信息系统中属性约简的矩阵算法

基于差别矩阵属性约简算法的改进

这是我的毕业论文，主要是利用信息向量构建基于区分矩阵的属性约简算法研究及其增量式属性约简算法研究

文章主要是利用区分矩阵的信息向量来简化计算步骤，为规则提取的子算法

基于差别矩阵和属性选择的属性约简算法，采用c++实现，能够在VS编译环境下快速实现，占用较少的内存资源。

信息系统属性约简粗糙集机器学习数据挖掘

分辨矩阵　属性　约简　此算法基于某篇论文（具体哪一篇忘了）中的用分辨矩阵进行属性约简。。。

针对K-均值聚类算法对初始值敏感和易陷入局部最优的缺点，提出了一个基于自适应杂交差分演化模拟退火的K-均值聚类算法。该算法以差分演化算法为基础，通过模拟退火算法的更新策略来增强全局搜索能力，并运用自适

针对传统的经验模态分解（EmpiricalModeDecomposition，EMD）中由于信号间的相互作用造成的单个固有模态分量带宽过大的问题，提出使用改进的掩蔽信号并结合增加筛选过程迭代次数的方法

在现实应用中许多数据往往是动态变化的，静态的属性约简算法处理此类数据需消耗大量的计算时间和存储空间。针对集值决策信息系统中数据的动态变化情况，通过引入条件信息量和属性重要性概念，提出了一种启发式的动态

论文研究-模糊目标信息系统的属性约简.pdf,  利用粗糙模糊集的概念定义了模糊目标信息系统的α下(上)分配约简,并讨论了它们同下(上)近似约简、下(上)最大分布约简的关系.相应于下(上)近似约简、下

论文研究-信息系统的属性约简.pdf,  粗糙集理论是一种新的处理模糊和不确定知识的数学工具 .属性约简是粗糙集理论研究中的重要内容之一 ,现已证明寻找信息系统的最小约简是 NP-hard问题 .本文

针对传统的经验模态分解（Empirical Mode Decomposition，EMD）中由于信号间的相互作用造成的单个固有模态分量带宽过大的问题，提出使用改进的掩蔽信号并结合增加筛选过程迭代次数的

针对现有集中有序关系模型对不完备信息处理的局限性,利用先验概率对属性取值进行估计,重新定义了对象间的优势度,对集中有序关系进行扩展.引入知识粒度的概念,以知识粒度的变化作为属性重要性的度量,提出了适合

粗糙集理论是数据挖掘的重要数学工具。 特征选择是数据挖掘过程中的主要步骤。 在本文中,我们从信息论的角度着眼于在集值有序信息系统(SOIS)中使用粗糙集理论进行属性约简。 首先,我们将信息熵和相对信息

属性约简是知识发现的重要课题,也是粗糙集理论的核心问题之一。主要通过定义关系矩阵、上(下)分布矩阵、模糊上(下)分布矩阵和决策矩阵,用矩阵算法计算信息系统中变精度粗糙集模型的上(下)分布约简和模糊目标