 似关 系 定 义 了属 性 的相 对重要 度 和 属性 重 要 度 ， 提 出寻 找 不 完备 决 策 表 的分配 协调 集和 分配 约 简 的算 法 。文 献 ［ ６ ］ 使 用 差别 矩 阵作为 决 策 信 息 系统 知 识 约 简 的方 法 ， 该 方 法使 用容 差关 系 作 为模 型 ， 并 在 过 程 中有 效 地 删 除 了冗 余元 素 ， 使得算 法具 有更 好 的有效 性 ， 但 该算
水平划分多决策表下基于相对粒度的隐私保护属性约简算法
ｕ ａ ｉ ｏ ｒｖ ｃ — ｒ ｓ ｒｉ ｇ ｄ ｓｒ ｕ ｅ ｔ ｂ ｔ ｅ ｕ ｔ ｎ ｗｈ ｃ ｏ ｌ ｏｖ ｈ ｒｂ ｅ ｔ ａ ｌ ｐ ｅ ｐ ｒ ｅ ａｒｅ ｕ ｔ ｌ ｒ ｙ ｆ ｒｐ ｉ ａ ｙ ｐ ｅ ｅ ｖｎ ｉ ｉ ｔｄ ａ ｔ ｕ ｅｒ ｄ ｃｉ ， ｉ ｈ ｃ ｕ ｄ ｓ ｌｅ ｔｅ ｐ ｏ ｌｍ ｈ ｔ ｔ ｔｂ ｉ ｒ ｏ ｍｕ ｔ ｌ ａｔ ｓｃ ｒｉ ｄ ｏ ｔ — ｉ ｉ ａ ｔ ｂ ｔ ｒ ｄ ｃｉｎ ｃ ｍｐ ｔ ｔ ｎ ｉ ｉｔ ｂ ｔ ｄ ｅ ｖ ｒｎ ｎ ｉ ｏ ｔｓ ａ ｉ ｇ ｐ ｉａｅ ｄ ｔ． ｈ ｌ ｏ ｔ ｍ ｏ ｌ ｏ ｕ ｅ ｇｏ ａ ａ — ｉ ｒ ｕ ｅ ｅ ｕ ｔ ｏ ｕ ａｉ ｎ ｄ ｓ ｕ ｅ ｎ ｉｏ ｍｅ ｔｗ ｔ ｕ ｈ ｒｎ ｒｖ ｔ ａａ Ｔ ｅ ａ ｇ ｒ ｈ ｃ ｕ ｄ ｃ ｍｐ ｔ ｌｂ ｌ ｔ ｏ ｏ ｉ ｒ ｈ ｉ ｔ ｂ ｔ ｒ ｄ ｃｉｎ ｂ ｓ ｄ ｏ ｈ ｔ ｂ ｔ ｅ ｕ ｔ ｎ ｉ ｅ ｆ ｒ ｌｔ ｅ ｇ ａ ｕ ａ ｔ ａ ｄ ｕ ｅ ｅ — ｕ ｔ ｄ ｔ ｉ ａｔ ｎ ｅ ｕ ｅ ｉ ｒ ｕ ｅ ｅ ｕ ｔ ａ ｅ ｎ ｔ ｅ ａ ｔ ｕ ｅ ｒｄ ｃｉ ｄ ａ ｏ ｅａ ｉ ｒ ｎ ｌ ｒ ｙ， ｎ ｓ ｄ ｓ ｍｉ ｒ ｓｅ ｈｒ ｐ ｒ ａ ｄ ｓ ｃ ｒ ｏ ｉ ｒ ｏ ｖ ｉ ｔ ｄ ｙ
基于分形维数和多目标遗传算法的特征选择
基于分形维数和多目标遗传算法的特征选择吴曼;张公让;刘恒【期刊名称】《计算机工程与应用》【年(卷),期】2015(000)011【摘要】In text categorization system, the characteristics of the advantages and disadvantages often greatly affect the design of classifier and performance. A feature subset selection algorithm is presented based on fractal dimension and with elitist strategy of fast non-dominated sorting genetic algorithm. In the algorithm, fractal dimension is used as an evaluation mechanism and NSGA-II algorithm will regard feature subset selection problem as a multi-objective optimization prob-lem to deal with. In order to analyze the validity of the results, the SVM algorithm is utilized to test Fudan University Cor-pus. The experimental results show that this method has good performance, it can effectively remove the invalid character and improve classification accuracy.%在文本分类系统中，特征的优劣往往极大地影响着分类器的设计和性能。
基于特征辨别能力和分形维数的特征选择方法
文 本 分 类 系 统 通 常 采 用 特 征 集 来 表 示 文 档 ， 使 得 这 特 征 向 量 的 维 数 非 常 大 ， 时 会 达 到 数 十 万 维 。 如 此 高 有 维 的特征 对于 后续 的分 类 过程 未 必全 都重 要 、 益 ， 有 而
特 征 辨 别 能 力 的 概 念 ， 接 着 把 分 形 维 数 引 入 粗 糙 集 并 紧
ｐ ｏ ｏ ｅ ａ ｏ ｒ ｈ ｎ ｉｅ ｅ ｔ ｒ ｓ ｌｃｉｎ ｒ ｐ ｓ ｄ ｃ ｍｐ ｅ ｅ ｓ ｆ ａｕ ｅ ｅｅ ｔ ｍｅ ｈ ｄ ｖ ｏ ｔ ｏ ．Ｔ ｅ ｏ ｒ ｈ ｎ ｉｅ ｈ ｃ ｍｐ ｅ ｅ ｓ ｍｅｈ ｄ ｉ ｓｌ ｕ ｅ ｔ ｅ ｅ ｔ ｒ ｄ ｓ ｎ ｕ ｓ ａ ｉ ｔ ｔ ｓ ｌ ｃ ｖ ｔｏ ｆ ｔ ｒ ｙ ｓ ｓ ｈ ｆａ ｕ ｅ ｉｔ ｇ ｉ ｂｌ ｙ ｏ ｅ ｅ ｔ ｉ ｈ ｉ ｆ ａｕ ｅ ｎ ｌ ｒ ｏ ｔ ｓ ｍｅ ｔｒ ｏ ｒ ｄ ｃ ｈ ｐ ｒｉ ｆ ｆ ａｕ ｅ ｓ ａ ｅ ，ａ ｄ ｔ ｅ ｓ ｓ ｔ ｅ ｆ ａｕ ｅ ｒ ｄ ｃ ｉｎ ａｇ ｒ ｈ ｔ ｌ ｎ ｔ ｅ ｔｒ ｓ ａ ｄ ｆ ｔ ｕ ｏ ｅ ｍｓ ｔ ｅ ｕ ｅ ｔ ｅ ｓ ａ ｓｔ ｏ ｅ ｔｒ ｐ ｃ ｓ ｉ ｅ ｙ ｎ ｈ ｎ ｕ ｅ ｈ ｅ ｔｒ ｅ ｕ ｔ ｌｏ ｔ ｍ ｏ ｅｉ ａｅ ｏ ｉ ｍｉ ｒｄ ｎ ａ ｃ ｅ ｕ ｄ ｎ ｙ， Ｓ ｃ ｎ ａ ｑ ｉ ｈ ｅ ｔ ｒ ｓ ｂ ｅ ｉｈ ａ ｅ Ｏ ａ ｃ ｕ ｒ ｔ ｅ ｆ ａｕ ｅ ｕ ｓ ｔ ｗｈ ｃ ｒ ｍｏ ｅ ｒ ｐ ｅ ｅ ｔ ｔ ｅ ｈ ｅ ｐ ｒ ｎａ ｒ ｓ ｌ ｓ ｏ ｈ ｔ ｔ ｅ ｃ ｍｐ ｅ ｅ ｓｖ ｅ ｒ ｅ ｒ ｓ ｎ ａｉ ．Ｔ ｅ ｘ ｅｉ ｖ ｍｅ ｔｌ ｅ ｕ ｔ ｈ ｗ ｔ ａ ｈ ｏ ｒ ｈ ｎ ｉｅ ｓ ｍｅｈ ｄ ｉ ｒ ｍｉｉ ｇ ｔ ｏ ｓ ｐ ｏ ｓｎ ．
【计算机科学】_决策理论_期刊发文热词逐年推荐_20140724
科研热词 约简 非对称相似关系 近似分布约简 置信度评估 粗集 粗糙集 粗糙分布约简 柔性筛选方法 最小包围球 数据仓库 支持向量机 支持向量数据描述 描述子 形式概念分析 广义决策约简 属性约简 层次更新 局部测度 局部分类器 实化视图 可能性c-均值聚类 划分贴近度 分类器 决策风险值 关联规则 不完备目标信息系统 不完备信息系统 svm rough集
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
2011年 科研热词 推荐指数 论证方案论据 2 论据分类 2 行动方案论据 2 基于价值辩论框架 2 决策支持 2 集值信息系统 1 隐私保护 1 连续进化博弈 1 连续时间markov决策过程 1 贝叶斯过程 1 认知网络 1 认知无线电 1 组合规则 1 粗逻辑神经网络 1 粗糙集 1 粗糙神经元 1 神经网络 1 消费者在线评论 1 模糊优势关系 1 模型检测 1 概念格 1 有用性 1 无线网络架构 1 数据流 1 搜索商品 1 折扣因子 1 感知诊断性 1 情绪 1 属性约简 1 学习机制 1 可达概率 1 可信验证 1 可信度 1 博弈论 1 功能性能 1 分形维数 1 分形 1 分布式数据挖掘 1 决策规则 1 决策粗集理论 1 决策形式背景 1 冲突 1 体验商品 1 优势关系粗糙集 1 仿真 1 二枝决策 1 不可约元 1 三枝决策 1 d-s证据理论 1
分形维数文档
分形维数分形维数是描述分形结构复杂度和自相似性的一个重要指标。
在数学和物理学中，分形维数是用于度量非整数维度对象的一种方法。
分形维数具有广泛的应用，在图像处理、数据压缩、地理信息系统等领域都有着重要的作用。
本文将介绍分形维数的定义、计算方法以及一些常见的分形维数模型。
定义分形维数最初由法国数学家Benoit Mandelbrot于1975年提出。
它是描述自相似结构复杂性的一个指标。
自相似是指对象的不同部分具有相似的结构，通常通过缩放和旋转来得到。
分形维数可以用来描述分形对象的维度特征。
设分形对象的尺寸为L，将对象分成N个大小相同的小区域。
对每个小区域计算它的尺寸D，然后将L除以N，得到每个小区域的尺寸缩放比例。
计算这个缩放比例的对数值，并除以小区域的对数尺寸D，得到分形维数的近似值。
如果 N 越小，得到的分形维数越接近对象的真实维度。
计算方法计算分形维数有多种方法，下面介绍两种常用的计算方法。
盒计数法盒计数法是一种直观且简单的计算方法。
首先，在分形对象中放置一个固定大小的盒子，然后统计盒子中包含的分形结构的数量。
然后，改变盒子的大小，重复计算，得到一系列盒子的数量。
最后，用这些盒子的数量和尺寸的对数关系来计算分形维数。
盒计数法可以通过生成分形对象的图像来实现计算。
分形维数D的计算公式：D = log(N)/log(1/r)其中，N表示盒子的数量，r表示盒子的尺寸缩放比例。
程序计算法另一种计算分形维数的常用方法是使用计算机程序。
通过对分形对象进行迭代、缩放和测量，然后利用计算机程序计算出分形维数。
程序计算法可以应用于各种形状的分形对象，例如分形曲线、分形图像等。
常见分形维数模型分形维数模型是用来表示具有分形特征的对象的数学模型。
下面介绍一些常见的分形维数模型。
1. 分形线段分形线段是由一系列具有自相似性质的线段组成的。
分形线段的维数在1到2之间变化。
分形线段的一个著名例子是康托集。
2. 分形曲线分形曲线是由一系列具有自相似性质的曲线组成的。
分形维数特性分析及故障诊断分形方法研究
分形维数特性分析在故障诊断中的应用：通过分析设备运行过程中信号的分形维数变化， 可以识别设备的早期故障征兆，提高故障诊断的准确性和可靠性。
分形维数与其他参数的关联：分形维数与分形对象的复杂度、不规则度、信息量等参数密 切相关，可以相互补充，共同描述分形对象的几何特征。
重点问题：如何 实现分形维数特 性分析和故障诊 断分形方法的实 时性、准确性和 可靠性，是亟待 解决的关键问题。
分形维数特性分析和故障诊断分形方法的创新点和突破口
创新点：利用分形理论对复杂信号进行分析，提高了故障诊断的准确性和 可靠性。
创新点：将分形理论与其他信号处理方法相结合，形成更为有效的故障诊 断方法。
发展趋势：随着计算机技术和人工智能的发展，分形维数特性分析和故障诊断 分形方法将更加智能化、自动化和精细化。
未来展望：分形维数特性分析和故障诊断分形方法有望在更多领域得到应用， 为工业生产和设备维护提供更加准确和高效的支持。
研究方向：针对现有研究的不足，未来研究可以进一步探讨分形维数特性 分析和故障诊断分形方法的理论框架、算法优化和实际应用等方面的问题。
通过对分形维数特性分析和故障诊断分形方法的比较研究，可以深入了解其在故障诊断中的应用 价值和优缺点，为实际应用提供指导和参考。
分形维数特性分析和故障诊断 分形方法的发展趋势和展望
分形维数特性分析和故障诊断分形方法的研究现状和发展趋势
研究现状：分形维数特性分析和故障诊断分形方法在理论上已经取得了一定的 进展，但在实际应用中仍存在一定的挑战。
分形维数在信号处理中的应用
分形维数能够描述信号的复杂性和不规则性 在故障诊断中，分形维数可以用于检测信号的突变和异常 分形维数可以用于信号的压缩和去噪，提高信号处理的效率和准确性 分形维数在信号处理中具有广泛的应用前景，为信号处理技术的发展提供了新的思路和方法
基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法
基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法丁卫平;王建东【期刊名称】《四川大学学报（工程科学版）》【年(卷),期】2011(043)006【摘要】针对基于粒子群的属性约简算法易陷入局部最优、效率不高等问题,充分利用小生境技术在寻求最优解方面优势,提出一种基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法（NCNPSO-IAR）。
该算法通过圆锥分层空间构造小生境半径邻域子集向量,避免过多地依赖于先验领域知识生成小生境半径和早熟收敛,始终保持种群多样性,提高算法收敛速度。
另外粒子种群在圆锥解空间充分进行约简集子矢量的协同学习,使属性约简集较好收敛到最优集。
相关仿真实验表明：该属性约简优化算法是高效和鲁棒的,适用于不完备、含噪音决策表的属性约简。
【总页数】8页(P119-126)【作者】丁卫平;王建东【作者单位】苏州大学江苏省计算机信息处理技术重点实验室,江苏苏州215006;南通大学计算机科学与技术学院,江苏南通226019;南京航空航天大学计算机科学与技术学院,江苏南京210016;南京航空航天大学计算机科学与技术学院,江苏南京210016【正文语种】中文【中图分类】TP301【相关文献】1.一种基于冲突域的不完备决策表属性约简算法 [J], 周建华;徐章艳;章晨光2.基于布尔冲突矩阵的不完备决策表快速属性约简算法 [J], 章晨光;徐章艳;周建华3.基于知识粒度的不完备决策表的属性约简算法 [J], 乔丽娟;徐章艳;谢小军;朱金虎;陈晓飞;李娟4.不完备数值型决策表的邻域粗糙集属性约简算法 [J], 王炜;郝芳;王淑英5.基于链表的不完备决策表属性约简算法 [J], 陈炼;吴灵芝因版权原因，仅展示原文概要，查看原文内容请购买。
基于决策支持度的不完备信息系统约简算法
基于决策支持度的不完备信息系统约简算法
陶志;商维;李卫民
【期刊名称】《中山大学学报（自然科学版）》
【年(卷),期】2007(046)002
【摘要】提出了一种基于决策属性支持度的属性相对约简算法.通过引入决策属性支持度对不完备决策表中属性的重要性进行了定义,并以此作为启发信息进行属性的选择,该算法的时间复杂度是多项式的.寻找决策表中最小相对约简问题是典型的NP-hard问题,采用该算法可降低问题复杂度.通过实例说明,该算法能得到不完备决策表的最小相对约简.
【总页数】4页(P23-26)
【作者】陶志;商维;李卫民
【作者单位】中国民航大学,理学院,天津,300300;中国民航大学,理学院,天
津,300300;中国民航大学,理学院,天津,300300
【正文语种】中文
【中图分类】TP18
【相关文献】
1.不完备信息系统中基于属性重要度的约简算法 [J], 陈贞
2.基于决策熵的不完备信息系统的知识约简方法 [J], 胡峰;陈曦;王小燕
3.一种基于决策规则支持度的值约简算法 [J], 胡文君;邹海
4.基于决策属性支持度的知识约简方法 [J], 陶志;许宝栋;汪定伟
5.不完备信息系统下基于分辨度的属性约简算法 [J], 李长清;张燕兰
因版权原因，仅展示原文概要，查看原文内容请购买。
基于链表的不完备决策表属性约简算法
基于链表的不完备决策表属性约简算法
陈炼;吴灵芝
【期刊名称】《科学技术与工程》
【年(卷),期】2015(015)003
【摘要】差别矩阵作为决策信息系统属性约简的方法是有效的;但空间利用率不高.通过对算法空间利用率及时间效率进行研究,提出基于链表的改进算法;并引入链表的基本运算.该算法通过使用链表的节点存储基于限制容差关系下有效的差别矩阵元素,并在约简过程中通过不断删除不必要的节点以节省时间.通过理论与实例证明其有效性和正确性.
【总页数】4页(P250-253)
【作者】陈炼;吴灵芝
【作者单位】南昌大学计算中心,南昌330031;南昌大学计算中心,南昌330031【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.不完备决策表中基于对象矩阵属性约简算法 [J], 王炜;徐章艳;李晓瑜
2.一种基于冲突域的不完备决策表属性约简算法 [J], 周建华;徐章艳;章晨光
3.基于布尔冲突矩阵的不完备决策表快速属性约简算法 [J], 章晨光;徐章艳;周建华
4.基于知识粒度的不完备决策表的属性约简算法 [J], 乔丽娟;徐章艳;谢小军;朱金虎;陈晓飞;李娟
5.基于属性分辨度的不完备决策表属性约简算法 [J], 纪霞;李龙澍;齐平
因版权原因，仅展示原文概要，查看原文内容请购买。
基于二进制可辨矩阵的属性约简算法的改进
基于二进制可辨矩阵的属性约简算法的改进
周海岩;杨汀
【期刊名称】《计算机工程与设计》
【年(卷),期】2003(024)012
【摘要】属性约简是粗糙集理论的核心内容之一,信息系统中知识(属性)并不是同等重要的,甚至其中某些知识是冗余的.属性约简是在保持信息系统中知识量(即分辨能力)不变的条件下,删除其中不相关或不重要的知识,现已证明寻找信息系统的最小属性约简是NP-hard问题.解决这类问题的一般方法是采用启发式算法求出最优或次最优约简.对支天云等所给出的二进制可辨矩阵的化简算法进行了改进,并根据属性的分辨能力的大小, 提出了一种基于二进制可辨矩阵的思路清晰、实现简便的属性约简算法.通过算法分析表明,该算法是更加高效的.
【总页数】4页(P35-37,42)
【作者】周海岩;杨汀
【作者单位】太原师范学院,计算机系,山西,太原,030012;太原师范学院,计算机系,山西,太原,030012
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于二进制可辨矩阵属性重要度的属性约简算法 [J], 汪小燕
2.二进制可辨矩阵的变换及高效属性约简算法的构造 [J], 支天云;苗夺谦
3.基于核搜索和二进制可辨识矩阵的属性约简算法 [J], 崔建华;褚蕾蕾;常文波
4.一种基于二进制可辨矩阵的属性约简算法 [J], 王希雷;马永军
5.基于优化可辨识矩阵和改进差别信息树的属性约简算法 [J], 徐怡; 唐静昕
因版权原因，仅展示原文概要，查看原文内容请购买。
基于单调包含度的模糊决策信息系统的知识约简(英文)
基于单调包含度的模糊决策信息系统的知识约简(英文)
张红英;张文修
【期刊名称】《模糊系统与数学》
【年(卷),期】2007(21)6
【摘要】知识约简是机器学习,模式识别,信号处理等领域的主要问题之一。
本文介绍了基于单调包含度的模糊决策信息系统的知识约简。
证明了模糊决策信息系统的约简即是其对应信息系统的约简,从而为该种模糊决策信息系统的知识约简提供了简单直接的方法。
【总页数】7页(P141-147)
【关键词】模糊包含度;信息系统;知识约简;粗糙集
【作者】张红英;张文修
【作者单位】西安交通大学理学院
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于贴近度的模糊决策信息系统约简 [J], 刘培;周磊
2.基于不完备模糊决策信息系统的知识约简 [J], 陈晓花
3.基于相似关系的不完备模糊决策信息系统知识约简 [J], 魏大宽
4.基于包含度的单值中智决策信息系统属性约简 [J], 陈盼盼;林梦雷
5.基于模糊包含度的集值决策系统的局部约简算法 [J], 崔彩霞;韩素青
因版权原因，仅展示原文概要，查看原文内容请购买。
基于决策树的不完全决策表的数据补充及规则提取
基于决策树的不完全决策表的数据补充及规则提取
文硕频;乔胜勇;陈彩云;李治国
【期刊名称】《计算机应用》
【年(卷),期】2003(023)011
【摘要】不完全信息系统中遗失数据的补充和规则的提取,一直是数据挖掘技术面临的重要问题.文中给出了一种基于决策树来求解此问题的算法.对于给定的不完全决策表,该算法应用改进的ID3算法来构造决策树,在构造决策树的过程中对遗失值进行补充.对于不能在决策树上补充的遗失值,定义了一种相关对象之间的相似度来填充.该算法简单,易于操作.
【总页数】4页(P17-19,22)
【作者】文硕频;乔胜勇;陈彩云;李治国
【作者单位】南开大学,组合数学研究中心,天津,300071;南开大学,组合数学研究中心,天津,300071;南开大学,组合数学研究中心,天津,300071;南开大学,组合数学研究中心,天津,300071
【正文语种】中文
【中图分类】TP182
【相关文献】
1.一种基于差别矩阵的决策表规则提取算法 [J], 吕韶;谢先明
2.一种基于特征矩阵的一致决策表的规则提取方法 [J], 刘先花;胡雪丹
3.基于粒计算的不完备决策表规则提取算法 [J], 史进玲
4.基于决策树的智能变电站运维专家系统规则提取方法 [J], 刘雁文;胡炎;邰能灵
5.基于贝叶斯决策树的小麦镉风险识别规则提取 [J], 仝桂杰;吴绍华;袁毓婕;颜道浩;周生路;李富富
因版权原因，仅展示原文概要，查看原文内容请购买。
求解决策表最小属性约简的SAGA
求解决策表最小属性约简的SAGA
任学惠;周小健
【期刊名称】《计算机工程与应用》
【年(卷),期】2010(000)022
【摘要】首先给出求解决策表核属性集的算法,然后采用动态调节近邻子集的方法改进模拟退火遗传算法,应用于求解决策表的最小属性约简.该约简算法利用核属性集优化初始种群,并采用自适应方式动态选取交叉和变异概率,有效地抑制了早熟收敛现象,提高了算法在解空间中的探索能力和效率.实验结果显示该算法能有效求解决策表最小属性约简问题.
【总页数】3页(P165-167)
【作者】任学惠;周小健
【作者单位】兰州理工大学,计算机与通信学院,兰州,730050;兰州理工大学,计算机与通信学院,兰州,730050
【正文语种】中文
【中图分类】TP181
【相关文献】
1.区间值决策表的决策风险最小化属性约简 [J], 徐菲菲
2.决策表分解及其最小属性约简研究 [J], 叶明全;伍长荣
3.区间值决策表中基于相对知识粒度的属性约简 [J], 唐鹏飞;莫智文;谢鑫
4.区间值决策表中基于相对知识粒度的属性约简 [J], 唐鹏飞;莫智文;谢鑫
5.基于幂树的决策表最小属性约简 [J], 陈玉明;吴克寿;孙金华
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Rough集的决策表属性最小约简的整数规划算法
基于Rough集的决策表属性最小约简的整数规划算法戎晓霞;刘家壮;马英红
【期刊名称】《计算机工程与应用》
【年(卷),期】2004(040)011
【摘要】近年来随着知识发现和数据挖掘的广泛应用,在计算机科学中约简算法越来越得到人们的重视.该文依据决策信息系统中属性约简与逻辑运算的关系,提出了一种计算属性集最小约简的整数规划算法,并建议了相应快速的求解方法.该算法能有效地避免大量逻辑运算,在动态环境下更显示其优越性.实例验证了该算法的有效性.
【总页数】3页(P24-25,98)
【作者】戎晓霞;刘家壮;马英红
【作者单位】山东大学数学与系统科学学院,济南,250100;山东大学数学与系统科学学院,济南,250100;山东师范大学信息管理学院,济南,250014
【正文语种】中文
【中图分类】TP311.13
【相关文献】
1.一种基于粗集的决策表属性值约简改进算法 [J], 史君华;胡学钢
2.基于粗集的电台识别决策表最小约简算法 [J], 雷武虎;张军;高晓平
3.基于模糊集的连续域决策表属性约简算法 [J], 周瑞琼;朱颢东;吴洪丽
4.基于粗糙集的不相容决策表属性约简算法 [J], 梁凤兰;秦川;施化吉
5.基于决策表的粗糙集属性约简算法改进及应用 [J], 商传磊; 张悟移; 陈俊营; 李建国
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
１ 州轻 工业学院 计算 机与通信工程学院 ， ． 郑 郑州 ４ ００ ５０２ ２ 州师 范学院 信息技术 系 ， ． 郑 郑州 ４０４ ５０４
１Ｓ ｈ ｏ ｆ Ｃｏ ｕ ｅ ｎ ｍｍｕ ｉ ａ ｉｎ Ｅｎ ｉ ｅ ｒｎ Ｚｈ ｎ ｚ ｏ ｉ ｅ ｓｔ ｆ Ｌ ｇ ｔ Ｉ ｄ ｓ ｙ， ｅ ｇ ｈ ｕ ４ ０ ０ Ｃｈｎ ． ｃ ｏ ｌ ｏ ｍｐ ｔｒ ａ ｄ Ｃｏ ｎ ｃ ｔ ｇｎ ｅ ｇ， ｅ ｇ ｈ ｕ Ｕｎ ｖ ｒ ｉ ｏ ｉ ｈ ｎ ｕ ｔ Ｚｈ ｎ ｚ ｏ ５ ０ ２， ｉ ａ ｏ ｉ ｙ ｒ ２． ｐ ｒｍｅ ｔ ｏ ｎ ｏ ｍａｉ ｎ Ｔ ｃ ｎ ｌ ｇ Ｚ ｅ ｇ ｈ ｕ Ｎｏ ａ ｉ ｅｓｔ Ｚｈ ｎ ｚ ｏ ５ ０ ４， ｉ ａ Ｄｅ ａｔ ｎ ｆ Ｉ ｆ ｒ ｔ ｅ ｈ ｏ ｏ ｙ， ｈ ｎ ｚ ｏ ｒ ｌ Ｕｎ ｖ ｒ ｉ ｏ ｍ ｙ， ｅ ｇ ｈ ｕ ４ ０ ４ Ｃｈ ｎ
ｅ ｌｏｉ ｍ ｓ ａ ｅ ｂ ｓ ｄ ｏ ｅ ｉｉｎ ｔｂｅ ｗｉ ｅ ｉｉｎ ａｔ ｂ ｔｓ ａ ｄ ｃ ｌ ｎ ｔ ｂ ｐ ｌ ｄ ｔ ｔ ｉｕｅ ｒｄ ｃｉｎ ｏ ｂ ｏ ａ ｄ ａｇ ｒｔ ａｅ ｎ ｄ ｃｓｏ ａ ｌｓ ｈ ｒ ｔ ｄ ｃｓｏ ｔｉ ｕｅ ｎ ａｌ ｏ ｅ ａ ｐｉ ｏ ａｔ ｂ ｔ ｅ ｕ ｔ ｆ ａ ｎ ｒ ｌ ｈ ｒ ｅ ｒ ｏ ｍ
摘 要： 属性约简是粗糙集的一个核心研究课题， 但经典属性约简及其延伸算法是基于有决策属性的决策表的属性约简算法， 它 们对无决策属性的非常规决策表的属性约简无能为力。以粗糙集理论为基础， 对无决策属性的非常规决策表从分形维数方面进 行研究， 提出了一种适用于无决策属性的决策表的启发式属性约简算法。该算法在一定程度上能够解决非常规决策表的属性约
ｉ ｄ ａ ｄ ａ ｈ ｕ ｉｔ ｔ ｉ ｕ ｅ ｒ ｄ ｃｉ ｎ ａｇ ｒｔｍ ｓ ｐ ｅ ｅ ｔ ｄＴＯ ａ ｃ ｒ ｉ ｘ ｅ ｔ ｔ ｅ ｌ ｏ ｉ ｍ ａ ｅ ｏ ｖ ｅ ａ ｔ ｂ ｔ ｅ ｕ ． ｅ ｎ ｅ ｒｓｉ ａｔ ｂ ｔ ｅ ｕ ｔ ｌ ｏ ｉ ｃ ｒ ｏ ｈ ｉ ｒ ｓ ｎ ｅ ． ｅ ｔ ｎ ｅ ｔ ｎ ． ａｇ ｒ ｈ Ｃ ａ ｈ ｔ ｎ ｒ ｓ ｌｅ ｔ ｔ ｉｕｅ ｒｄ ｃ ｈ ｒ
Ｃ ｍ ｕｅ ｎ ｉｅｒ ｇａ ｄ ｐ ｌ ａｉｎ ￣ 算机工程与应用 ｏ ｐ ｔｒ ｇｎ ｅｉ Ａ ｐ ｉ ｔ ｓ ｆ Ｅ ｎ ｎ ｃ ｏ
基于 分形 维数 的非常规 决策 表 的属性约 简
朱颢东 张明慧 ， ， 李红婵 。
ＺＨＵ ｏ ｏ ｇ ， Ｈａ ｄ ｎ ＺＨＡＮＧ ｉ ｇ ｕ ＬＩ Ｈｏ ｇ ｈ ｎ Ｍ ｎ ｈ ｉ， ｎ ｃ ａ 。
ＺＨＵ Ｈａ ｄ ｎ 。 ｏ ｏ ｇ ＺＨＡＮＧ ｉ ｈ ， Ｍ ｎｇ ｕｉ ＬＩ Ｈｏ ｇ ｈ ｎ Ａｔｒ ｂ ｔ ｅ ｕ ｔｏ ｎ ｂ ｏ ｍａ ｅ ｉｉ ｎ ｔ ｂ ｅ ｂ ｓ ｄ ｏ ｆ ａ ｔ ｌ ｄ ｍ ｅ － ｎ ｃ ａ ． ｔ ｉ ｕ ｅ ｒ ｄ ｃ ｎ ｏ ａ ｎ ｒ ｌ ｄ ｃ ｓｏ ａ ｌ ａ ｅ ｎ ｒ ｃ ａ ｉ ｎ ｉ
ｔ ｎ ｐ ｏ ｌｍ ｆ ａ ｎ ｒ ａ ｄ ｃｓｏ ｂｅ ａ ｄ ｅ ｔｎ ａ ｐ ｉａｉｎ ｆ ｒ ｕ ｈ ｓｔ ｔｅ ｒ． ｅ ｘ ｍｐｅ ｈ ｗｓ ｔ ａ ｅ ｌｏ ｔｍ ｉ ｒ ｂｅ ｏ ｂ ｏ ｌ ｅ ｉｉｎ ｔ ｌｓ ｎ ｘｅ ｄ ｐ ｌ ｔ ｏ ｏ ｇ ｅ ｏｙＴｈ ｅ ａ ｌ ｓ ｏ ｔｔ ａｇ ｒ ｈ ｏ ｍ ａ ｃ ｏ ｈ ｈ ｈ ｉ
ｉ ｆｅ ｔ ｅ ａ ｄ ｆ ａ ｉ ｌ ． ｓ ｅ ｆ ｃｉ ｖ ｎ ｅ ｂ ｅ ｓ Ｋｅ ｒ ｓ ａ ｔ ｂ ｔ ｅ ｕ ｔ ｎ； ｅ ｉｉ ｎ ａｔｉｕ ｅ ｄ ｃ ｓ ｎ ｔｂ ｅ ｆａ ｔ ｌ ｄ ｍｅ ｓｏ ｙ ｗｏ ｄ ： ｔ ｉ ｕ ｅ ｒ ｄ ｃ ｉ ｄ ｃ ｓｏ ｔ ｂ ｔ ； ｅ ｉｉ ａ ｌ ；ｒ ｃａ ｒ ｏ ｒ ｏ ｉ ｎ ｉｎ
Hale Waihona Puke ｄ ｃｓ ｎ ｔｂｅ ｔｏ ｔｄ ｃ ｉｎ ａ ｒ ｕｅ．ａｅ ｎ ｒｕ ｅ ｔｅｒ ， ｅａｎ ｒ ｌｄ ｃ ｉ ｂｅ ｒｃ ｌ ｉ ｎ ｉｎ ｉ ｓ ｄ ｅｉ ｏ ａ ｌ ｗｉ ｕ ｅｉｏ ｔｉ ｔ Ｂ ｓｄ ｏ ｏ ｇ ｓｔ ｈ ｏｙ ｔ ｂ ｏｍａ ｅｉ ｏ ｔ ｌ ｉ ｆ ｔ ｍｅ ｓ ｓ ｔ ． ｉ ｓ ｈ ｓ ｔｂ ｓ ｈ ｈ ｓ ｎ ａ ｓｎ ａａ ｄ ｏ ｕ
简问题 ， 进一 步扩展 了粗糙 集理论 的应用 范围。实例表 明该 算法是有效可行 的。 关键词 ： 约简； 属性 决策属性 ； 决策表 ； 分形维数
ＤＯ ：０３ ７ ／ｉ ｎ１０ ．３ １ ０ １１．３ 文章编 号 ：０ ２８ ３ （ ０ １ １． １５０ 文献标识码 ： 中图分类号 ： Ｐ ０ Ｉ １．７ ８ ．ｓ． ２８３ ． １． ０ ２ ｊｓ ０ ２ ４ １０ ．３ １２ １ ）４０ １．３ Ａ Ｔ ３１
ｓ ｎＣｏ ｕｅ ｇｎ ｅｉｇ ａ ｄ Ａ ｐ ｃｔ ｎ 。０ １ ４ （ ４ ：１－１ ． ｉ ． ｍｐ ｔｒＥｎ ｉｅｒ ｎ ｐ Ｈ ａｉ ｓ２ １ 。７ １ ） １５１７ ｏ ｎ ｏ
Ａｂ ｔａｔ ｔｂ ｔ ｅｕ ｔ ｎ ｉ ａ ｃｒ ｅｅｒｈ ｔｐｃ ｏ ｏ ｇ ｅ，ｕ ｌｓ ｃｌａ ｒ ｕｅｒｄ ｃ ｏ ｌｏｉ ｍ ｄ ｉ ｘｅ ｄ ｓｒｃ ：Ａｔｉｕｅ ｒｄ ｃ ｏ ｓ ｏｅ ｒｓａｃ ｏ ｉ ｆｒｕ ｓｔｂ ｔｃ ｓ ａ ｔｉ ｔ ｅｕｔ ｎ ａ ｒｈ ａ ｔ ｅ ｔ － ｒ ｉ ｈ ａ ｉ ｔｂ ｉ ｇ ｔ ｎ ｓ ｎ