属性约简

摘要： 现阶段,我国绝对贫困和区域性贫困问题已经消除,现行标准下的农村贫困人口全面脱贫,贫困村全部退出,贫困县全部摘帽。本文回顾相对贫困(发展性贫困)概念,通过建立数学模型,探究导致相对贫困的影响因素。结合新疆南疆各地州现状,提出巩固拓展脱贫攻坚成果、化解相对贫困实施对策。

摘要： 随着计算机网络技术和人们生活节奏的加快,生活中很多数据都在随时发生着变化,那么快速及时的解决数据变化后的属性约简问题,就成了信息技术领域里研究的一个重要课题。剖析了数据更新后相对知识粒度和等价关系矩阵的增量机制,提出了对象属性值增加后的基于矩阵方法的增量属性约简算法。下载了2组UCI数据对提出的增量属性约简算法进行了测试,结果证明了增量属性约简算法能够处理属性值增加后的属性约简问题。

摘要： 属性约简是粗糙集理论的重要研究内容之一,主要是用于去除高维数据的冗余信息。利用图论求约简是覆盖决策信息系统属性约简的一个新方法,其将覆盖决策系统的约简等价于超图的极小顶点覆盖。本研究提出一种新的覆盖决策信息系统的属性约简算法,该算法采用三步策略:首先确定覆盖决策信息系统的辨识集,然后得到超图的关联矩阵,最后用贪心法求出超图的极小顶点覆盖。实验结果表明,新的属性约简算法能够有效地降低数据维数和时间复杂度。

摘要： 将粗糙集和支持向量机相结合,提出利用粗糙集和支持向量机的银行借贷风险预测模型,提高银行个人借贷风险预测精度,为银行判断是否同意借贷提供参考和依据。该模型首先将银行样本数据形成初始决策表,对其进行数据预处理;然后用属性相似度的属性约简算法对决策表进行属性约简,去除冗余属性,获得高效的决策规则;最后将约简后的最小属性作为4种不同核函数的支持向量机学习样本,构建预测模型且进行预测评价对比分析。实验结果表明,使用相同训练样本,高斯核函数的支持向量机预测模型的准确率最高且为93%,说明该预测模型具有较高的精度。通过实验分析,构建预测模型有效地预测了银行借贷风险,且为银行借贷管理提供辅助决策。

摘要： 讨论了基于分离优势覆盖集的Pythagorean模糊决策信息系统的属性约简问题.首先基于优势关系,在Pythagorean模糊决策信息系统中给出了优势覆盖集、分离优势覆盖集、D分离优势覆盖集等概念.进而利用分离优势覆盖集、D分离优势覆盖集对Pythagorean模糊决策信息系统进行约简.最后,将提出的约简算法与其他约简算法进行比较,验证了所提出算法的有效性和优越性.

摘要： 为了解决集值决策信息系统中的属性数量不断发生动态变化时,静态属性约简方法无法高效更新属性约简的问题,提出一种以知识粒度为启发信息的增量式属性约简方法。首先,介绍集值决策信息系统的相关概念,接着介绍知识粒度的定义并将其矩阵表示方法推广到此系统中;然后,分析增量式约简的更新机制,并基于知识粒度设计了增量式属性约简方法;最后,选取了3个不同的数据集进行实验。当3个数据集的属性数由20%增加到100%时,传统的非增量式方法的约简耗时分别为54.84 s、108.01 s、565.93 s,增量式方法的约简耗时分别为7.57 s、4.85 s、50.39 s。实验结果表明,在不影响属性约简精度的前提下,所提出的增量式方法比非增量式方法更加快速。

摘要： 基于区分矩阵的传统属性约简方法具有直观易理解的优点,但时间和空间复杂度都很高,当数据规模较大或条件属性较多时,会无法快速得到约简结果。为解决该问题,在区分关系的基础上构造了条件区分能力来进行属性选择,提出一种基于条件区分能力的属性约简算法。而为了进一步加快属性重要性的计算、提高约简效率,依据大数定律中频率的稳定性,通过采样的方式将条件区分能力扩展为局部条件区分能力,提出基于局部条件区分能力的属性约简算法。理论证明了条件区分能力在属性的选择上比正区域更严格,并将该算法与基于区分度的高效前向属性约简算法(FAR-DV)、基于k近邻属性重要度和相关系数的属性约简算法(K2NCRS)及基于正区域排序升序决策表的快速正区域约简算法(FPRA)进行了对比。实验结果显示,该算法在属性选择顺序、约简率和分类精度上与FARDV基本一致,在约简效率上比上述三种算法提高了10倍以上;且随着数据规模的增大或条件属性的增多,在约简效率上的提升越明显。可以看出,所提算法具有更低的时空复杂度,适用于海量数据属性约简。

摘要： 锂离子电池的储能电站在运行过程中上传的数据量庞大,数据采样率高,增大了实时在线评估工作的难度。如何提取并压缩有效数据,同时保证压缩后的数据具有保真性,成为数据挖掘预处理所面对的主要问题。针对上述问题,选取储能电站特定工况下一个电池簇的数据,利用粗糙集方法,对数据的属性进行约简,根据正态分布的2σ原则对属性值进行二元逻辑划分,将单体电池划分为频繁检测对象和普通检测对象,压缩了在线处理的数据量。最后,对同一电池簇20天内不同工况数据进行验证,证明了该处理方法的有效性。

摘要： 针对现有粗糙集属性约简方法中存在的连续数据处理时的信息丢失、粒化策略引入不一致信息、参数寻优困难等问题,提出一种适用于连续型数据、基于类别可区分度的非单调性启发式属性约简算法。首先以各样本的标签为依据对论域进行划分,同一标签的样本组合成一个簇,定义每个簇的类间可区分度和类内可区分度;其次,以最大化类间可区分度、最小化类内可区分度为约简原则,定义了一种新的属性重要性判别准则以确定最优约简集,从而提高后续分类器的分类性能。在十一个UCI数据集上与其他六种属性约简算法进行对比实验。结果表明,与六种算法相比,所提算法获得的约简集平均维度减小了1.16,平均分类精度提高了3.42%,其表现出更好的约简性能。

摘要： 属性约简是三支决策理论的重要研究内容之一。然而,现有基于三支决策的属性约简方法过于严格,限制了其属性约简的效率。文中提出了一种基于正域的三支近似属性约简方法。具体地,属性约简被视为根据条件属性与决策属性的相关性,将所有属性划分为正域、负域或边界域3类的过程。首先通过保留正域度量来去除负域属性,然后通过放松正域度量来迭代地排除一些边界属性,最后将剩余属性构成一个近似约简。UCI数据实验结果显示,与其他代表性的方法相比,所提方法能在保持甚至提升性能的同时获得更小的属性约简,说明了所提方法的有效性。

摘要： 决策粗糙集基于严格的不可分辨等价关系,只能适用于离散型数据,文中研究了一种新的模糊决策粗糙集模型及相应的属性约简算法.该模型将不可分辨等价关系放松为高斯核模糊T-等价关系,从模糊隶属度角度定义了条件概率,能够直接对数值型数据进行属性约简.利用UCI标准数据集,将该模型与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较,仿真实验结果表明,该模型具有较好的性能.

摘要： 文章将区间直觉模糊随机变量引入信息系统,定义了区间直觉模糊随机信息系统,给出该系统下的期望相关关系.基于此关系,讨论区间直觉模糊随机信息系统属性约简的判定和方法,并通过实际例子分析该法的有效性。

摘要： 相关属性约简结果可以被看作是保留某种特定分类性质的最小条件属性集合.研究了三种不同的分类性质,并根据其给出了相关属性约简的三种不同推广定义.然后通过举例证明在经典的Pawlak粗糙集模型中,根据这三种属性约简定义在一致性决策表中能够生成相同的属性约简结果,但在非一致性决策表中它们则有可能生成不同的属性约简结果.此外,通过可分辨矩阵也可以构造出属性约简结果.该研究表明,可分辨矩阵的定义应该与某一特定性质联系起来以避免可能产生的错误.根据三个不同的分类性质,对其做出了三种不同的定义.此外,还根据相关属性约简以及可分辨矩阵的具体定义和一般结构,给出了相关属性约简以及可分辨矩阵的推广定义.

摘要： 信息系统是一个具有对象和属性关系的数据库,本文基于依赖空间的数学工具对模糊信息系统和集值信息系统进行属性约简的讨论.在模糊信息系统的对象集和属性集上分别通过闭包算子给出对象幂集和属性幂集上的同余关系,分别建立对象依赖空间和属性依赖空间,着重讨论了属性依赖空间的性质、关系等,以及同余关系的一些结论,对属性幂集上的同余近似空间进行性质讨论,并提出了依赖度、依赖关系等概念.属性幂集在同余关系下,形成同余类,在此基础上建立属性约简理论及其算法,举例说明了方法的有效性和一致性.在集值信息系统上,首先定义相容关系,然后提出同余关系,并在此基础上,建立集值依赖空间,并提出属性约简理论,约简算法及对集值决策形式背景进行规则提取,并用数值算例说明文中提到的方法,与其它一些约简方法进行比较分析.

摘要： 属性约简是知识获取的重要方法之一,利用粗糙集理论对精确属性值的研究已经比较深入,然而在实际应用中,面对的信息往往是不确定的.本文重点研究了对象属性值为Vague概念的Vague信息系统,通过定义Vague值间的序关系,建立基于优势关系的序Vague信息系统.通过定义粒度商,提出了一种基于粒度计算的序Vague信息系统属性约简算法,并通过实例验证了算法的有效性.

摘要： 针对属性值为区间粗糙数的序信息系统,本文首先给出了区间粗糙数的比较方法,即通过区间粗糙数的上下近似加权期望值作为比较区间粗糙数大小的依据,然后提出了区间粗糙数序信息系统下的优势关系,并通过构建区分矩阵的方法设计了一种求序信息系统属性约简的算法,最后用实例验证了本文算法的可行性和有效性.

摘要： 属性约简是粗糙集理论中很重要的内容，本文在前人的基础上提出了一种新的属性约简方法。首先，求出条件属性相对决策属性的相对正域，然后根据相对正域求得属性的相对核。用这些相对核属性对论域进行划分，在对论域划分后，将可以完全正确的分类删除，减小论域，这样迭代下去，直到论域完全划分，最后求出这些核属性并集，去除并集的冗余信息，即可得到属性约简集。通过实例论证了此方法的可行性。这种方法直接利用核属性来对论域进行划分，不用再计算每个属性的重要度，可以减少计算量，在每次迭代的过程中，减小论域，缩减搜索空间，降低了时间复杂度。

摘要： 二型模糊集可以直接处理高度不确定性,并且具有很强的实际应用背景.本文基于二型模糊相似度的公理化定义,给出了新的二型模糊相似度计算公式.进一步,将二二型模糊相似度与Yang-Shih方法相结合,用于二型模糊数据的聚类分析,聚类结果与Yang-Lin的结果进行了比较,实例农明新的相似度更合理.此外,基于二型模糊相似度,讨论了二型模糊信息系统的属性约简问题,给出了相应约简的分辨函数法,并通过实例说明了该方法的具体计算步骤.

摘要： “大客户路标导航服务平台”的原始数据来源于各基层单位，录入数据的相关业务人员素质参差不齐，大客户提供的资料残缺等因素，导致大量数据缺失。针对所存在的数据缺失问题，研究出一种基于粗糙集理论的数据补值模型。该模型根据粗糙集理论属性约简方法对数据进行分析和处理，在众多原始数据中根据其特性对缺失数据进行填补，并根据业务数据不同精确度要求，按相似度一致原则，得到的参考属性序列即为给用户提供的参考补值，最终由用户确认补值参考值。“大客户路标导航服务平台”应用该数据补值模型后，提高了平台业务数据的完整性，为平台更好地发挥作用提供保障；模型通用性强、移植简单，适用于其它业务系统，具有良好的应用价值与推广前景。

摘要： 形式概念分析作为数据分析和知识处理的形式化工具,可以有效的从海量文本数据中挖掘出人们感兴趣的知识,受到许多研究人员的推崇.形式概念分析的前提条件是必须有一个纯净、良好定义的形式背景.从文本中直接提取特征词,利用文本一特征词形成的文本型形式背景(Textual Formal Context TFC)是一个高度稀疏的二维表,带有很多的噪音信息,严重影响形式概念分析的建格效率以及概念格的结构.因此找到一种有效的文本型形式背景约简方法很有必要.本文综合考虑文本型形式背景的本质特征,从属性语义距离和数学原理出发,提出了一种文本型形式背景的约简方法TFC-Reducing,并给出文本型形式背景约简的评价方法——信息损失熵和语义覆盖度.

摘要： 本发明公开了一种快速的属性与属性值合一数据约简算法，涉及数据约简算法技术领域，包括：步骤S1、快速U/P算法：equivalence_classes(U,P)，求得U/P的等价类族，其结果以链表形式存储；步骤S2、合一约简算法：调用所述步骤S1的算法求U/C’等价类族，求得决策表的核值表。本发明提出一种线性时间复杂度的属性与属性值合一数据约简算法，使得属性与属性值合一约简算法时间复杂度降为O(|C|

摘要： 本发明涉及数据挖掘技术领域，特别涉及一种基于多粒度属性树的属性约简在文本分类中的应用方法，包括：数据获取，并对数据进行初步预处理；构建多粒度属性树；根据多粒度属性树对微博数据约简；保存约简结果，利用数据挖掘算法进行进一步分析；本发明在遍历的过程中，由于子树的删除，子树的叶子结点代表的词语都一次性被删除，避免了再逐一测试子树中其他词语是否可删的操作，减少了解空间的范围，在确保得到约简结果的同时极大提升约简速度。

摘要： 本发明涉及一种基于属性关系积的质量数据属性约简方法，包括以下步骤：计算连续性变量的命准率；基于属性重要性离散化；通过基于关系积的属性约简算法，获得质量关联规则。通过工业生产过程中，工艺过程参数上下限约束值，把连续性过程因素转化为离散性过程因素，既不丢失连续性因素的特性，又简单易行，计算效率高。在以上质量因素命准率散性后数据的基础上，通过属性值重要性离散化方法，对各因素命准率自动生成控制区间，为下一步质量控制指明方向；通过属性约简，自动去掉不相关的因素，找到各质量问题的控制因素，从而为质量控制生成定量关系。

摘要： 本发明公开一种基于Spark与蚁群优化的多目标并行属性约简方法，将云计算Spark并行技术与智能蚁群算法相结合的思路引入到粗糙集理论属性约简中，此基础上利用信息增益率作为启发信息，对被选属性与每代最优解进行冗余检测的创新策略，使得算法能够快速收敛于全局最优解，可有效避免冗余属性添加到约简集合的可能以及消除了起始属性随机选择所造成的冗余性。此外，在计算启发信息时采用了一种多目标并行求解策略，可同时求解多个属性相对于当前属性的启发信息，时间复杂度由O(|n2|)降至O(|n|)。

摘要： 本发明属于油气岩性识别技术领域，涉及一种基于粗糙集属性约简的卷积神经网络岩性识别方法；1)收集数据得到训练集D；2)分别D中图片上的曲线拆分成单条曲线图片组成同源图片组得到D′；3)采用卷积神经网络模型同时对每个同源图片组作卷积训练，得到p×k组合向量；4)用粗糙集对组合向量进行属性约简得到B；5)B送入分类器模型中得到第一次实际输出结果；6)将第一次实际输出值与期望输出结果比较，根据比较结果调整参数反复迭代训练，直至准确率满足要求或最大时停止训练，得到识别结果。本发明在卷积神经训练中，通过粗糙集对数据集进行属性约简，从而达到精简数据集，减少模型训练的难度；同时通过反复调整、迭代训练，提高准确率。

摘要： 本发明提供了大规模肝脏电子病历病变分类的属性并行约简Spark方法，包括如下步骤：S10读取肝脏电子病历的数据集合并划分成多个肝脏病历数据子集发送到相应从节点上；S20对所述肝脏病历数据子集进行不一致处理，约简肝脏病历数据中不一致的数据，然后计算肝脏病历数据属性的等价类划分值；S30根据肝脏病历数据子集中数据对象计算属性重要度；S40计算出所述从节点中肝脏病历数据子集的属性重要度集合，进行聚合操作，得到肝脏病历数据的属性重要度集合；S50计算肝脏病历数据集的属性约简集合，并判断其是否满足约简要求。本发明的大规模肝脏电子病历病变分类的属性并行约简Spark方法，有效提高大规模肝脏电子病历属性并行约简的效率和精度。

摘要： 本发明涉及一种基于属性关系积的质量数据属性约简方法，包括以下步骤：计算连续性变量的命准率；基于属性重要性离散化；通过基于关系积的属性约简算法，获得质量关联规则。通过工业生产过程中，工艺过程参数上下限约束值，把连续性过程因素转化为离散性过程因素，既不丢失连续性因素的特性，又简单易行，计算效率高。在以上质量因素命准率散性后数据的基础上，通过属性值重要性离散化方法，对各因素命准率自动生成控制区间，为下一步质量控制指明方向；通过属性约简，自动去掉不相关的因素，找到各质量问题的控制因素，从而为质量控制生成定量关系。

摘要： 本发明涉及数据挖掘技术领域，特别涉及一种基于多粒度属性树的属性约简在文本分类中的应用方法，包括：数据获取，并对数据进行初步预处理；构建多粒度属性树；根据多粒度属性树对微博数据约简；保存约简结果，利用数据挖掘算法进行进一步分析；本发明在遍历的过程中，由于子树的删除，子树的叶子结点代表的词语都一次性被删除，避免了再逐一测试子树中其他词语是否可删的操作，减少了解空间的范围，在确保得到约简结果的同时极大提升约简速度。

摘要： 本发明公开了对象和属性同时增加的矩阵动态属性约简方法，涉及数据挖掘中粗糙集及粒计算理论技术领域，首先计算变化前决策表的最小属性约简RED

摘要： 本发明公开了一种基于PPG信号的邻域粗糙集属性约简身份识别方法及装置，方法包括：获取光电容积脉搏波PPG信号；依次进行预处理、特征提取得到特征信息，将带个体标签值的一个PPG信号周期提取得到的特征信息与对应的个体标签值整合起来组成一个样本，得到PPG信号决策信息表；基于设定的邻域参数和属性重要度阈值下限，采用邻域粗糙集属性约简的前向贪心搜索算法对PPG信号决策信息表中的特征属性进行约简处理，得到约简特征子集；根据待识别身份的PPG信号提取得到的特征信息，计算在设定的邻域参数下根据约简特征子集预测的个体标签，得到身份识别结果。提升了对PPG信号进行身份识别的效率与识别精度。