摘要：由于大数据环境下数据呈现出动态更新的特征,因此,增量式属性约简已成为粗糙集理论的重点研究方向。不完备混合型有序信息系统是一种常见的信息系统类型,然而,目前少有增量式属性约简方面的相关研究,针对这一问题,本文在不完备混合型有序信息系统下提出一种对象更新情形的增量式属性约简算法。首先,针对不完备混合型有序信息系统提出了邻域容差优势关系,基于该二元关系建立了一种新的邻域优势粗糙集模型。其次,在其基础上定义了邻域优势条件熵,并利用邻域优势条件熵作为启发式函数设计出一种不完备混合型有序信息系统的非增量式属性约简算法。然后,利用矩阵的形式重构了邻域容差优势关系和邻域优势条件熵,针对不完备混合型有序信息系统对象的动态变化,基于矩阵的计算策略分别研究了邻域优势条件熵随信息系统对象增加和对象减少时的增量式更新。最后,利用邻域优势条件熵的更新机制分别提出了不完备混合型有序信息系统对象增加和对象减少时属性约简的增量式更新算法。实验结果表明:(1)与非增量式算法相比,所提出的增量式算法约简属性数量平均降低了3.6%,分类精度平均提升了2.4%,属性约简的效率平均提升了约10倍;(2)与同类型增量式算法相比,所提出的增量式算法约简属性数量平均降低了9.0%,分类精度平均提升了2.1%,属性约简的平均效率提升了94%。因此,本文所提出增量式算法无论在属性约简结果和属性约简效率上都有着更高的性能。

摘要：为解决动态环境下数值型偏序关系数据的属性约简问题,利用优势粗糙集的区分度提出一种增量式属性约简算法。在数值型信息系统环境下,定义邻域优势区分度度量,通过邻域优势区分度设出一种非增量式属性约简算法;研究和分析对象变化场景下邻域优势区分度进行增量式更新的原理;分别提出数据对象增加和减少情形下数据集属性约简的增量式更新算法。在多个UCI数据集上进行实验验证,实验结果表明,该增量式算法能够有效完成动态数据的属性约简任务。

摘要：针对目前电梯用复合曳引钢带安全性分析中存在数据精度不足、处理能力差的问题,提出属性约简下电梯用复合曳引钢带安全性智能量化分析方法。分析复合曳引钢带的受力情况,确定影响复合曳引钢带安全性的主要因素,对各项因素的属性进行约简处理,得到约简集合,为集合中的各个数据元素分配权重,计算电梯用复合曳引钢带安全性指数,完成安全性量化处理,根据钢带的使用情况建立风险等级表,将计算结果与等级表相匹配,实现复合曳引钢带安全性的智能分析。实验结果表明,该方法数据分类精度高,能够有效处理复杂数据,整体分析水平得到了有效提升。

摘要：信息熵是研究信息粒不确定性度量的一种重要方法,并且可以应用于信息系统的属性约简和综合评估中。本文提出了比较两个直觉模糊值大小的新方法,定义了直觉模糊集中香农熵形式的熵度量。以直觉模糊决策系统为背景,结合直觉模糊集理论,基于直觉模糊相似关系分别构造了直觉模糊信息熵和条件熵,利用直觉模糊条件熵给出属性重要度的计算公式,设计了基于直觉模糊条件熵的启发式属性约简算法。在此基础上,通过属性重要度得到了属性指标的权重,进而提出了一种综合评估方法,并将其应用于安全审计风险的研究中,得到可接受的安全风险评估方法,通过结果对比分析,验证了该方法的可靠性和有效性。

摘要：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。

摘要：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。

摘要：面对多维时空数据属性复杂无法有效约简的问题,提出了多维时空数据分布式协同进化属性约简方法。通过多维时空数据投影抖动处理,使投影点分布角度一致。按照时间序列将多维属性的时空目标归入一维特征时空,构建约简布局优化结构。使用邻域粗糙集模型的贪心属性约简算法,获取多个属性约简子集,采用邻域覆盖约简规则学习方法,保证动态数据属性偏向约简过程稳定。根据协同进化约简布局优化结构,计算多维时空之间相对距离,获取偏序约简结果,实现多维时空数据分布式协同进化属性约简。由实验结果可知,该方法约简后数据最小为14个,具有良好约简效果。

摘要：传统增量算法主要侧重于从更新近似的角度进行属性约简,但在处理大规模数据集时需要评估所有属性并反复计算重要度,提升时间复杂度,降低效率。针对上述问题,文中提出基于属性树的并行化增量加速策略,关键步骤是将所有属性聚类成多棵属性树进行并行化动态属性评估。首先,根据属性树相关性度量选择合适的属性树进行属性评估,降低时间复杂度。再增加分支系数至停止准则中,随着分支深度的增加进行动态增加,可使算法在达到最大阈值后自主跳出循环,有效避免原先的冗余计算,提高效率。基于上述策略,提出基于属性树的增量属性约简算法,同时与Spark并行机制结合,设计基于属性树的并行化增量式动态属性约简算法。在多个数据集上的广泛实验表明,文中算法在保持分类性能的同时,可提高动态变化数据集约简的搜索效率,具有较好的性能优势。

摘要：为了应对西部路网扩张过程中必须面临的大风环境高铁建造问题,从问题的本源出发,研究选线设计与大风环境的耦合关系,建立科学的决策模型成为实现高速铁路高质量建设的关键内容。通过分析大风区高速铁路线路方案设计的主要影响因素并参考选线原则,从工程技术、生态环境、防风工程和社会效益4个方面选取22项指标,建立大风区高速铁路线路方案优选的多层次指标体系。采用三角模糊数对定性指标量化后,引入最佳去模糊性能值的方法将其转化为精确数,并融合粗糙集理论中的属性约简算法与信息熵理论,根据属性重要度将冗余或不重要的属性去除,实现初选指标的筛选。为使结果既能反映决策者的主观经验,又能反映指标数据的客观真实性,同时兼顾数据的变异和相互影响程度,分别采用G2法和CRITIC法进行主、客观赋权,并引入最优卡方距离的思想计算最终权重。最后,统筹考虑距离相似性和几何相似性维度,采用靶心距确定距离优属度以及与集合曲线趋势变化的趋同程度确定几何优属度,建立基于综合优属度的大风区高速铁路线路方案决策模型,并结合工程实例对模型进行验证。结果表明,基于本模型的大风区高速铁路方案的决策结果与工程实际具有较好的一致性,验证了模型的可靠性和适用性,为大风区高铁线路方案优化设计提供一定的理论支持。

摘要：借鉴形式背景下概念格的经典属性约简,立足决策形式背景,通过转换提出一种新的概念格属性约简,其对一般约简具有结构诱导性。首先,在决策形式背景下定义一致集,提出概念格的一致属性约简及对应算法,得到一致属性约简与三分属性的关系。其次,研究新建的一致约简与已有的强一致约简和弱一致约简之间的关系,得到一致约简具有关于概念格属性约简的严格强性,并由此设计由强至弱的启发式约简算法。最后,给出具体实例,说明与验证相关的约简、性质和算法。