基于相似Rough集的模糊检索策略

Ｒｏｕｇｈ集理论作为一种具有模糊边界的集合理论，被广泛运用于不确定环境下的信息处理。文章探讨了一种基于相似关系Ｒｏｕｇｈ集的模糊查询技术，它是对普通Ｒｏｕｇｈ集在数据库中应用的推广，能有效地提高查询的灵活度及效率。     

基于Rough集的Rough数及λ算子的逻辑价值

本文在介绍Ｒｏｕｇｈ集基础上，提出了基于Ｒｏｕｇｈ集理论的Ｒｏｕｇｈ数概念及其运算法则，并给出了这种Ｒｏｕｇｈ数应用实例及其近似程度算子λ在Ｒｏｕｇｈ逻辑中的理论价值。     

一种基于Rough集理论的数据过滤方法

Ｒｏｕｔｈ集理论是一种处理不确定模糊知识的重要工具,在对Ｒｏｕｇｈ集理论进行深入研究的基础上,提出了一种基于Ｒｏｕｇｈ集理论的这滤算法。该处 工硒思想是基于Ｐ－确定的等价类的合并,算法直观,计算简便,理论和实验表明,该算法能够减低信息系统中信息的粒度,在保持规则近似质量不变的前提下,有效地提高规则的统计意义和预测强度。     

《Rough集及Rough推理》

Ｒｏｕｇｈ集理论是一种处理含糊和不精确性问题的新型数学工具 .对人工智能和认知科学似乎是十分重要的 ;尤其在机器学习、知识发现、归纳推理、模式识别等领域的应用更为突出 :许多重要的国际会议或研讨班都把它列入其研讨和交流的主要内容 .当前国内外学者已公认 ,该理论是研究数据挖掘、知识约简、信息Ｇｒａｎｕｌｅｓ和Ｇｒａｎｕｌａｒ计算的理论基础 ,是当前国内外计算机及相关专业的学者和科技人员的研究热点 .本书共分 7章 ,分别介绍了Ｒｏｕｇｈ集的基本概念、Ｒｏｕｇｈ关系、Ｒｏｕｇｈ函数及广义Ｒｏｕｇｈ集 ;数据约简的各种…     

科学地形成系统的综合评价指标体系--Rough集的应用

本文提出了基于Ｒｏｕｇｈ集的Ｒｏｕｇｈ决策规则,并以此为理论讨论了对评价指标体系的指标属性进行简化,从而科学地形成综合评价指标体系。     

Rough集及在近似推理中的应用

本文介绍了Ｒｏｕｇｈ集的基本概念,阐述了Ｒｏｕｇｈ集与信息系统之间的关系,构造了一个基于Ｒｏｕｇｈ近似的距离函数,并使属性值区间化,且略述了开发的中医诊断专家系统,最后,展望了Ｒｏｕｇｈ集的研究前景。     

近似精度Rough数及其在DSS中的应用

本文在介绍Ｒｏｕｇｈ集基础上，用Ｒｏｕｇｈ下和上近似集定义了近似精度Ｒｏｕｇｈ数及其运算法则。并举例说明了这种新构想的Ｒｏｕｇｈ数被应用于ＤＳＳ（决策支持系统）中颇有新意。最后，阐述了近似精度μ将使Ｒｏｕｇｈ逻辑的五值被扩充为多值。     

基于模糊-粗糙集的移动对象k近邻预测

已往移动对象k近邻预测的研究中,有各种不确定性的分析以及对象本身预测位置不确定性的处理,而预测位置模糊不确定性导致其k近邻查询边界的粗糙不确定性的相关处理仍是空白.本文应用模糊一粗糙集的理论,先分析了已有方法得出的预测位置的模糊性,再用传统方法求得基于预测位置的扩展k m近邻集,最后借助模糊一粗糙隶属函数来最终确定所求k近邻集合中的各个点.实验数据表明,本方法明显提高了k近邻集合相对移动对象实际位置的精确度.     

不确定性数据上频繁项集挖掘的预处理方法

传统频繁项集挖掘技术无法高效获取不确定性数据中有价值的信息。通过研究频繁模式增长树的算法原理,根据不确定性数据的特点提出了一种有效的不确定性数据预处理方法PCAFP-Growth。利用主成分分析的方法进行数据的降维,并使用模糊关联分析法将数据概率进行分类,实现数据剪枝。在理论研究基础上,通过实验对数据集进行了验证。结果表明,基于主成分分析法的剪枝策略在稠密数据集上能够有效提高运算速度,减少内存的使用。     

基于Rough集的模态逻辑及其近似推理

本文在Ｒｏｕｇｈ集上定义模态逻辑,并将这种逻辑的真值解释在Ｒｏｕｇｈ集上,使得古黄模态逻辑的必然和可能真值统一为Ｒｏｕｇｈｌｙ真值。文章还阐述了这种真值在近似推理中的应用。     

基于改进分辨矩阵的增量式数据挖掘模型研究

粗糙集理论是近年来出现的处理模糊和不确定性的数学工具,并已广泛应用于人工智能的许多领域。文章针对在增量式数据环境下挖掘决策规则的特点,在回顾基于分辨矩阵的数据挖掘算法及其不足的基础上,利用决策矩阵的概念有效地处理具有不同决策类的各种决策系统。在此基础上提出相应的对每一个决策类建立决策矩阵的增量式挖掘算法,最后利用算例验证了算法的合理性和有效性。该算法步骤同传统的分辨矩阵算法相比,能在增量式环境下快速而有效地进行确定性规则和可能性规则的学习并对可能性规则建立相应的置信度,使规则的获取更具实用性。     

一种不确定性规则挖掘的混合方法及其应用

为了在含有连续条件属性的决策表中挖掘和应用决策规则,通过采用互信息熵作为模糊聚类的截距值选定准则,对信息系统对象集进行模糊聚类划分,并根据粗糙集的有关概念,确定基于截距的近似集和边界,从中挖掘出不确定性决策规则,进一步建立决策知识库。最后以该知识库为识别模型,结合模糊隶属度的计算和不确定性推理进行地层识别,取得了令人满意的效果。     

基于粗糙集与贝叶斯决策的不良网页过滤研究

不良网页过滤是一种两类网页分类问题。提出了一种基于粗糙集与贝叶斯决策相结合的不良网页分类过滤方法,首先利用粗糙集理论的区分矩阵和区分函数得到网页分类决策的属性约简;然后通过贝叶斯决策理论对网页进行分类与过滤决策。仿真实验表明,该方法在不良网页分类过滤系统中开销小,过滤准确度高,因而在快速过滤不良网页的应用中具有工程应用价值。     

Attribute selection with fuzzy decision reducts

Rough set theory provides a methodology for data analysis based on the approximation of concepts in information systems. It revolves around the notion of discernibility: the ability to distinguish between objects, based on their attribute values. It allows to infer data dependencies that are useful in the fields of feature selection and decision model construction. In many cases, however, it is more natural, and more effective, to consider a gradual notion of discernibility. Therefore, within the context of fuzzy rough set theory, we present a generalization of the classical rough set framework for data-based attribute selection and reduction using fuzzy tolerance relations. The paper unifies existing work in this direction, and introduces the concept of fuzzy decision reducts, dependent on an increasing attribute subset measure. Experimental results demonstrate the potential of fuzzy decision reducts to discover shorter attribute subsets, leading to decision models with a better coverage and with comparable, or even higher accuracy.     

不完备决策表的启发式知识约简算法研究

经典Rough集理论是基于完备信息系统的。然而在实际应用中,由于数据存取或数据处理方面的原因,决策表经常是不完备的,即存在缺值。为了处理不完备信息系统,Kryszkiewicz提出了基于容差关系的Rough集模型。在该模型下进行知识约简时,现有的算法一般都采用构造区分矩阵和相应区分函数的方法。该方法虽然可以求得所有约简,然而业己证明这是一个NP-hard问题,因此实践中更为可行的方法是利用启发式搜索算法求出最优或次最优约简。在文中提出属性的重要性定义,并以此作为启发式信息,设计一种完备的知识约简算法。     

基于Rough集的规则学习研究

Rough Sets方法是一种处理不确定或模糊知识的重要工具,本文在对Rough Sets理论进行深入研究的基础上,提出了一种基于Rough Sets的自增量学习算法,该算法利用简化的差异矩阵和置信度,能较好地进行确定性规则和非确定性规则的学习。     

基于粗糙集的旋转机械故障诊断方法研究——使用明析矩阵的属性值约简新方法

论文探讨了旋转机械故障诊断中,用粗糙集理论进行知识获取的方法。粗糙集理论在知识获取方面有很多的优越性能。在使用粗糙集理论进行知识获取时,决策表约简是关键一步。明晰矩阵可以进行属性约简和属性值约简。但是使用明晰矩阵存在占用存储空间大,运算时间长的缺点。论文提出了一种基于明析矩阵的属性值约简新算法。这种算法能够有效地缩短计算时间和节约存储空间,操作简便。     

属性约简在高校就业决策分析中的应用

粗糙集理论是一种采用新方式来研究不精确、不确定性知识的数学工具。属性约简的计算是粗糙集理论中的一个重要问题。描述基于粗糙集的属性约简的相关概念,包括核、约简、分类精度;通过分析多种属性约简算法,结合可辨识矩阵和逻辑运算,提出了一种属性约简算法;围绕高校中的管理信息系统,利用该算法抽取与学生就业相关的数据信息,给出了影响学生就业的各条件因素与工作方向之间的依赖关系和约简后的数据表;获取相关规则得出结论,取得了良好的效果。     

基于布尔函数的Rough集差别矩阵属性约简方法

Rough集理论是对大型数据库进行知识发现的主要方法之一。根据属性集核和相对等价类的概念,对数据库属性集中的属性进行约简,提取相应的规则(知识),是用Rough集知识发现的精髓。该文基于Rough集差别矩阵,提出了属性集的布尔函数的构造方法,并应用吸收律、分配律和等幂律对属性集布尔函数化简。论文证明了属性集布尔函数的化简与属性集的差别矩阵约简等价,同时给出了求相对决策属性基本集的算法和IRIS提供的数据仿真实验结果。     

Rough集综合评价法在评标决策系统中的应用

粗糙集是继概率论、模糊集、证据理论之后的又一个处理含糊和不确定性的数学工具.本文分析将粗糙集应用于评标过程的科学性及决策特点,提出了利用粗糙集进行系统评标的方法.首先对评价的定量指标和定性指标分别进行离散化处理,然后应用粗糙集理论中基于核值的属性约简及规则提取技术,形成评标决策规则,用于粗选候选企业.