粗集及其在知识发现中的应用

粗集理论在知识发现中的应用已成为知识发现研究的热点 .介绍了粗集的基本概念 ,包括粗集的定义、“属性 -值”系统、属性依赖与归约及粗集概念的若干推广 ,最后指出粗集理论在知识发现中的一个可能应用途径     

粗集理论及其在数据挖掘中的应用

粗集理论是一种新的处理模糊和不确定性的数学工具，在数据挖掘、机器学习、决策支持系统和模式识别等领域得到了广泛应用。文中在阐述了粗集理论的基本思想与特点的基础上，重点评述了粗集理论在数据挖掘中的应用状况以及未来的发展方向。     

粗集理论的现状与前景

本文讨论了粗集理论的基本概念,详细介绍了其在理论与应用方面的研究进展,并指出了粗集理论今后的一些研究方向。     

水工混凝土结构裂缝成因挖掘的粗集方法研究

裂缝是水工混凝土结构常见病害之一,针对水工混凝土结构运行期的裂缝问题,应用粗集理论,结合实测资料,对裂缝产生的主要原因进行了系统地研究,提出了裂缝成因挖掘的粗集方法.     

变异粗集与它的过滤特性

利用变异粗集的概念，提出了变异粗集粒度、过滤度的概念，讨论了变异粗集(X-(α),X-(α))与Z.Pawlak粗集(R-(X),R-(X))的粒度、过滤度的关系特征，给出了变异粗集粒度、过滤度的单调性定理.本文的讨论是对变异粗集理论的丰富与发展.     

变异粗集在集对分析中的应用

根据变异粗集方法，将粗糙集应用到集对分析理论中. 讨论了集对分析与变异粗集的结合方法，并通过一个例子来说明本文的可行性.     

基于知识的神经网络产生式规则的获取方法研究

将连续数据离散化并将已有知识规则的依赖度作为神经网络的初始权值,构建新的网络结构并对其动态训练,给出其具体网络训练算法.从训练后的网络权值中利用正确的分类及该网络结构具有的性质,从而给出其具体的规则抽取算法,并将抽取的具有冗余性的产生式规则利用粗集理论进一步对其精化处理,最后得出最简化的产生式知识规则.充分结合神经网络及粗集理论的优点,探索两者的有机结合无疑对智能信息处理系统的研究具有重要的现实意义.     

一种基于S-粗集的滚动工件调度

提出了一种基于S 粗集理论工件滚动调度策略 ,基于S 粗集理论的动态迁移特性和副集特性 ,研究了它在动态环境下滚动调度中的应用 .算例研究表明在有调度急加工工件、工件完成期改变和新加工工件到来等情况下 ,该方法是行之有效的 ,不仅能适应加工环境的动态变化 ,获得满意的调度结果 ,而且减少了调度问题求解的规模     

基于粗集方法的一种文字识别

文字识别作为模式识别的一个重要方面,其研究获得广泛重视。本文基于粗集理论的观点,把文字识别问题看作是模式识别中简化知识表态与信息分类处理问题,提出一种新的文字识别方法,这不仅对模式识别中如何提取有用特征是一种新的探索,而且对简化信息处理也是一种新的方法。本文介绍了基于粗集理论的文字知识表达的方法,探讨了模式识别中的特征提取及最小决策算法,并给出一人上文字识别的例子来说明这种有效的方法。     

S-模糊粗集

针对实际生活中人们所涉及的模糊的不确定的知识或概念,依据S-粗集理论,提出了S-模糊粗集,给出了S-模糊粗集的两类形式:单向S-模糊粗集,双向S-模糊粗集,最后介绍了该理论的一个简单应用。     

群中粗糙集的同态问题

自Z．Pawlak于1982年提出粗糙集的概念以来，粗糙集的理论与应用都在迅速发展．将粗糙集的思想引入到一个代数系统，可以按十分自然的方式导出所谓的粗糙代数的概念．Kuroki N首次提出了粗糙子群、半群中的粗理想等概念，但对有关同态问题研究不多．文章在Kuroki N定义的粗糙子群和粗正规子群意义下，进一步讨论了群中的粗糙集的同态问题．     

基于加细覆盖的广义粗糙集研究

覆盖广义粗集是Paw lak粗集理论的一种重要扩展.本文从拓扑学的角度,利用邻域系重新定义了广义粗集近似集的概念,并分析了这些近似集概念之间的差异;证明了在加细覆盖条件下,上、下近似集运算存在一些特别性质;给出了加细覆盖下近似集运算的公理化构造条件。     

一般关系下粗糙集空间上另一类映射的性质研究

讨论了一般关系下粗糙集空间上映射的拓扑性质，指出了从一个有限集到一般关系下粗糙集空间的映射，可以诱导出在此有限集上的一个二元关系，从而得到了两个粗集拓扑空间的映射。如果R是自反和传递的，则这个映射是连续的。如果这个映射是满射，则此映射是开的且把粗集映成粗集，粗集的原像还是粗集。     

变精度Rough Sets模型在数据挖掘中的应用

经典的粗糙集理论在进行分类时其类之间的分界线很严格,这样提高了知识属性对被研究对象识别分类的精度,但这种方式的容错能力很差,使得模型的实际适用性很弱.变精度粗糙集是对经典粗糙集理论的一种扩展,通过研究得出了知识的依赖程度饱和值不变约简法及信息熵不减约简法.     

相似关系下的模糊粗糙集

经典的模糊粗糙集是建立在普通等价关系基础上的，提出了普通相似关系下的模糊粗糙集，讨论了一系列性质，得到了几个有意义的结果．最后研究了模糊粗糙集的粗相等。     

变异粗集在集对分析中的应用

根据变异粗集方法，将粗糙集应用到集对分析理论中，讨论了集对分析与变异粗集的结合方法，并通过一个例子来说明本文的可行性。     

一般关系下粗糙集上映射的拓扑性质

讨论了一般关系下粗糙集模型上映射的拓扑性质，指出一般关系下粗糙集模型与一个有限集之间的映射，可以诱导出在此有限集上的一个二元关系，从而得到了两个粗集拓扑空间的映射。如果R是自反和传递的，则这个映射是连续的。如果是双射，则此映射是开的且把粗集映成粗集，粗集的原像还是粗集。     

基于粗糙集的生产环境数据挖掘系统方法

针对粗糙集确定性模型缺乏处理不确定信息的特点，Z．Pawlak等提出了粗糙集的概率模型，但该模型没有包括如何处理生产数据集纷繁复杂数据的方法，因此提出了应用粗糙集于生产环境数据挖掘的一种系统方法，并应用UCI的数据集对该方法进行了检验，实验结果体现了它的性能与有效性。     

模糊粗糙集的扩张定理

模糊粗糙集(FR)是基于知识的不确定性提出来的，由于其处理信息系统中知识的不完善、不确定问题较粗糙集和模糊集有其自身的优点，近年来模糊粗糙集理论越来越受到国际学术界的关注，文章所讨论了模糊粗糙变换的性质并用模糊粗糙变换的保并性质证明了模糊粗糙集的扩张定理。