导读:本文包含了决策表约简论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:粗糙,属性,粒度,矩阵,算子,布尔,区间。
决策表约简论文文献综述
商传磊,张悟移,陈俊营,李建国[1]（2019）在《基于决策表的粗糙集属性约简算法改进及应用》一文中研究指出针对决策属性集合中只存在两个决策集合的情况,为简化决策属性的表达和计算复杂度,提高约简效率,提出一种改进粗糙集决策表的属性约简算法。该算法以条件属性对决策属性的支持度为基础,采用新的约简规则,基于可分辨矩阵的启发式算法,根据属性重要度改进属性约简算法。以高新技术企业智力资本测量指标体系为例,得到了高新技术企业智力资本的最小约简集。结果表明,该约简算法能够得到一个完备的最小约简集,并能显着提高求解约简集的效率。(本文来源于《科技与经济》期刊2019年05期）
李旭,荣梓景[2]（2019）在《带权决策表的变精度约简算法》一文中研究指出属性约简是粗糙集理论研究的重要内容之一,有广泛深入的应用.通过对照通常决策表的变精度约简和正区域约简的辨识矩阵发现,当满足给定精度阈值大于0. 5的条件下,决策表中的变精度约简可以转化成正区域约简.本文将决策表中相同决策规则出现的次数作为权,提出了带权的决策表的概念,通过辨识矩阵给出了带权决策表的变精度约简算法.当精度阈值大于0. 5时,我们可以通过在表中适当更改某些(个)条件类中部分对象的决策值的方法,形成新的决策表,该新的决策表的正区域约简就是原来带权决策表的变精度约简.最后通过实验验证了所提出算法的有效性和可行性.(本文来源于《小型微型计算机系统》期刊2019年10期）
李敏,杨亚锋,李丽红[3]（2019）在《基于聚类与粒化度量的高效决策表约简》一文中研究指出属性约简是粗糙集理论的核心内容之一,传统的属性约简每次只考虑去掉一个属性后对原来知识系统的影响,或者利用区分函数进行约简,但是当数据集较大时,区分函数范式转换获得解集具有一定的困难性,降低约简效率。针对决策系统的属性约简与高效决策的粒度选择问题,将粒化度量和聚类相结合,由聚类结果选择粒结构,再由粒化度量得到各粒结构的重要度,从而进行属性约简。考虑同时去掉多个属性,提高了效率;最后结合实例验证此方法约简与利用区分矩阵的方法约简结果一致。(本文来源于《电脑知识与技术》期刊2019年26期）
袁红丽,陈志佳[4]（2019）在《基于布尔矩阵的决策表属性约简算法》一文中研究指出布尔矩阵的属性约简是粗糙集理论的一种新思路,针对现有布尔矩阵表示方法中未考虑决策属性的问题,将条件属性、决策属性两者的依赖关系与条件区分能力相结合改进计算相对核、相对约简的算法,提出一种基于布尔矩阵的决策表属性约简算法。实例和仿真实验证明该算法的正确性、可靠性、完备性。(本文来源于《现代计算机》期刊2019年23期）
于天佑,张楠,岳晓冬,童向荣,孔贺庆[5]（2019）在《基于多特定类的序决策表下近似约简》一文中研究指出属性约简是粗糙集理论研究的重要内容之一,通过属性约简可以获取给定信息系统的最小特征子集。经典的序决策表属性约简是关于决策属性中的所有决策类的约简,但在实际应用中,由于决策者的偏好或者部分决策类数据的缺失,往往仅需要获得特定决策类的属性约简。基于这种考虑,文中回顾了序决策表的优势关系与下近似约简,定义了基于序决策表的单特定类与多特定类下近似约简,构造了相应的差别矩阵,提出了基于多特定类的序决策表下近似属性约简算法。基于多特定类的序决策表下近似约简可以较好地退化为基于单特定类的序决策表下近似约简或基于经典全决策类的序决策表下近似约简,是一种更加广泛的约简框架。实验采用了6组UCI数据集,分别在每个数据集上计算了3个单特定类和3组多特定类的约简,并将约简结果和约简效率与经典全类下近似约简、上近似约简及最大分布约简3个算法的约简结果和约简效率进行了比较。实验结果表明,在选定的特定类的数量相对全部决策类的数量较少时,约简的结果可能会更短,约简的效率也会有不同程度的提升。(本文来源于《计算机科学》期刊2019年10期）
赵思雨,钱婷,魏玲[6]（2019）在《基于决策表的多粒度粗糙集属性约简研究》一文中研究指出针对决策表,从叁支决策理论的角度给出基于多粒度粗糙集(MGRS)的正域、负域、边界域的定义,并将其分别与Pawlak粗糙集的正域、负域、边界域进行比较;提出基于多粒度的保持正域不变、保持负域不变及保持边界域不变的约简的定义,并研究其性质。(本文来源于《陕西师范大学学报(自然科学版)》期刊2019年03期）
鲍迪,张楠,童向荣,岳晓冬[7]（2019）在《区间值决策表的正域增量式属性约简算法》一文中研究指出实际应用中存在大量动态增加的区间型数据,若采用传统的非增量正域属性约简方法进行约简,则需要对更新后的区间值数据集的正域约简进行重新计算,导致属性约简的计算效率大大降低。针对上述问题,提出区间值决策表的正域增量属性约简方法。首先,给出区间值决策表正域约简的相关概念;然后,讨论并证明单增量和组增量的正域更新机制,提出区间值决策表的正域单增量和组增量属性约简算法;最后,通过8组UCI数据集进行实验。当8组数据集的数据量由60%增加至100%时,传统非增量属性约简算法在8组数据集中的约简耗时分别为36. 59 s、72. 35 s、69. 83 s、154. 29 s、80. 66 s、1 498. 11 s、4 124. 14 s和809. 65 s,单增量属性约简算法的约简耗时分别为19. 05 s、46. 54 s、26. 98 s、26. 12 s、34. 02 s、1 270. 87 s、1 598. 78 s和408. 65 s,组增量属性约简算法的约简耗时分别为6. 39 s、15. 66 s、3. 44 s、15. 06 s、8. 02 s、167. 12 s、180. 88 s和61. 04 s。实验结果表明,提出的区间值决策表的正域增量式属性约简算法具有高效性。(本文来源于《计算机应用》期刊2019年08期）
王必晴,梁昌勇,齐平,黄永青[8]（2019）在《基于压缩决策表的乐观多粒度粗糙集粒度约简算法》一文中研究指出粒度约简是多粒度粗糙集研究的一个关键问题。为了从乐观多粒度粗糙集的角度研究粒度约简问题,消除冗余数据,提高粒度约简的效率,提出基于压缩决策表的乐观多粒度粗糙集粒度约简算法。针对乐观多粒度粗糙集模型,引入下近似分布粒度约简的概念;利用线性时间排序算法进行等价类划分,为决策表的压缩和下近似集的计算打下基础;以冗余的决策表为研究对象,以核粒度为初始粒度约简集,以粒度重要性为启发式信息,运用粒度约简算法进行粒度约简,并通过实例分析和实验验证了该算法的有效性。结果表明,算法降低了计算下近似集的时间复杂度,具有较高的粒度约简效率。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年02期）
陶玉枝,赵仕梅,谭安辉[9]（2018）在《一种基于决策表约简的集覆盖问题的近似解法》一文中研究指出集覆盖问题和决策信息表的约简问题分别是优化领域和信息处理领域重要的研究课题,但目前的研究大都针对这两个问题分别独立展开.通过分析集覆盖问题的解结构和决策信息表的布尔约简结构,将两者联系起来探讨.首先,给出一个集覆盖问题的布尔矩阵表示,并通过添加决策属性,对集覆盖中的集合进行分类,进一步诱导出一个以该布尔矩阵为条件属性值的决策信息表.其次,分析了决策表和集覆盖的辨识集之间的关系,证明了集覆盖问题的一个局部最优解恰好是该决策表的一个属性约简,即,求解集覆盖问题可等价地转化为求解决策表的属性约简问题.然后,利用决策表中的条件熵来度量集覆盖中一个集合在集族中的相对重要度,并构造了基于条件熵的集覆盖问题的近似算法.最后,运用实例验证了该算法的有效性和可行性,并将新算法与几个传统集覆盖算法进行了对比.实验结果表明,新算法在求得满意解上具有一定的优势.(本文来源于《南京大学学报(自然科学)》期刊2018年04期）
杨霁琳,张贤勇,唐孝[10]（2018）在《模糊决策表中基于OWA算子的叁支属性约简》一文中研究指出在模糊决策表中,基于有序加权平均(Ordered weighted averaging,OWA)算子建立的相容关系中,OWA算子是一个信息集成工具。本文利用OWA算子及其诱导的截集相容关系,分别讨论基于正域、负域与边界域的属性约简。首先,利用OWA算子中的权重给出属性区分对象的贡献度;然后,根据属性贡献度定义每个属性被约简的可能性;从而给出模糊决策表的一种启发式叁支属性约简方法,该方法可以减少属性约简的搜索空间并避免属性约简的盲目性;最后,利用实例来分析影响该叁支区域属性约简方法的主要因素,并说明该启发式属性约简方法的合理性和有效性。本文提出的属性贡献度度量及启发式叁支属性约简方法将减少属性约简的搜索空间,有益于模糊决策表特征选取的应用。(本文来源于《数据采集与处理》期刊2018年04期）
决策表约简论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
属性约简是粗糙集理论研究的重要内容之一,有广泛深入的应用.通过对照通常决策表的变精度约简和正区域约简的辨识矩阵发现,当满足给定精度阈值大于0. 5的条件下,决策表中的变精度约简可以转化成正区域约简.本文将决策表中相同决策规则出现的次数作为权,提出了带权的决策表的概念,通过辨识矩阵给出了带权决策表的变精度约简算法.当精度阈值大于0. 5时,我们可以通过在表中适当更改某些(个)条件类中部分对象的决策值的方法,形成新的决策表,该新的决策表的正区域约简就是原来带权决策表的变精度约简.最后通过实验验证了所提出算法的有效性和可行性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
决策表约简论文参考文献
[1].商传磊,张悟移,陈俊营,李建国.基于决策表的粗糙集属性约简算法改进及应用[J].科技与经济.2019
[2].李旭,荣梓景.带权决策表的变精度约简算法[J].小型微型计算机系统.2019
[3].李敏,杨亚锋,李丽红.基于聚类与粒化度量的高效决策表约简[J].电脑知识与技术.2019
[4].袁红丽,陈志佳.基于布尔矩阵的决策表属性约简算法[J].现代计算机.2019
[5].于天佑,张楠,岳晓冬,童向荣,孔贺庆.基于多特定类的序决策表下近似约简[J].计算机科学.2019
[6].赵思雨,钱婷,魏玲.基于决策表的多粒度粗糙集属性约简研究[J].陕西师范大学学报(自然科学版).2019
[7].鲍迪,张楠,童向荣,岳晓冬.区间值决策表的正域增量式属性约简算法[J].计算机应用.2019
[8].王必晴,梁昌勇,齐平,黄永青.基于压缩决策表的乐观多粒度粗糙集粒度约简算法[J].重庆邮电大学学报(自然科学版).2019
[9].陶玉枝,赵仕梅,谭安辉.一种基于决策表约简的集覆盖问题的近似解法[J].南京大学学报(自然科学).2018
[10].杨霁琳,张贤勇,唐孝.模糊决策表中基于OWA算子的叁支属性约简[J].数据采集与处理.2018
论文知识图
