基于Rough Set理论的"数据浓缩"

本文了基于ＲｏｕｇｈＳｅｔ（ＲＳ）理论数据浓缩的几个问题。     

最小归纳依赖关系在采掘聚类关联规则中的应用研究

数据集中的冗余属性会降低数据采掘结果的解释能力及精度。该文介绍了在非项目集类型的数据集中采掘聚类关联规则的基本原理,并利用RoughSet理论对属性间的归纳依赖关系进行了分析,提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系的算法,使采掘出的关联规则的精度及解释能力都达到令人满意的水平。     

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法。数据挖掘研究的实旌对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便。关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点。粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取。该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的。     

基于Rough Set的空间数据分类方法

近来,数据采掘的研究已从关系型和事务型数据库扩展到空间数据库.空间数据采掘是一个很有发展前景的领域,其中空间数据分类的研究尚处在起步阶段.该文分析和比较了现有的几个空间数据分类方法的利和弊,提出利用Rough Set的三阶段空间分类过程.实验结果表明,该算法对于解决包含不完整空间信息的问题是有效的.     

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法.数据挖掘研究的实施对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便.关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点.粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取.该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的.     

关系型数据库中的归纳依赖关系

数据依赖是数据库的一个重要概念,函数依赖则是一种常见的依赖关系。本文主要沦述另一种对     

基于Rough Set的最小决策算法的研究

在决策表中，每一行对应了一条决策规则，介并非所有的条件属性对该决策都起作用，所以要进行决策规则的简化，简化后的规则集中仍可能会含有可以去掉而又不影响决策制定过程的冗余规则，找到最小规则集，能去掉所有的冗余信息信息，达到最简化目的，因而最小决策算法的研究很有意义，文中提出一种算法，可在不求得核值表的情况下，直接找到各规则的最小前提条件属性集，获得最小决策算法。     

基于Rough Set的核值表确定的一种方法

属性及属性的约简是Rough Set理论的核心内容之一，找到关键属性和属性值能使决策表有效地进行简化，本文利用Rough Set理论中关于相对正域的概念，给出了一种求最少属及最小属性值（即核值表）的算法，并通过理论和实践证明了其正确性。     

基于Rough Set的综合评价方法研究

目前诸多的综合评价方法在权重设置和单因素评价矩阵确定等方面的局限性制约了人们对评价对象的科学认识。论文根据RoughSet理论,提出了基于RoughSet的综合评价方法,旨在消除权重设置的主观性,有效削减指标体系规模。文章最后通过实例,验证该方法的实用性、可行性。     

个性化决策规则的发现: 一种基于Rough Set 的方法

为发现用户真正感兴趣的决策规则，利用RS理论和方法设计了个性化决策规则发掘算法．算法分为两步：首先在属性约简中通过提出的理论尽可能去除用户不感兴趣的属性的方法来找出最佳约简；然后在属性值约简中进一步去除与用户无关的属性，从而抽取个性化决策规则．从理论上论证了算法的有效性，给出了实验分析，证实了算法的可行性．     

一个基于粗糙集的XML函数依赖发现算法

数据依赖是数据库的一个重要概念。函数依赖是一种常见的数据依赖关系,是数据语义的重要组成部分。随着XML文档的大量出现,这一概念被引入到XML的领域中。本文在约束限制范围的基础上,给出了XML函数依赖的定义。引入粗糙集解决XML数据不完整的特点,给出XML函数依赖的判定定理。并且提出了一个发现XML文档中最小非平凡函数依赖的算法。该算法基于一致集的概念,通过不可分辨关系划分元组集减少求一致集的运算次数,使用逐层求精的算法来计算最小非平凡XML函数依赖集的左部。通过该算法得到的XML函数依赖的语义信息对数据存储模式设计、查询优化和更新异常检查来说是十分重要的。     

基于容差关系的扩展粗集模型中的知识依赖

论文在基于容差关系的扩展粗集模型中,考虑了条件属性子集与决策属性子集间知识依赖和条件属性子集间的知识依赖两种情况,分别给出了这两种情况下知识依赖和部分知识依赖以及依赖度等概念的定义,证明了与这些概念的定义相关的一些重要定理结论,并给出了一些例子加以验证。     

判定粗糙XML函数依赖的一种算法

为了刻画和处理不确定XML数据,利用粒计算方法研究粗糙XML树信息系统中粗糙XML函数依赖的判定问题。基于粗糙集给出粗糙XML树信息系统的上近似、下近似的定义,借助粗糙相似关系进一步给出粗糙XML函数依赖;分析如何利用位模式表示粗糙XML树信息系统中的信息值;提出粗糙XML树信息系统中路径间的依赖关系的判定算法,并对算法的时间复杂性进行了分析。实例分析表明,信息值采用位模式时,数据格式更接近机器的内部表示,该方法可以快速判定粗糙XML函数依赖,算法的运算效率与速度也得到了提高。     

基于程度不可区分关系的粗糙集模型

不可区分关系是粗糙集理论的基础。针对信息系统,提出了程度不可区分关系的概念来刻画信息系统中对象的可区分性程度的差异。提出了基于程度不可区分关系的粗糙集模型,并讨论了模型的基本性质,最后研究了基于程度不可区分关系的粗糙近似算子与Pawlak近似算子的关系。     

基于相容关系的粗糙集理论的推广

文章给出了一种基于相容关系的推广的粗糙集模型。当传递性不能满足时,等价关系弱化为相容关系,用相容核代替等价类来构造上、下近似算子,从而给出一种推广的粗糙集模型。较之于以R(x)代替等价类所得到粗糙集模型,该文所得到的上、下近似算子分别是闭包算子和内部算子,而且对未知知识的(近似)刻画更为精确。     

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集理论的属性简约研究

为了从海量的数据获得知识,数据挖掘被广泛地应用于知识发现。粗糙集理论是一种研究不确定性知识的工具,该文从Rough集理论的基本概念出发,对基于Rough集的信息系统决策表的属性简约问题进行了研究,挖掘出隐藏于信息表中的统计信息。该文对Rough集属性重要性在属性简约中的应用进行了研究,研究发现熵作为一种衡量信息量的重要工具,将其引入属性重要性的定义,考虑该属性对于论域中不确定分类子集的影响,使属性重要性这一概念更加完善。文章将这一概念应用于水声信号的目标识别,给出仿真结果,提出了以后的研究方向。     

一种基于粗糙集的Web用户访问规则获取方法

用户浏览模式获取是现阶段Web日志挖掘的主要目标之一。该文根据用户浏览的重要特征,提出了一种应用粗糙集理论获取规则的方法。选取重要特征作为条件属性并通过算法实现获取最终规则,实例分析效果良好。该方法的特点是只需要简单的数据预处理但可以获得简洁有效的访问模式。     

一种基于粗糙集的多层次、逐步求精的发掘算法

数据量的巨大和高维、用户交互与先验知识的利用等等是KDD（数据库中知识发现与数据发掘）面对的问题和难点,该文针对这些问题提出了一种基于概念普遍化和粗糙集的多层次、逐步求精的发掘算法CRCG。该算法利用概念普遍化和粗糙集对数据进行压缩和维数精简的特长,达到高效发掘感兴趣模式的目的。