决策表中规则获取的不确定性研究

知识获取的不确定性主要来源于有限的分辨能力以及对于数据描述的不确定性。首先将Ｒｏｕｇｈ集理论与不确定问题中的证据理论以及模糊集合理论进行比较,然后介绍不确定性数据的模糊描述。通过引入模糊区别矩阵和扩展近似集方法延伸了Ｒｏｕｇｈ集理论,并从模糊决策表中导出合理的决策规则。     

多Agent系统中基于Rough集的推理

定义了多Ａｇｅｎｔ系统中的推理模型,建立了在该模型下的Ｒｏｕｇｈ集和基于Ｒｏｕｇｈ信方法的Ｒｏｕｇｈ包含计算或称集合连接计算,在知识发现和数据挖掘中,集合之间往往不是给出它们的相等性,而是讨论它们之间的Ｒｏｕｇｈ包含或连接。因为在不同的Ａｇｅｎｔ中集合之间关系的精确和一致解释往往是不容易获得的。一般说来,一条基于决策表上的规则,满足前提公式个体的集合包含于满足结论公式个体的集合常常是用一种支持值和     

基于相对决策条件的规则提取方法

定义相对决策条件的概念,对相对决策条件集进行规则合,提出决策表的规则提取方法。在对决策表约简的过程中,通过构建决策类之间的分明矩阵,计算决策类之间的相对决策条件,合并相对决策条件找出所有决策类的决策规则。分析结果表明,该方法能减少计算规模和存储空间,并可得到决策表的所有最小约简。     

带权决策表的属性约简

属性约简是粗糙集理论的重要应用。考虑将决策表中的每行都作为一条决策规则时，若把表中出现相同决策规则的次数作为权，可得到带权决策表。提出了关于带权决策表的正域约简相应的辨识矩阵并给出了证明，从而得到了约简算法。相比于决策表中的正域约简时发现，通过将决策表转化为带权决策表后，再利用算法1进行约简时，其在一定程度上优于前者。提出了近似分类精度约简相应的辨识矩阵并给出了证明。对于2个算法，在选取的UCI数据集上进行了实验验证。通过实验进一步说明了所提出算法的可行性和有效性。     

不完备信息系统中知识获取算法

粗糙集理论是一种新的处理模糊和不确定知识的软计算工具.应用粗糙集理论,可以将隐藏在系统的知识能够以决策规则的形式表达出来.根据粗糙集上下近似的概念,决策规则能够分成确定性规则和可能性规则两种.本文将介绍从不完备信息系统中知识获取的算法,通过这些算法能够从不完备决策表中生成一种确定性的规则和两种可能性的规则,同时也介绍了不完备决策表中描述约简的算法.     

基于模糊聚类方法的决策表约简算法

根据决策规则在实际应用中的匹配思想,对数值型一致决策表提出了一种基于模糊聚类方法的决策表约简方法.该方法在保持决策表一致性的前提下,通过冗余度大小的调整,对具有相同决策的对象进行压缩,从而达到对决策表约简的目的.基于计算相关规则的直接分类法验证结果显示,它是有效和可行的.     

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。     

粒计算中决策规则的提取

为从决策表中获取最简决策规则,在研究粒计算理论的基础上,提出了一种基于粒计算的决策规则提取算法。该算法通过引入λ阶粒库的概念,利用粒计算的方法对由同一决策表所生成的粒库,从不同的角度和多个层次进行研究,尝试从较低阶的粒库中提取出尽可能多的具有一定规则覆盖度与置信度的简洁规则。最后通过实例验证了该算法的有效性。     

一种从海量不完备决策表中抽取规则的方法

提出了一种处理海量的不完备决策表的方法。将基于互信息的属性重要度作为启发式信息,利用遗传算法对不完备的原始决策表中的条件属性进行约简,形成包含missing值的决策表,称为优化决策表。利用原始决策表自身的信息,通过属性扩展,从优化决策表中抽取一致性决策规则,而无须计算missing值。该方法在UCI的8个数据集上的实验结果优于EMAV方法,是一种有效的从海量不完备决策表中抽取规则的方法。     

知识约简的一种启发式算法

知识约简是Ｒｏｕｇｈ Ｓｅｔ理论研究中的核心内容之一,现已证明了寻找决策表的最小约简是ＮＰ－ｈａｒｄ问题,文中首先从信息的角度,对决策表中属性的重要性给出度量;在此基础上,提出了一种基于互信息的知识相对约简的启发式算法,并指出算法的复杂性是多项式的;最后,通过     

基于粗糙集信息等价矩阵的关联规则挖掘

利用粗糙集理论,从矩阵分析的角度来挖掘决策表蕴含的信息,引入粗糙集信息等价关系的同构映射——等价矩阵,等价矩阵可看作是等价关系在信息表内的知识表达。给出了等价矩阵的求取算法以及等价矩阵意义下的属性重要度和核的概念。设计了基于等价矩阵的决策信息表的最小属性约简算法。从等价矩阵本身相关操作运算来挖掘客观知识之间的关联模式,提出了基于信息等价矩阵的关联规则提取的算法。实例证明提出的算法有效,为进一步研究决策信息系统的规则提取和决策算法提供了可行的计算方法。     

基于粗糙集理论的计算机图像识别系统

为解决专家系统较难获取完备知识的瓶颈问题,设计了一种基于粗糙集理论的诊断系统。研究历史数据所形成的决策表,运用粗糙集理论进行约简,构建专家系统知识库模型。通过计算诊断规则粗糙度,确定诊断规则的置信程度。利用推理机,实现对知识库的动态维护。结合诊断的特点,建立基于粗糙集理论的专家诊断系统模型,快速准确地实现诊断的目标。实例表明,该专家诊断系统有效、实用,具有很好的学习能力。     

Developing soft sensors using hybrid soft computing methodology: a neurofuzzy system based on rough set theory and genetic algorithms

This paper presents a hybrid soft computing modeling approach, a neurofuzzy system based on rough set theory and genetic algorithms (GA). To solve the curse of dimensionality problem of neurofuzzy system, rough set is used to obtain the reductive fuzzy rule set. Both the number of condition attributes and rules are reduced. Genetic algorithm is used to obtain the optimal discretization of continuous attributes. The fuzzy system is then represented via an equivalent artificial neural network (ANN). Because the initial parameter of the ANN is reasonable, the convergence of the ANN training is fast. After the rules are reduced, the structure size of the ANN becomes small, and the ANN is not fully weight-connected. The neurofuzzy approach based on RST and GA has been applied to practical application of building a soft sensor model for estimating the freezing point of the light diesel fuel in fluid catalytic cracking unit.     

粗集中的粒计算模型

粒计算是一种基于问题概念空间划分的新的智能计算理论和方法,不相容决策表是粗集理论研究的一个重点,而粗集中的等价关系可以用来刻化等价粒.结合粒计算的处理方法给出了决策表信息系统的粒表示、粒运算规则和粒分解算法,同时结合粗集中的属性核计算方法,提出了决策表信息系统在粒表示下属性核的获取方法.     

基于粗糙集的快速车牌字符识别技术

为了解决传统识别技术在车牌字符识别时效率低的问题,本文提出了一种基于粗糙集高效属性约简算法的快速车牌识别技术,该方法首先根据训练样本集的特征向量建立决策表并对决策表进行二次离散化处理,然后应用粗糙集理论对决策表进行高效属性约简,最后从约简后的决策表中获取决策规则,按照规则可信度的大小进行规则的匹配。实验表明该方法有效地压缩了图像的特征数,并简化了规则匹配算法,提高了字符识别率及识别速度,在车牌字符识别中取得了较好的识别效果。     

基于粗糙集和神经网络理论的规则提取算法

提出了一种基于粗糙集和神经网络组合进行规则提取的方法。首先对初始数据集进行离散化,并利用粗糙集对决策表中的条件属性进行初步约简,然后利用神经网络对数据进行学习和预测,并通过删除网络不能分类的数据来对决策表中的噪声进行过滤,最后再由粗糙集值约简算法进行规则提取。实验表明,该方法相对于传统规则提取算法快速有效,在保留神经网络高鲁棒性的同时,避免了从神经网络中提取规则的困难。     

基于Rough下和上近似的距离函数的数据约简

基于 Rough下和上近似集 ,本文定义了一个关于下和上近似的距离函数 ,并利用它可将属性值区间化 ,从而可以构造一个基于这个距离函数的数据挖掘模型。它将被应用于各类数据库中的数据约简。本文还讨论了带 Rough决策因子的决策规则 ,它是作决策的依据。它与MYCIN系统中的可信度因子类似 ,不同的是这个 Rough决策因子可通过数学公式计算出来 ,而可信度因子则不然。我们用这个模型开发了一个中医诊疗系统 ,目前正在临床和教学中试用。     

一种基于CHI值特征选取的粗糙集文本分类规则抽取方法

结合文本分类规则抽取的特点，给出了近似规则的定义。该方法首先利用CHI值进行特征选取并为下一步特征选取提供特征重要性信息，然后使用粗糙集对离散决策表继续进行特征选取，最后用粗糙集抽取出精确规则或近似规则。该方法将CHI值特征选取和粗糙集理论充分结合，避免了用粗糙集对大规模决策表进行特征约简，同时避免了决策表的离散化。该方法提高了文本规则抽取的效率，并使其更趋实用化。实验结果表明了这种方法的有效性和实用性。     

基于层次决策表增量学习算法的网络入侵检测

针对网络入侵检测系统面临的检测规则更新问题,提出一种解决方法,用粗糙集层次决策表表示系统的入侵检测规则,利用其增量学习算法完成新规则的学习。仿真实验结果表明,与仅用决策表规则的系统相比,使用层次决策表表示规则的系统所用的训练时间更短,漏报率低,对于Probe和R2L&U2R入侵具有更好的检测效果。     

一种基于粗糙集理论的最简决策规则挖掘算法

研究粗糙集理论中可辨识矩阵，扩展了类别特征矩阵，提出一种基于粗糙集理论的最筒决策规则算法．该算法根据决策属性将原始决策表分成若干个等价子决策表．借助核属性和属性频率函数对各类别特征矩阵挖掘出最简决策规则．与可辨识矩阵相比，采用类别特征矩阵可有效减少存储空间和时间复杂度。增强规则的泛化能力．实验结果表明，采用所提出的算法获得的规则更为简洁和高效．