集值决策系统中粗糙集理论与知识约简

以集值决策系统为研究对象,根据偏序关系讨论了知识约简问题。提出了近似分布约简的概念,并给出了相应的判定定理与辨识公式,最后用一个实例说明了此方法的有效性。     

不完备信息系统的下近似分布约简与规则

研究了不完备信息系统的知识发现问题．将带有未知数据的不完备信息系统看作集值信息系统，提出了一种新的约简方法一下近似分布约简，给出了判定定理，并根据约简方法给出了下近似分布规则的定义、辩识函数以及对象x所支持的所有下近似分布规则的方法．证明了完备信息系统协调时，x-下近似分布规则是x-确定规则，说明了下近似分布规则是确定规则的推广。     

基于遗传算法的粗糙集混合数据属性约简

为了对现实中既含有离散数据又有连续数据,甚至还有模糊数据的决策系统进行属性约简,基于模糊等价关系建立粗糙集模型,用熵来度量粗糙集中的不可分辨能量并定义约简.提出用遗传算法来求解含混合数据的决策系统的约简,论述了适应度函数的选择,给出了算法的具体实现.对经典数据集和UC I机器学习数据库中5个数据库约简的结果证明了算法的有效性和可行性.     

基于模糊相容关系的集值决策表的相对约简

从模糊粗糙集的角度讨论集值决策表的相对约简。首先,基于2个对象取相同值的可能性大小,在集值信息系统中定义了一个模糊相容关系,给出了模糊相容关系的上近似和下近似;其次,通过引入模糊近似质量,定义了集值决策表中条件属性的重要度与相对重要度,进而提出了一种计算相对约简的启发式算法;最后,通过实例说明该算法能够得到集值决策表的相对约简。     

一种改进的基于粗糙集的启发式值约简算法

在求得决策表中属性值核的基础上,用属性重要度指导增加后续属性值,还引入包含度和支持度统计度量,生成了不同置信度水平下的决策规则集,并设计了基于规则集的分类算法。对Monk数据集的对比实验表明,该算法是有效的。     

粗糙集的知识发现在经济数据收集中应用举例

文章根据一种基于粗糙集理论的知识发现步骤,并以信用卡数据收集实例作了说明,以期发现隐含的知识,提示潜在的规律。     

区间值决策表的决策风险最小化属性约简

针对目前海量数据分析较多情况下从传统的单条记录转变为一个区间对象,将决策粗糙集中风险的概念引入至区间值决策表中,给出了区间值决策表决策风险的定义,并提出了决策风险最小化的属性约简方法.该方法可以保证所得到的约简集合相对于决策属性具有较强的分类能力,同时保证约简集合的决策风险最小.区间值决策表的决策风险最小化约简使得定义的约简具有更强的理论性和可解释性.     

基于粗糙集理论的C波段无线电信号特征约简

以C波段无线电信号数据库为研究对象,提出了一种新的数据离散化方法。将C波段无线电信号数据库转化为集值信息系统,然后借助于相容粗糙集理论实现了C波段无线电信号的特征约简与规则提取。     

集值信息系统基于描述子的优势粗糙集方法

在属性值域具有偏好信息的集值信息系统中提出一种新的知识获取方法。首先,在集值信息系统中提出了向上描述子与向下描述手概念,给出了向上描述子与向下描述子的相对约简,得到了计算相对约简的判断定理与区分函数。其次,给出了集值决策表的决策类的向上并与向下并基于向上描述子与向下描述子的知识近似,并通过粗糙近似得到了优势规则的提取方法。最后,通过一些数字实例对提出的方法进行了验证。     

集值信息系统基于描述子的优势粗糙集方法

在属性值域具有偏好信息的集值信息系统中提出一种新的知识获取方法。首先,在集值信息系统中提出了向上描述子与向下描述子概念,给出了向上描述子与向下描述子的相对约简,得到了计算相对约简的判断定理与区分函数。其次,给出了集值决策表的决策类的向上并与向下并基于向上描述子与向下描述子的知识近似,并通过粗糙近似得到了优势规则的提取方法。最后,通过一些数字实例对提出的方法进行了验证。     

基于粗集理论的数据约减算法及其改进

在分析基于信息系统的粗糙集理论的基础上，详细地描述了一种基于核的约减算法，接着从降低约减算法计算复杂度角度出发，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，修改了属性约减算法，并简要计算算法修改前后计算复杂度，实验结果表明，修改后的算法在降低时间复杂度的同时能求出次优属性集约简．     

粗糙集理论在数据挖掘中的应用

粗糙集理论作为一种新型软计算方法，可以有效地分析和处理具有不完备、不确定性特征的信息。已经在诸多领域得到成功应用．在简要介绍粗糙集基本理论的基础上，详细讨论了粗糙集在数据挖掘领域的应用进展．     

基于粗糙集的基因信号属性约简

为了解决k-mer频率在对DNA片段进行识别的过程中耗时长、效率低等问题,采用粗糙集的属性约简理论对DNA片段中提取的k-mer数字特征进行有效的约简优化,并对30个微生物菌株的全基因组进行了信号约简实验,结果证明本文所用方法能将原始的高维基因信号约简掉72.27%,准确率提升0.62%,运行时间缩短73.3%。     

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。     

基于Rough集联系度的决策表简化方法

提出了集合型Rough集（粗集）联系度的概念以及利用Rough集联系度对决策表进行条件属性简化和属性冗余值简化的计算步骤，通过算例说明方法比较的Rough集理论中使用范畴的相地简化方法更简单。     

并行遗传算法在粗糙集属性约简中的应用

遗传算法是一种全局优化的数值计算方法，它存在自然并行性．给出一种求解粗糙集属性约简问题的并行遗传算法，并在普通网络环境下实现．结果表明，并行遗传算法适合于求解问题规模较大及大数据样本点的数据约简问题．     

基于粗集理论的多因素数据分析

当利用不等重复的、散乱的数据去分析指标与多个因素之间的关系时，粗糙集合的有关理论，引入支持度作为因素和指标之间关联的度量，同时介绍了计算支持度的方法；提出了交互度的概念和计算方法，将其作为几个因素之间的交互效应对指标影响的度量．以农用车为例对其若干因素与性能之间的关联进行分析，说明了该方法实用可行．     

基于粗糙集理论的变压器故障诊断模型

综合考虑油浸电力变压器的溶解气体分析与电气试验得到的多种故障征兆，在分析大量变压器故障案例的基础上，建立了基于粗糙集的油浸电力变压器故障诊断的具体模型．针对变压器故障的复杂性以及信息的不完备性，对变压器的故障信息和故障类型进行分析总结，利用粗糙集进行约简可以得到诊断结果．实例表明该模型具有计算速度快、正判率高、结果直观等优点．     

基于粗糙集理论的变压器故障诊断模型

综合考虑油浸电力变压器的溶解气体分析与电气试验得到的多种故障征兆,在分析大量变压器故障案例的基础上,建立了基于粗糙集的油浸电力变压器故障诊断的具体模型.针对变压器故障的复杂性以及信息的不完备性,对变压器的故障信息和故障类型进行分析总结,利用粗糙集进行约简可以得到诊断结果.实例表明该模型具有计算速度快、正判率高、结果直观等优点.