分享到:

并行遗传算法在粗糙集属性约简中的应用

遗传算法(GA)是一类基于自然选择和遗传学原理的有效搜索方法,许多领域成功地应用遗传算法得到了问题的满意解.但随着问题规模和复杂程度的不断提高,GA在求解中面临着两个主要困难:①计算、搜索时间过长;②过早收敛问题,即由于选择压力的影响,进化搜索过程中容易失去含关键基因的染色个体,使种群多样性下降,致使搜索过程滞留在局部最优解.对此,很多专家做了大量的研究工作,其主要方法包括:改进选种机制和进化算子、引用自调整技术、优化参数设置和采用并行实现[1-2].随着计算机技术的飞速发展,应用并行实现被视为克服以上两点困难的最有效办法之一.并行遗传算法(PGA)是GA的一个主要研究方向.目前,人们正不断地致力于把GA应用到各种并行计算机上.并行实现方案主要有:同步主从式、异步同时式、网络式.本文采用了网络式方案中的主从式控制网络并行GA来解决粗糙集属性(知识)约简问题.属性约简是粗糙集理论研究中的一个热点问题,现在已经证明,计算属性约简的复...  (本文共4页) 阅读全文>>

《济南大学学报(自然科学版)》2005年01期
济南大学学报(自然科学版)

基于相容关系的扩展粗糙集理论研究

198 2年 ,荷兰数学家Z .Pawlak发表了经典论文RoughSets[1] ,首次提出粗糙集理论 (RS)。Z .Pawlak提出的RS———在这里称之为经典的RS是建立在等价关系的基础之上 ,它用K =(U ,R)表示一个知识库 ,其中U为论域 ,R为等价关系族。经典RS把R称之为定义在论域U上的不可分辨关系 (ind(U) ) ,其本质也是一个等价关系。ind(U)将论域U划分成一些很小的等价类。论域中等于某个等价类或某些等价类的并集的集合称之为可定义集 (精确集 ) ,反之则称不可定义集或粗糙集。经典RS中使用的等价关系要求元素之间存在严格的自反性、对称性和传递性。等价关系的确在现实中比较普遍 ,但是在实际处理问题时遇到的很多关系都不满足这种严格的等价性。譬如满足自反性和对称性但不具备传递性的相容关系。相容关系[2 ] (tolerancerelation ,有些资料写作compatibilityre lation...  (本文共4页) 阅读全文>>

《陕西中医学院学报》2005年02期
陕西中医学院学报

粗糙集理论与证候规范化研究

1 .引言中医学的思维方式是经验直观和抽象思维的整体把握 ,属于非定量模糊综合性地研究整体问题各方面的关联。由于中医有较多的模糊性 ,以前诸多研究者借助模糊数学来研究之。这种研究方式将人的定性思维和判断方法量化 ,以适合计算机对信息处理的需求。可是在模糊数学理论中不可避免的一个瓶颈问题 ,就是如何合理地处理其隶属度和隶属函数。传统方法是采用统计或凭借专家经验事先给定。这样处理的结果增加了专家经验的主观性 ,直接影响了评判的标准。粗糙集理论[1 ] 是继模糊数学理论之后的又一种处理不精确和不确定问题的数学方法。它是波兰学者Z .Pawlak在 80年代初提出来的。该理论是一种研究不完整数据、不确定知识的表达、学习及归纳的数学方法。近年来 ,该理论为研究不精确数据的分析、推理 ,挖掘数据间的关系、发现潜在的知识提供了行之有效的工具。随着对该理论的研究深入 ,粗糙集理论及其应用得到了广泛的认可 ,国际上对其研究和应用已进入一个高潮期。...  (本文共2页) 阅读全文>>

《山西师范大学学报(自然科学版)》2005年04期
山西师范大学学报(自然科学版)

基于粗糙集理论的冠心病病因分析与研究

1980年代初,波兰科学家Z.Pawlak[1]提出用粗糙集(rough set)理论处理不完整、不精确知识的表达、学习、归纳等问题,其最大的优点就是无需提供除问题所需处理的数据之外的任何先验信息,并引入上近似和下近似的概念描述知识的不确定程度.Rough Set能够以对观测数据进行分类的能力为基础,从杂乱无序的、含有大量的冗余信息的数据中求取最小不变子集(核),在信息量不变情况下求解最小规则集(约简),不仅为认知科学提供新的科学研究方法,而且为智能信息处理也提供了有效的技术.Rough Set已被广泛应用于医疗数据分析、股票数据分析、地震预报、飞行员技术评定、语音识别等领域,并取得了丰硕的成果.本文利用基于条件属性的属性约简算法和概率统计方法分别对某医院冠心病数据库进行分析,得出有关冠心病病因的最重要因素及新的诊断规则,为冠心病的诊断提供了新的方法.1粗糙集基本概念定义1[2]形式上,四元组S=(U,A,V,f)是一个知识表达...  (本文共4页) 阅读全文>>

《哈尔滨师范大学自然科学学报》2019年01期
哈尔滨师范大学自然科学学报

可变多粒度粗糙集粒度约简研究

0 引言波兰学者Pawlak教授于1982年提出粗糙集理论[1],它是用于分析不完整、不精确知识的数学工具.粒计算是最近发展起来的一门新学科,现阶段研究粒计算的重要工具之一是粗糙集理论,钱宇华等学者根据粒计算的思想,提出了各种多粒度粗糙集模型[2-4],将经典粗糙集理论从原先的单个粒度拓展到多个粒度.多粒度粗糙集与经典粗糙集相比,有很多的优势,它可以设计多个粒度层次获得目标概念的近似逼近,提高了目标概念的表示精度,使得边界区域减少,还可以结合其他处理不确定知识的方法理论进行数据挖掘等研究.学者们依据模糊关系、邻域关系,覆盖等多种分类方法提出从不同角度扩展的多粒度粗糙集模型[5-12].由于悲观多粒度粗糙集模型所定义的下近似条件严格,而乐观多粒度粗糙集模型定义的下近似条件又非常宽松,张明等学者提出了可以灵活调节粒度数量的可变多粒度粗糙集模型[13],通过设置参数,调节粒度空间的数量计算下近似,改进了乐(悲)观多粒度粗糙集模型.学者...  (本文共7页) 阅读全文>>

《数学学习与研究》2017年11期
数学学习与研究

基于粗糙集理论的多标度层次分析教师教学评价模型

一是学生评教的原始数据数量大,评价结果过于集中;二是现行的评价指标体系相关强、维度不清晰;三是在评价方法上,1~9标度层次分析法求解精度不足,教师排名很难区分.本文提出一种基于粗糙集理论的多标度层次分析模型.该模型利用粗糙集理论结合原始评价数据对于评价指标属性空间进行约简,得到新的评价指标体系,给出1~18标度原则来构造评判矩阵,建立多标度(1~18)的层次分析模型,从而对于教师教学质量进行评价.二、原始数据相关性分析及指标体系约简利用SPSS中的主成分分析法对某校教务系统中的评价数据进行分析可得:KMO取值为0.878,这表明可以进行因子分析.Bartlett中Sig值为0.00,说明数据来自正态分布总体,适合进一步分析.从相关性矩阵发现数据之间的相关性均大于0.5,该组原始数据的相关程度较高.利用粗糙集处理冗余信息的强大能力,结合文[1]和文[2]中表1和表2规则得到新的评价指标体系为{B1,B2,B5,B8}.三、粗糙多标...  (本文共1页) 阅读全文>>