智能决策支持系统中的知识表示及基于粗集的推理

探讨了在智能决策支持系统中的知识表达系统以及数据粗集理论分析处理海量信息中信息的有用特征,通过分析、推理产生最小决策规则。最后以EDUDSS中农村小学布局决策为例作实例分析。     

基于粗集的IT项目风险决策中知识推理方法

针对IT项目的风险管理与决策过程中存在大量不确定、不完全信息等特征,论文在传统决策方法的基础上,将智能决策支持系统(IDSS)引入到IT项目的风险管理中,提出了IT项目风险智能决策支持系统(ITIDSS)的基本构架。并借助粗糙集的原理与方法,通过实例分析,探讨了ITIDSS中关于知识表达、属性约简、规则挖掘等信息获取与知识推理的算法,尤其是引入了有效规则权重的概念与计算方法,从而对整个决策规则挖掘的算法进行了简化和改进。     

基于粗集理论的决策支持系统研究

粗集作为一种数据分析方法,能有效地从不精确的、不完整的数据中发现知识。决策支持系统涉及到对不确定因素和对不完备信息的处理。应用粗集理论可以在决策支持系统中对不完备数据进行分析、推理,提取有用特征,简化信息处理,得出肯定结论。     

基于粗糙集理论的智能决策支持系统

本文着重介绍了基于粗糙集理论的智能决策支持系统的总体结构及其各个模块的功能。首先介绍了智能决策支持系统产生的背景．即人工智能技术和决策支持相结合而产生的。粗糙集理论是研究不完整、不确定知识并口．数据的表达、学习、归纳的理论和方法，适合于发现数据中隐含的、潜在有用的规律，即知识，找出其内部数据的关联关系和特征，因此在智能决策支持系统中发挥着重要作用。     

一种基于Web用户不完备信息的规则获取方法研究

Web日志是一个很不完全且存在多样性特点的数据集,在获取决策规则的过程中经常会出现不一致、不完全规则的情况.提到了粗糙集理论,利用粗糙集理论在处理不完全知识上的特有优势来解决此种问题.首先把重要的用户行为特征值离散化作为属性值和值的约简,然后通过粗糙集缺省规则获取算法获得决策规则.其中条件属性的提取主要是一个对用户行为观察和分析的结果,而离散化处理方法就是应用粗糙集理论中的典型方法.这种处理方法有利于最后规则提取的进行,经过实例分析效果良好.     

粗糙集在大同房地产市场分析中的应用

粗糙集理论具有很强的定性分析能力,能够有效地表达不确定的或不精确的知识,善于从数据中获取知识,并能利用不确定、不完整的经验知识进行推理。利用粗糙集理论,以房地产信息为实例,通过粗糙集的属性约简和规则提取方法,得到更多房地产信息中潜在的规律,为购房者提供更多的参考。     

基于粗糙集与AHP理论的IT项目风险群决策

针对IT项目的风险管理与群决策过程中存在大量不确定、不完全信息等特征,在传统决策方法的基础上,将粗糙集方法与AHP理论相结合,提出了粗集IT项目风险群决策的基本步骤,并借助粗糙集的原理与方法,通过实例分析探讨了IT项目风险群决策中关于知识表达、属性约简、规则挖掘、方案排序等方法,尤其是引入属性动态权重、专家主观权重、客观权重的概念与计算方法,进而对整个决策排序算法进行了改进。     

利用粗糙集理论实现工艺决策的冲突消解

根据粗糙集理论在解决不确定性问题方面的特性,引入了基于粗糙集理论的工艺知识度量方法,构造了度量工艺规则相似性的规则距离公式,并在分析工艺决策中传统冲突消解策略的基础上,建立了工艺决策推理过程中规则集约简的方法．与匹配度排序方法的比较表明,文中方法可有效地解决工艺决策中冲突消解的问题．     

基于拓展粗糙集的不完备表的规则挖掘及应用

实际应用中常存在缺省属性值的不完备信息系统,如何从不完备信息系统中挖掘有用规则是一个非常有价值的问题。粗糙集理论是一种有效的数据挖掘手段,但经典粗糙集缺乏对不完备信息系统的处理能力。在粗糙集拓展的基础上,设计出从不完备决策表中挖掘出有用规则的算法,并将其应用到银行贷款决策中不完备决策表的实例分析中。     

基于粗糙集联系度的数据挖掘算法及应用研究

粗糙集理论和模糊集理论都是用来处理不完整和不确定信息的理论，两者都可用来观察、测试数据并进行推理。将集对分析中的联系度概念应用于粗糙集中，说明了粗糙集联系度与下近似集和上近似集的值化的关系。文中分析了专家系统中规则抽取中存在的困难，用粗糙集理论和集对分析理论解决专家系统中规则的抽取和过滤问题，提出了一种新的规则提取方法，并给出了一个应用实例。     

一种基于PCA和RS的文本过滤方法

本文提出一种文本过滤方法,即首先利用PCA(主成分分析)的方法进行文本特征抽取,在此基础上运用RS中决策表上的规则推理方法,发现规则并形成规则库,对于新进来文档将其条件属性与规则库里规则进行相似匹配,进行文本过滤。实验结果表明,此方法用于垃圾邮件过滤能取得很高的正确率和召回率。     

一种基于SVD和Rough集的信息过滤方法

论文提出了一种信息过滤方法,即在奇异值分解(SVD)的基础上,运用粗糙集(Rough Sets)理论进行信息过滤。通过对词语×文档矩阵进行奇异值分解得出近似矩阵,改变了一些词语在相应文档中的重要性,从而使得词语更好地体现文档内容。然后运用粗糙集理论中决策表上的规则推理方法,生成人们感兴趣信息的规则库,将未知文档的条件属性与规则库中的规则进行相似匹配,进行信息过滤。实验表明,该方法在准确度方面比传统的VSM和LSI要好。     

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.     

粗糙集理论在故障诊断规则获取中的应用

本文的目的是给出一种利用粗糙集理论解决故障诊断的规则获取问题的方法 ,该方法的特点是可以处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取 .以规则形式表示的知识接近于人脑推理过程 ,因此基于规则的诊断方法在故障诊断中得到广泛使用 ,但规则获取是其瓶颈之一 .粗糙集 (RS)理论是为开发自动规则生成系统而提出的 ,其主要思想是在保持分类能力不变的前提下 ,通过知识约简 ,导出概念的分类规则 .因此 ,可以把 RS理论用于规则的故障诊断中 .本文给出了基于决策矩阵和决策函数的获取规则方法的流程图 ,以故障诊断实例说明其使用方法 ,并验证了其有效性     

基于Rough集方法的RS-MAXNET网络分类器模型

Rough集（RS）理论中如何补偿或拓展Rs约简的局部决策规则使之更加接近全局规则是一个重要的议题。本文提出RS与MAXNET网络结合拓展建立盼MAXNET全局网络分类器模型。基于上述模型进行的脱机手写模式识别算法说明了其有效性。     

基于MIX_FP树的粗糙集属性约减算法的研究与应用

粗糙集对于学习分析系统的属性约减模型有着重要的研究意义和使用价值。针对教育大数据高维度、不完备、增量性等现状,提出了基于不完备决策表的差别信息增量更新算法,并结合树形结构对差别信息的高效存储和粗糙集的核属性概念,设计构建了MIX_FP树,实现高维属性的有效约减。实验结果验证了该算法具有较好的运行效率和空间性能,为教育大数据的属性约减提供了有效的方法,同时为基于粗糙集理论的属性约减算法研究和及其在学习分析领域的应用提供了新的研究思路。     

基于粗集的多层分类器的设计与实现

文章提出在多层分类器中使用粗集理论来进行网络的设计,由于粗集理论有强大的数值分析能力,而多层分类器具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的新型多层分类器模型。首先利用粗集理论来提取原始的领域知识,然后通过计算决策表的相对约简来产生规则,这些规则的依赖性因子被设为多层分类器的初始连接权值,这些权值在训练学习中得到改进。文章最后给出了一个决策表的实例来进一步验证了该方法的高效性和正确性。     

基于粗集理论的产品配置规则获取方法研究

研究了基于粗集（RS）理论的产品配置规则获取方法,实现信息约简,产生更简洁、更有意义的规则。给出了数据约简方法,包括建立RS知识模型、RS决策逻辑表示、确定辨识矩阵、计算其核心、进行属性归约、规则形成等内容。结合案例进行了验证,利用RS理论对传动机构总成的配置模型进行约简,可以得出最简化的配置规则,用于产品配置设计。     

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。     

基于最大分布约简的风险规则挖掘

在研究如何更好地开发利用网箱渔场的过程中,人们已经认识到由于污染所引起的环境风险和其他影响因子。但是如何来评估网箱渔场的风险呢?粗糙集理论是一种数据推理的有力工具。该文介绍利用粗糙集理论进行风险规则挖掘的一种方法。首先介绍不完备信息系统下有关最大分布约简的概念,再对渔业环境中老化程度和风险等级进行了量化描述,最后给出了基于最大分布约简的网箱渔场老化风险规则的挖掘算法。