基于信息熵的属性约简

来源 :第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议 | 被引量 : 0次 | 上传用户:ytm_2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在粗糙集不确定性度量公式中,模糊熵和模糊度是重要的度量方式.根据粗糙集不确定性度量中模糊熵和新的模糊度公式,提出了在决策信息系统中修正条件信息熵和相对模糊熵的概念,并分别用两种方式证明了熵在属性约简过程中的单调性.然后利用向前添加属性算法进行属性约简,约简结果在RIDAS平台上进行识别率测试,通过实验对比分析了提出的两种新的信息熵与条件信息熵的约简,从而为基于信息熵的属性约简提供了参考.
其他文献
Along with the development of social economy and information technology,the complexity and uncertainty of the problem are increasing,which brings new challenges and opportunities in intelligent inform
Decision tree and fuzzy rough set are two distinct but complementary classifiers.Decision tree is a simple and easy-understandable rule-based classifier,whereas the tool of fuzzy rough sets are effect
提出覆盖的表示矩阵,通过一个方布尔矩阵,即覆盖表示矩阵与其转置的布尔乘积,来简洁地表示覆盖粗糙集中常用的覆盖近似算子.覆盖的表示矩阵继承了覆盖的重要性质,因此在理论上,覆盖粗糙集中的核心概念和算法都可以通过它来表示和实现.通过定义类似布尔乘积的布尔矩阵运算,来获得一个布尔方矩阵.通过这个布尔方矩阵,简洁地表示邻域近似算子.因为方布尔矩阵和二元关系是一一对应的,所以上面提到的两种方布尔矩阵都有唯一的
研究了M-格蕴涵代数作为赋值域的格值模态命题逻辑系统中的演绎定理与替换定理,从而为格值命题逻辑系统的完备性定理奠定了基础.
Recently,the connection between Matrix Theory and Formal Context Analysis (FCA) has been widely explored.However,most of the literatures only paid attention to non-linear decomposition of matrix,and o
粗糙集理论已成功应用于数据挖掘、模式识别、机器学习等领域,但粗糙集理论应用于神经网络结构选择的工作尚未见到.本文提出了一种基于相容粗糙集技术的ELM网络结构选择方法,该方法利用相容依赖度度量神经网络隐含层结点的重要性.实验结果证明本文提出的方法是行之有效的.
云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型.基于云模型概念内涵与外延之间的不确定性双向转换机制,通过给出的概念区间映射方法,将两个(或多个)原始概念分别映射到它们共同的交、并区间上,通过云滴隶属度的模糊运算定量实现概念内涵的“软交”、“软并”逻辑运算.
基于粗糙集理论定义的属性约简大都要求约简前后正区域保持不变或者非负区域不变.在概率型决策粗糙集模型下,决策区域和决策规则与属性增减之间并不具备单调性.因此,决策者基于约简后的属性集合所作的决策风险最小就变得非常有意义.针对这种与各个区域无关的基于决策风险最小化的属性约简进行了研究.考虑到不同属性对决策表的决策分类能力不同,提出了基于决策粗糙集模型的属性重要性概念,从而设计了一种有效的基于属性重要性
人脸表情特征选择是人脸表情识别研究领域关注的一个热点.结合量子遗传算法与邻域粗糙集理论,提出一种新的人脸表情特征选择方法FSNRSTQGA (Feature Selection based on Neighborhood Rough Set Theory and Quantum Genetic Algorithm).首先,以邻域粗糙集理论为基础,定义了最优特征集的适应度函数,来评价表情特征子集的选
This paper is intended to improve moving object image processing.Based on rough set theory,a split decision algorithm of image segmentation is proposed.Removal of noise is based on a new filtering def