公共文化服务平台

搜索到5276篇“ 属性约简“的相关文章

一种粗糙集属性约简方法: 本发明公开了一种粗糙集属性约简方法，包括如下步骤：步骤1：构建决策信息系统，作为原决策信息系统；步骤2：对原决策信息系统进行属性簇划分，将相似属性划分至同一属性簇；步骤3：将属性簇中的所有属性合成伪属性，根据所有伪属性构...; 徐泰华石诚之杨习贝宋晶晶

一般决策形式背景的属性约简: 2024年; 决策形式背景是形式背景的重要扩展。属性约简是决策形式背景领域研究的热点问题。由现实数据所构建的决策形式背景通常是不一致的,文中面向实际应用,研究一般决策形式背景的广义属性约简方法。定义了一般决策形式背景的广义属性约简,并基于辨识函数给出了计算所有约简的算法。该算法具有良好的通用性,可应用于一致和不一致的决策形式背景。; 谢业海高秀巍; 关键词：形式概念分析决策形式背景属性约简

不完备混杂信息系统的属性约简: 2024年; 海量数据的复杂性、不确定性和高维性引发了属性约简的需求。对于完备决策系统,香农熵及其变体已被广泛用于评估属性的重要性。对于不完备混杂信息系统,基于信息增益的属性约简研究较少。在模糊粗糙集框架,针对不完备混杂信息系统提出了一种基于信息增益的属性约简方法,构造了适用于不同数据类型的距离函数来度量不同对象之间的距离,然后计算从每个属性中获得的信息,最后选择符合条件的属性子集。为了验证所提出方法在不完备混杂信息中的有效性,在几个公开数据集上进行了实验。实验结果表明提出的算法相较于基于增益比的属性约简算法、基于Alpha-investing流属性约简算法以及基于邻域条件互信息的交互属性约简算法在处理不完备混杂数据上是有效的。; 王艇李博朱重龙胡晶晶; 关键词：属性约简不完备决策系统模糊粗糙集信息增益

基于变精度邻域依赖度属性约简: 2024年; 邻域粗糙集理论是粒计算中一个重要的计算模型,它已成功地应用于诸多领域,其中属性约简是其最主要的应用之一。变精度邻域粗糙集在邻域粗糙集的基础上引入了容忍度参数β,通过调整β值使对象被划分到下近似或上近似的标准更加灵活,允许一定程度的不确定性和模糊性。基于此,本文提出了一种基于邻域依赖度的属性约简策略。首先本文以邻域粗糙集中的相关理论为基础,构建了变精度邻域粗糙集选择模型。接着,基于数据集中决策属性,定义重要度来表示候选属性的重要性,同时,设计了一种基于变精度邻域依赖度的属性约简算法。最后使用公开数据集,通过实验表明,本文所提算法可以选择较少的属性来保持或者提高聚类算法的性能,这充分证明了本文所提约简算法是有效的。; 李朝清孙洁; 关键词：依赖度属性约简

基于正域向量的决策粗糙集属性约简被引量：1: 2024年; 在决策粗糙集模型中,现有划分层的正域都是通过集合求并所得,但基于该方法的保正域不变的属性约简与基于差别矩阵方法所得约简结果并不一致。提出了一种基于正域向量的决策粗糙集属性约简方法,该方法与基于差别矩阵的约简方法所得结果是一致的。最后给出一个算例说明其一致性。; 黄国顺; 关键词：属性约简差别矩阵

保持决策蕴涵不变的决策背景属性约简: 2024年; 形式概念分析是一种利用概念格进行数据分析的理论,属性约简是概念格约简的主要方式之一。决策蕴涵是形式概念分析在决策情形下的一种知识表示与推理模型。在已有保持决策背景知识信息不变的属性约简研究中,通常以保持概念规则或粒规则来保持决策背景的知识信息。而相比于概念规则与粒规则,决策蕴涵具备更强的知识表示能力。为了进一步缩小数据在属性约简前后对知识信息表示的差异,对保持决策蕴涵不变的属性约简进行了研究。首先,结合决策蕴涵的语义给出了保持决策蕴涵不变的协调集和约简定义,提出了判定协调集和约简的充要条件;接着,通过实例分析了该约简存在的问题,并结合蕴涵理论给出解决方法,从而给出了弱协调集和弱约简的定义;然后,从知识包含的角度分析了弱约简相比于约简的合理性;最后,提出了判定弱协调集和弱约简的充要条件,并结合决策蕴涵规范基给出了能够找到弱约简的方法,丰富了保持知识信息的属性约简研究内容。; 毕盛翟岩慧李德玉; 关键词：形式概念分析属性约简知识表示模型

基于知识粗糙熵的快速属性约简算法: 2024年; 针对基于正域的属性约简算法在约简过程中存在重复计算属性相对重要度从而导致算法效率低的问题,从属性度量和搜索策略的角度提出基于知识粗糙熵的快速属性约简算法。首先,在决策信息系统中通过引入知识距离提出知识粗糙熵以度量知识的粗糙程度;其次,利用知识粗糙熵作为属性显著度的评价标准来评估单个属性的重要程度;最后,利用属性重要度对所有条件属性进行排序,且通过属性依赖度删除冗余属性,从而实现快速约简。在六个公开数据集上将所提算法与其他三种算法在运行效率和分类精度上进行对比实验。结果表明,该算法的运行效率比其他三种算法分别提高了83.24%,28.77%和59.92%;在三种分类器中,分类精度分别平均提高了0.83%、0.63%和1.37%。因此,所提算法在保证分类性能的同时,能以更快的速度获得约简。; 王小雪殷锋杨雅雯; 关键词：属性约简知识距离属性重要度

一种基于信息熵加权的属性约简算法: 2024年; 针对现有邻域粗糙集模型中存在属性权重都相同,无法保证关键属性在属性约简时能够被保留的问题,提出了一种基于信息熵加权的属性约简算法。首先,采用了类间熵、类内熵策略,以最大化类间熵最小化类内熵为原则给属性赋予权重;其次,构造了基于加权邻域关系的加权邻域粗糙集模型;最后,基于依赖关系评估属性子集的重要性,从而实现属性约简。在基于UCI数据集上与其他三种属性约简算法进行对比实验,结果表明,该算法能够有效去除冗余,提高分类精度。; 罗帆蒋瑜; 关键词：属性约简邻域粗糙集属性加权信息熵

基于测试代价的三支邻域属性约简算法: 2024年; 针对粗糙集属性约简时很少考虑属性自身的测试代价等问题,提出了一种基于测试代价的三支邻域属性约简算法。算法根据各属性在邻域分辨矩阵中出现的频次和比例来计算属性重要性,并结合属性自身的测试代价来构造性价比指标,以此指导属性的甄选。三支决策方法被用于划分属性集,为属性的约简处理提供数据支撑。在7个UCI公共数据集上进行对比实验,结果表明,该算法可得到比对比算法更小的属性约简集合,在分类精度不降低的情况下,该算法具有更少的运行时间和更小的测试代价。基于财政收入的预测应用实例进一步证明了所提算法的有效性和实用性。; 张欣蕊万仁霞岳晓冬陈瑞典; 关键词：邻域粗糙集属性约简

基于邻域依赖度融合信息熵属性约简: 2024年; 邻域粗糙集是经典粗糙集理论的一个重要扩展,它已成功应用于诸多领域,其中属性约简是其最主要的应用之一。邻域依赖度与信息熵是邻域粗糙集中的重要内容,邻域依赖度属则是通过识别出那些对决策属性具有显著依赖关系的属性,邻域信息熵可以用来衡量条件属性对决策属性的重要性。通过它们构建约简算法可以消除数据集中的冗余信息,提高数据处理和分析的效率。基于此,本文以邻域依赖度融合信息熵为基础,提出了基于邻域依赖度融合信息熵属性约简算法。使用公开数据集,实验结果表明该算法可以选择较少的属性来保持或提高聚类算法的性能,这充分证明了该算法具有较强的有效性。; 李朝清孙洁原頔李毅; 关键词：属性约简

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈