粗糙集理论在商业数据挖掘中的应用

商业智能研究中的商业数据挖掘,是从数据库中抽取对商业零售企业进销存具有潜在应用价值的隐含信息.给出了基于粗糙集理论的商业数据挖掘完整过程,结合商场客户价值分析的实例,使用粗糙集数据挖掘系统(RSDMS)进行数据预处理,消去冗余属性,抽取决策规则.     

商业数据挖掘中的核心算法

为了使企业的管理层能够根据市场需求进行数据挖掘,并基于挖掘出来的规则做出决策,在数据仓库、粗糙集方法等理论的基础上提出了一种核心算法,应用于商业数据挖掘.核心算法从信息表开始,通过属性泛化、求核心属性、属性归约,最终得到由正确率表示的规则.在求核心属性的部分对粗糙集理论中求核心集的方法进行了改进,并给出了相应的证明.核心算法利用SQL语言的功能强大、容易开发、运行稳定等特点,通过SQL语言编程来实现.核心算法具有针对性强、可操作性强等优点.     

基于属性依赖度分析的粗糙集数据挖掘方法应用

目的采用粗糙集中的属性依赖度分析方法对胶合板缺陷检测数据进行分析,获得各属性对决策的不同作用,并得出各属性间的依赖关系．方法采用粗糙集属性依赖度分析方法对实验数据进行有效分析,挖掘出对决策分析影响大的属性,去掉对决策分析影响小的冗余属性,构造数据挖掘模型．结果从胶合板缺陷检测数据中挖掘出各属性对决策分析的影响程度以及各有关属性间依赖关系的知识,在胶合板缺陷检测数据集的17个属性中,得到了3个重要属性,5个对决策影响较小的属性．结论基于粗糙集属性依赖度的数据挖掘方法提高获取规则的快速性,降低计算的复杂度,增强规则的可解释性,取得良好的研究结果．     

基于模糊-粗糙集理论的神经网络模式识别方法

目的 通过对数据进行约简提高模式识别中数据的有效性,以提高胶合板缺陷检测的准确率和在线的实时性.方法 利用粗糙集理论在数据约简上的优势,提取出对模式识别决策结果影响最大的属性,约简掉对决策结果影响较小的属性.利用模糊逻辑在不确定性问题的能力,提高边缘属性在模式识别中的权重值.利用神经网络在模式识别中的有效性,将粗糙集算法、模糊逻辑、神经网络的人工智能算法有效相结合,提出一种基于模糊粗糙集神经网络的模式识别分类方法.结果 结合胶合板缺陷检测,针对胶合板的13类缺陷的17个属性,提取出最有效的数据,约简了对决策影响最小的4个属性.结论 基于模糊-粗糙集理论的神经网络模式识别算法提高了数据的有效性,增强了缺陷检测的准确度,提升了在线检测的实时性,取得了良好的研究结果.     

粗糙集与决策树结合诊断故障的数据挖掘方法

根据数据挖掘技术用于故障诊断的基本思想，利用粗糙集进行数据归纳，过滤大量故障数据中的冗余属性，得到精简故障数据集。而后，用决策树分类方法处理精简数据集，产生分类所需的规则以进行分类，并结合实例说明了该方法的工作步骤。由实例可知该方法用于故障诊断的可行性，最后指出实际应用过程中的一些技术难题。     

粗糙集在数据挖掘分类规则中的应用研究

数据集中的冗余性会降低数据挖掘结果的解释能力和精度，介绍了数据集中挖掘分类规则的基本原则，并利用粗糙集理论中核及决策类覆盖的概念，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，并简化带有不同相容规则的决策系统的数据挖掘算法，并应用一简单的例子说明如何在数据库中发现分类规则。     

基于粗糙集的决策树在电子商务中的应用

将数据挖掘中的决策树与粗糙集理论进行有机结合,提出一种基于粗糙集属性依赖度的决策树算法,将该算法应用到电子商务的客户管理中,进行电子商务客户价值研究,提取分类规则,为企业管理客户提供决策支持.     

基于粗糙集图像分层算法的研究

提出了一种基于粗糙集的图像分层新算法,首先从数字图像中提取色彩信息和空间信息构造条件属性集,分析经典的图层信息构造决策属性集,然后运用粗糙集理论进行数据挖掘,从而得到从条件属性集到决策属性集的强规则,运用这些规则对数字图像进行智能分层。最后,用实例证明了该算法的正确性。     

基于粗糙集的智能数据挖掘算法在风机监测中的应用

为了对风力发电机监测诊断过程中冗繁属性进行约简,提高监测诊断的效率和自动化、智能化水平。在运用自组织神经网络处理数据的基础上,运用改进粗糙集理论的属性约简算法及关联规则的数据挖掘方法,在风力发电机状态监测参数的优选和智能诊断中进行分析。这种方法不仅大大减少了特定属性信息提取的工作量,更在数据分析中发挥了自主式学习和决策的优越性。     

基于可拓学的故障诊断及预防方法研究

将可拓数据挖掘方法和模式识别技术相结合,用于解决基于大量数据的故障模式识别问题.利用粗糙集理论进行属性约减和权值确定,保证了获得权值的客观性和稳定性.然后用汽车发动机故障诊断的实例验证了模型的可靠性.最后根据基于变换的可拓集分类思想,探讨了故障预防的一种方法.     

基于Rough Set和neural network组合数据挖掘

提出了一种基于rough set和neural network的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简，然后使用神经网络对数据进行学习，并同时完成属性的不一致约简，最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明，该方法快速有效，生成规则简单准确，具有良好的鲁棒性。     

一种改进的粗糙集属性约简启发式算法

作为数据挖掘的重要工具,粗糙集理论被广泛的应用于关系数据库中属性相关性描述、属性集约简、属性重要性度量、规则发现等方面。该文在分析基于信息系统的粗糙集理论的基础上,对基于分辨矩阵的属性约简算法进行了详尽的描述。针对该算法存在的时间和空间性能不理想问题,提出度量单个条件属性对系统概念贡献程度的关联度的概念,以此作为启发式信息对原算法进行改进,得到条件属性的约简。理论分析及实验结果表明该算法具有较好的约简效果及更高的运行效率,为粗糙集理论更广泛地应用于具体的实践提供了一种方法。     

RS-BT神经网络融合建模及应用

针对采用BP神经网络进行滑坡灾害预测时其输入变量的选择是影响预测效果和运算速度的关键问题,本文提出构建粗糙集和遗传神经网络一体化模型思路,其基本目的是利用粗糙集在数据挖掘方面的优势和BP神经网络的预测能力,优势互补以期解决上述问题。结合实例,本文首先利用粗糙集理论建立了影响滑坡灾害的各类因素决策表并进行了约简,然后利用各因素对决策属性的支持度进行了BP神经网络初始权值的配置及预测试验。实验表明,利用该模型可以有效的删除冗余信息,提高神经网络的运算速度和预测精度,在实际工程中有一定的应用价值。     

基于决策规则的属性约简算法

属性约简是粗糙集的核心问题之一。本文基于决策规则给出属性约简相关结论和属性重要性,提出启发式约简算法,引入黄金分割法思想,提高算法效率,并以实例验证算法有效性和正确性。     

农村配电网故障定位方法的研究

文章提出了运用粗糙集理论实现农村配电网故障定位的方法。该方法根据配电网拓扑结构利用各用户区故障投诉信息作为条件属性、故障元件作为决策属性,形成故障决策表,并以此决策表为主要工具,然后利用粗糙集方法对决策表进行属性约简和值约简,导出故障决策表的最小约简形式,获得最小诊断规则,保证了规则的客观性,而且在故障投诉电话信息不完备的情况下,仍能达到快速、准确故障定位的目的,具有良好的容错性能。算例表明该方法简单、可行、有效。     

Study and application of time series forecasting based on rough set and Kernel method

A support vector machine time series forecasting model based on rough set data preprocessing was proposed by combining rough set attribute reduction and support vector machine regression algorithm. First, remove the redundant attribute for forecasting from condition attribute by rough set method; then use the minimum condition attribute set obtained after the reduction and the corresponding initial data, reform a new training sample set which only retain the important attributes influencing the forecasting accuracy; study and train the support vector machine with the training sample obtained after reduction, and then input the reformed testing sample set according to the minimum condition attribute and corresponding initial data. The model was tested and the mapping relation was got between the condition attribute and forecasting variable. Eventually, power supply and demand were forecasted in this model. The average absolute error rates of power consumption of the whole society and yearly maximum load are respectively 14.21% and 13.23%. It shows that RS-SVM time series forecasting model has high forecasting accuracy.     

粗糙集-神经网络集成的WSN节点故障诊断

提出一种粗糙集-神经网络集成的无线传感器网络(WSN)节点故障诊断新方法。根据无线传感器网络的应用环境和故障特征得到诊断决策表,利用改进的粗糙集中的归纳属性约简算法对诊断决策表进行属性约简,用Hamming网络建立一套故障分类的方法。仿真实验结果显示,该诊断算法在进行WSN节点故障诊断时,诊断准确性高,通信代价小,能耗低,鲁棒性高。     

基于粗糙集和主成分分析法的电网融冰决策方法

基于粗糙集和主成分分析法建立冰灾数据规则和冰灾应急处理融冰效率函数,提出一种电网冰灾融冰决策新方法．以湖南电网为例,分别运用MATLAB和SPSS软件进行粗糙集和主成分分析法的计算,划分湖南地区覆冰严重程度顺序并建立了融冰效率函数,得到湖南电网效率最高融冰手段,实现输电线路融冰的优化决策．