论文研究 基于改进的差别矩阵的快速属性约简算法.pdf

属性约简是机器学习等领域中常用的数据预处理方法。在基于粗糙集理论的属性约简算法中，大多是根据单一的方法来度量属性重要度。为了从多角度对属性达到更为优越的评估效果，首先在已有的模糊邻域粗糙集模型中定义属

研究实值决策系统中的知识获取是粒计算研究的主要方向之一。为给出一种高效的知识获取方法，基于邻域粗糙集的原理，针对实值特点，在相容的实值决策系统中，给出判别度描述下的约简定义。进一步提出一种基于判别度的

属性约简的简单循环算法!

基于正域的属性约简算法实现，想要就拿去吧。。。

信息系统的属性约简是粗糙集理论的重要内容之一。除正区域、差别矩阵、信息熵之外，运用模糊T的性质提出了一种基于t-范数的划分，基于知识的划分，给出了相似性的概念，提出了若干相似性的性质，并将该相似性的度

根据经典粗糙集方法，在对可约简决策表进行属性约简时可能出现核不存在无法找到起点属性从而无法约简的问题。针对该问题，提出了基于聚类率的属性约简方法。计算决策表的区分矩阵，以属性区分度为基础，在属性区分度

托攻击是当前推荐系统面临的严峻挑战之一。由于推荐系统的开放性，恶意用户可轻易对其注入精心设计的评分，从而影响推荐结果，降低用户体验。基于属性优化结构化噪声矩阵补全技术，提出一种鲁棒的抗托攻击个性化推荐

矩阵搜索算法的改进与测试，卢阳光，，本文提出了矩阵搜索不可到达理论并进行了证明，基于此理论设计了实用高效的不可到达算法，并将算法编程实现。在机器上进行了��

现有基于粗糙集的属性约简算法主要针对数据全部驻留在内存中的情况,因此算法不适合海量数据的约简计算、可伸缩性较差.本文借助SLIQ算法的思想并引入相应的一种数据预处理策略,由此提出一个快速的属性约简算法

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