一种基于Rough集的兴趣缺省规则挖掘算法

Rough集理论提供了一种新的处理不精确，不完全与不相容知识的数学方法，从不一致决策表中快速，有效地挖掘出缺省规则是决策规则挖掘研究的一个热点，文中引入了决策规则的相似度概念，并提出了基于Rough集的兴趣缺省规则挖掘算法（IDRMA），依据IDRMA算法对决策规则进行合理的分类，可获取用户的兴趣缺省规则。     

基于信息增益的缺省规则的挖掘方法

Rough集方法是一种处理不确定或模糊知识的重要工具。论文在现有的基于Rough集理论的缺省规则挖掘算法的基础上,将单属性信息增益概念扩充为多属性的情况,提出了基于信息增益的缺省规则的搜索策略和挖掘方法。实验表明,该方法能够发现简洁、易理解和实用的规则,同时具有较低的计算复杂性。     

一种基于多元组决策表的缺省规则挖掘算法

Rough集理论提供了一种新的处理不精确、不完全与不相容知识的数学方法。从不一致决策表中快速、有效地挖掘出缺省规则是决策规则挖掘研究的一个热点。该文改进了MDRBR算法,引入了广义支持度概念,并提出了一种基于多元组决策表的缺省规则挖掘算法-MTMDRBR算法,有效地解决了不一致多元组决策表的缺省规则挖掘问题,具有重要的实用意义。     

一种基于多重支持度的缺省规则挖掘算法

Rough集理论提供了一种新的处理不精确、不完全与不相容知识的数学方法。从不一致决策表中快速而有效地挖掘出缺省规则是决策规则挖掘研究的一个热点。MDRBR算法采用单一的规则支持度阈值进行缺省规则的挖掘,这不利于有效地挖掘出用户感兴趣的缺省规则。为此,该文对MDRBR算法进行了改进,并提出了一种基于多重支持度的的缺省规则挖掘算法-MSMDRBR算法,MSMDRBR算法可依据多重支持度阈值合理地取舍决策规则,因而具有一定的实用意义。     

基于缺省规则的决策支持方法*

利用Rough集理论的基本原理和方法,在提出一种缺省规则挖掘策略和算法的基础上,系统地描述了基于缺省规则的决策支持方法,将其应用于汽车故障诊断决策分析中.试用表明,该方法能较好地排除噪声的影响,使决策者在有限的时间和有限的知识下,作出比较合理的决策.     

基于时间序列的电力系统故障诊断规则挖掘

介绍了利用Rough集理论进行数据挖掘技术在电力系统故障诊断中的应用。针对电力系统中与时间序列相关的数据集,提出了基于Rough集的时间序列相关的分类规则挖掘算法。利用该算法得到的分类规则,可以较好地反映条件属性集随时间动态变化对系统状态的影响。     

基于粗集理论和人工免疫的入侵检测方法

提出基于Rough集理论和人工免疫的入侵检测系统,通过Rough集理论对网络数据约简得到规则检测器,使用规则检测器设计了基于Rough集的反向选择算法,得到免疫检测器。利用免疫检测器和规则检测器,构造了基于Rough集和人工免疫的入侵检测算法。实验表明,该算法提高了基于人工免疫的入侵检测系统的效率。     

基于Rough集的数据挖掘模型研究

这项工作的主要目的是表明怎样能够有效地实现基于Rough集的数据挖掘技术,在这篇论文里,我们详细讨论了Rough集理论,为了从基于Rough集的数据库中发现新的规则,研究了一种适合数据挖掘的面向对象的软件系结构,给出了数据挖掘算法、规则发现算法和规则约简算法,从初始数据库的信息出发,依次建造差别矩阵、约简表和规则表,最后给出了一个模拟实例,表明我们的模型和算法是可行的。     

一种基于Rough集的属性值约简算法

文章将Rough集理论应用于不同类型的决策表(一致决策表和不一致决策表)的约简,给出了广义决策、决策规则的一致程度、属性值重要性等定义,在此基础上提出了一种基于Rough集的属性值约简算法。该算法不仅能得到更为简洁的决策规则,而且能保持决策规则的一致程度不变。实例分析表明该算法是可行的。     

一种从不完备数据集中发现规则的RS方法

Rough集(Rough SetS、Rs)理论被广泛应刑于数据分类问题，该文用基于RS的方法从不完备数据集中产生确定和可能的规则集，提出了一种新的规则发现算法，可以同时从不完备数据集中产生规则和估计缺失值，并指出了进一步的研究方向。     

基于粗糙信息向量的一种决策规则获取算法

针对不一致信息系统中决策规则获取问题,提出了一种基于粗糙信息向量方法的决策规则挖掘算法。基于粗糙信息向量,利用条件向量对决策向量的决策支持能力,直接从决策表中挖掘出符合阈值要求的尽可能简洁的决策规则,且不损失条件属性值的决策支持能力。利用该算法可以挖掘出决策系统中条件属性在各个简化层次情况下的确定性规则和缺省规则集合。理论分析和实例表明该算法在不一致信息系统中的决策规则获取上是可行的。     

基于粗糙集理论的ORD关联规则挖掘算法

关联规则挖掘是数据挖掘的重要领域之一,利用粗糙集理论来挖掘关联规则的方法已经得到广泛关注.针对不完备信息系统,提出了基于粗糙集理论的快速ORD关联规则挖掘算法.该算法首先采用基于粗糙集理论的属性约简算法进行属性约简,然后采用快速、高效的冗余项集和冗余规则修剪算法--ORD算法获取关联规则.将该算法与其它同类流行的算法在4个UCI数据集上进行实验比较,结果表明该算法性能良好.     

数据挖掘之粗糙集方法研究

研究了粗糙集理论在数据挖掘中的应用,提出了一种基于粗糙集理论的数据挖掘方法,它采用启发式算法,可以挖掘出最简的产生式规则知识。与其它方法的比较说明,该文提出的方法可以得到更简化的规则。     

核属性蚁群算法的规则获取

蚁群算法是一种新型的模拟进化算法,研究已经表明该算法具有许多优良的性质,并且在优化计算中已得到了很多应用.粗糙集理论作为一种智能数据分析和数据挖掘的新的数学工具,其主要优点在于它不需要任何关于被处理数据的先验或额外知识.本文从规则获取和优化两方面研究基于粗糙集理论和蚁群算法的分类规则挖掘方法.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识理论,将粗糙集理论与蚁群算法融合,采用粗糙集理论进行属性约简,利用蚁群算法获取最优分类规则,优势互补.实验结果比较表明,算法获取的分类规则,具有良好的预测能力和更为简洁的表示形式.     

基于粗糙集的网络安全评估规则提取

给出了基于粗糙集的网络安全评估指标的约简方法。提出了一种利用粗糙集理论提取网络安全评估规则,进而利 用评估规则构建网络安全评估决策系统的算法。利用一个简化的网络安全评估数据集,验证了本文提出的决策规则提取 方法是有效的。     

一种基于粗集的目标识别信息提取算法

目标识别的原始信息往往很粗糙难以直接用于计算.粗集理论是一种对数据进行处理和挖掘的不确定性系统理论,基于此理论提出一种对原始数据进行信息提取的算法.采用关系表存储原始信息,通过简化关系表删去冗余信息,达到提取有用信息的目的.该方法运用粗集理论强大的属性约简和规则生成能力,生成的规则简单准确.与其它计算方法比较,粗集在处理粗糙信息方面有计算量小、抗扰性和传递性好的优点.     

基于粗集理论与神经网络技术规则提取的研究

为了从大量数据中获取有用的知识,提出了基于粗集与神经网络技术的数据挖掘方法。首先利用粗集理论消除冗余的属性,得到数据集的一些规则,然后利用这些规则构造神经网络,利用神经网络技术完善粗糙规则。文章就这一技术的研究方法作了综述,并提出了改进的粗集约简方法.     

基于粗糙集理论的关联规则挖掘研究及应用

提出了一种基于粗糙集理论的关联规则算法，使用粗糙集理论对数据进行预处理，同时使用属性限制避免挖掘无用的关联规则，挖掘出来的关联规则是分类规则，可以对未知数据进行分类；使用规则过滤去除冗余规则，只保留本质的、一般的规则。通过对网络安全审计数据的分析的试验表明，该方法是行之有效的。     

基于粗糙集理论在公安工作中的研究

文章将基于粗糙集理论的数据挖掘算法引入公安情报工作,论述了基于粗糙集的关联规则挖掘在刑事案件中的应用实例,证明该算法在公安情报分析工作中的可行性,为公安情报工作提供新的解决方法,对于提高情报分析预测的效率、准确性,以及警力分配具有重要辅助作用。     

相容决策规则约简算法及其应用

进行数据处理的时候，总希望能在繁杂的海量数据中挖掘出有用的信息．因此就有了各种数据挖掘方法的产生，本文介绍一种相容决策规则约简的算法，这种方法能够在众多数据中挖掘出核心属性来，从而得到更清晰的数据概念，方便得出更有用的信息。