基于模糊粗糙集依赖度的两步属性约简方法

为获取连续属性值数据集的最小属性子集,提出了一种两步约简方法.该方法以模糊粗糙集模型为基础,将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展,使其能对条件属性之间的依赖关系进行度量,利用属性与类别之间的依赖度选出候选属性集,然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简.仿真结果表明,该方法在有效降低属性维数的同时一定程度上保证了分类正确率.     

基于模糊集和粗糙集理论的企业免疫力评价

借鉴免疫学理论,在前人研究的基础上,对企业的免疫力进行了初步探讨,并构建了企业免疫力评价指标体系。将模糊集与粗糙集理论有机结合起来,运用模糊识别对指标进行模糊定性,运用粗糙集依赖度理论进行属性约简,并赋予属性权重,建立综合评判式。最后通过实例验证了该方法的实用性和可行性,为企业免疫力的评价提供了新的思路。     

建立在粗糙集和模糊综合评判模型下的客户信用评价

客户信用关系是企业客户关系管理的重要内容。本文提出了结合粗糙集及模糊综合评判的模型对客户进行信用评价的方法。针对客户信用评价指标体系,借助粗糙集理论,进行指标属性约简、确定权重,并利用模糊综合评判对客户进行评价。该方法在一定程度上克服了传统权重确定的主观性,提高了评估的效率和准确性。最后,引入一个算例阐明了该模型的合理性。     

一种基于粗集的模糊系统设计方法

利用粗糙集理论可以高效地进行属性约简和规则提取，并且在规则提取过程中能自动的生成各规则的强度，针对模糊系统设计过程中输入变量的约简、模糊规则难以提取等问题，将粗糙集理论与模糊集理论相结合，提出了一种基于粗集设计模糊系统的方法，并给出了具体的设计过程；最后给出了该设计方法的应用，结果表明了该设计方法的有效性．     

一种基于粗集的模糊系统设计方法

利用粗糙集理论可以高效地进行属性约简和规则提取，并且在规则提取过程中能自动的生成各规则的强度，针对模糊系统设计过程中输入变量的约简、模糊规则难以提取等问题，将粗糙集理论与模糊集理论相结合，提出了一种基于粗集设计模糊系统的方法，并给出了具体的设计过程；最后给出了该设计方法的应用，结果表明了该设计方法的有效性．     

基于粗糙集与条件信息熵的大坝安全融合评价模型

权重的确定是大坝安全多效应量融合评价研究中的关键性问题,已有的权重确定方法存在过于依赖先验知识的缺陷,基于此,从概率论和信息论的角度,将大坝安全监测多效应量融合评价视为一个随机系统和不完备信息系统,利用粗糙集理论和条件信息熵理论在处理随机性和不完备性方面的优势,以权重研究为核心,建立大坝安全多效应量融合评价模型,并给出了一个实例分析,为大坝安全评价提供一条新的研究思路和途径.基于粗糙集和条件信息熵的权重确定方法既能体现属性指标在属性指标集中的重要程度,又能体现属性指标对于属性决策集的重要程度,因而更加全面和合理.     

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。     

基于依赖决策熵的决策树分类算法

针对传统的基于信息熵的决策树算法所存在的问题,本研究从粗糙集理论的角度来考虑信息熵,定义了依赖决策熵的概念,并提出一种基于依赖决策熵的决策树算法DTDDE。在DTDDE算法中,采用依赖决策熵的概念来度量每个条件属性的重要性,并选择重要性最大的属性作为当前的分离属性。通过在多个UCI数据集上的实验表明:与现有的决策树算法相比,本研究所提出的算法能够获得更好的分类性能。     

粗糙集数据分析系统的程序实现

粗糙集理论是一种新的处理不精确、不完全与不相容知识的数学工具。首先简述基于粗糙集方法的数据分析系统的基本构成,分析了粗糙集中连续属性离散化的方法,实现了连续属性数据进行数据离散化。围绕不可区分关系和相对正区域两个核心概念,通过知识之间的依赖程度,提出了粗糙集数据分析的算法,通过比较属性约简的数目,选择最少属性数量的约简结果。得到了求取相对核、上(下)近似集、等价关系、相对重要度、属性相对约简、范畴相对约简、最小决策规则等的各种算法的程序实现。给出了利用MATLAB实现该系统约简化、核及最小决策规则的程序。最后给出实际工程系统的程序运行结果,对滚动轴承故障诊断的仿真实例表明,该方法简化了诊断规则,得到较高的故障诊断正确率。对推动粗糙集理论在具体实践中应用具有实际意义。     

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.     

Multi-hierarchical fuzzy judgment and nested dominance relation of rough set theory-based environmental risk evaluation for tailings reservoirs

Environmental risk assessment of tailings reservoir assessment system is complex and has many index factors.In order to accurately judge surrounding environmental risks of tailings reservoirs and determinate the corresponding prevention and control work,multi-hierarchical fuzzy judgment and nested dominance relation of rough set theory are implemented to evaluate them and find out the rules of this evaluation system with 14 representative cases.The methods of multi-hierarchical fuzzy evaluation can overall consider each influence factor of risk assessment system and their mutual impact,and the index weight based on the analytic hierarchy process is relatively reasonable.Rough set theory based on dominance relation reduces each index attribute from the top down,largely simplifies the complexity of the original evaluation system,and considers the preferential information in each index.Furthermore,grey correlation theory is applied to analysis of importance of each reducted condition attribute.The results demonstrate the feasibility of the proposed safety evaluation system and the application potential.     

基于犹豫模糊集的飞机驾驶舱形态评价

为了解决飞机驾驶舱形态设计过程中,飞行员存在的认知偏好描述困难及决策犹豫的问题,提出基于犹豫模糊集的飞机驾驶舱设计形态综合评价方法. 通过对驾驶舱设计形态的认知需求分析,建立了驾驶舱设计形态认知需求的属性特征体系;利用粗数评价模型得到影响驾驶舱设计形态认知偏好的评价指标,提取驾驶舱关键部件设计形态特征线,获取了驾驶舱关键部件设计形态的核心特征,进一步结合驾驶舱设计形态的认知偏好评价指标,获取综合决策评价值;采用认知熵理论修正评价指标权重,构建集结犹豫模糊评价模型,从而得到复合认知偏好下的驾驶舱设计形态优先级排序. 与5种同类评价算法进行比较及一致性检验,结果表明本研究所提方法具有良好的可靠性且能有效解决评价信息的犹豫性,能够较好地实现对飞机驾驶舱设计形态认知偏好的精确评估.     

基于包含度的区间直觉模糊粗糙集模型

利用区间直觉模糊包含度的概念建立区间直觉模糊粗糙集模型。首先,将直觉模糊集中的包含度拓展到区间直觉模糊集上,给出区间直觉模糊包含度定义和计算公式;其次,在区间直觉模糊等价关系下,基于区间直觉模糊包含度,建立了区间直觉模糊粗糙集模型,并对近似算子的重要性质进行了讨论。     

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。     

关系积理论及属性约简算法

属性约简是粗糙集RS (rough set)理论的重要研究内容.决策表的最小属性约简是NP-hard问题.本文基于集合理论,提出了关系积概念,把决策表的属性约简过程转化为关系积的运算,充分利用关系积的相关性质,提高了关系积属性约简算法的效率.     

一种不完备信息系统的约简方法

提出了一种基于覆盖粗糙集理论、利用最大一致块技术进行不完备信息系统约简的方法。在证明利用最大一致块技术生成的相容类构成论域的最简覆盖基础上,利用覆盖粗糙集理论对已利用最大一致块技术进行属性约简的信息系统进行属性值约简,并提出一种新的约简算法。     

粗糙集理论在关键功能零件识别中的应用

关键功能零件的识别可以提高装配体模型检索的效率并提高重用水平,同时为自主设计提供关键参考信息.为降低人为因素的影响和评价的主观性,本文提出了一种基于粗糙集理论的关键子装配功能零件的自动识别方法,利用装配体模型自身数据对功能零件的排序过程进行驱动.分析、讨论复杂装配体中零件类型与零件之间的装配连接关系,构建了基于复杂网络的装配体模型;提取各零件节点的拓扑结构层和零件属性层数据及零件类型作为条件属性和决策属性;使用基于动态层次聚类的算法对零件决策信息表进行离散化处理,并利用基于属性重要度的启发式约简算法进行知识挖掘,消除冗余条件属性,获得属性约简集及其相应的属性权重;通过综合评价形成了具有关键功能的子装配零件重要度排序.以蜗轮蜗杆减速器模型为例验证本文算法,结果表明:最终的排序结果与专家打分法的结果一致,而本文方法的整个识别过程依靠装配体模型数据自身驱动,降低了主观因素影响,更具有客观性和普适性.     

云服务模式下设计方案的优选决策方法

针对云服务模式下设计方案在多目标优选决策过程中未能充分考虑到用户多元化和差异性的需求问题,提出结合质量功能配置和粗糙集理论的设计方案优选决策方法. 该方法在分析云服务模式的基础上,引入用户参与的设计决策过程方式和模糊评价机制,对用户需求进行聚类分析和智能转化. 建立面向用户需求的设计方案评价指标体系,对网络化协同设计过程中的设计方案评价指标的重要度进行准确量化. 遵循科学性与系统性相结合的原则,提出云服务模式下设计方案优选决策三阶模型. 结合粗糙集理论和粗糙逼近理想解法,对该模型进行求解. 以云服务平台上的游艇设计方案为例,验证该方法的有效性和可行性.     

一种基于粗糙集和模糊推理的生活方式病检查模型

为了实现从大量的医学数据中获取有效的知识并形成规则和做出正确的推理,提出了一种基于粗糙集和距离型模糊推理进行生活方式病检查的模型.采用改进的依赖度属性约简算法研究属性约简,去掉不必要属性,减小规则库规模,提高粗糙集知识发现方法在医疗健康数据上的分类效率和准确性.采用距离型模糊推理方法匹配知识库中已有规则,计算规则和给定事实的距离进行推理检查,构建距离型模糊推理的检查系统.通过实验数据描述了知识库的构建过程,并验证了模型的有效性.