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。     

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。     

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。     

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     

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。     

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。     

《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…     

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。     

带Rough算子的决策规则及数据挖掘中的软计算

文中讨论决策规则及其与演绎推理中的假言推理规则之间的关系,通过数据挖掘中的软计算使决策表中的属性简化和性值区间化,从而找到一种具有广泛表达能力的数据隐含格式,从中选择有代表性的,并删去冗余或过剩的规则,并保持决策表的原有用途和的有性能,我们通过开发一个中医诊疗专家系统的实例说明了这种软计算的过程,并分别用于统计或专家计算带可信度因子的产生式规则和基于Ｒｏｕｇｈ集方法计算带Ｒｏｕｇｈ算子的决策规则两     

Rough Sets理论与信任函数理论的比较研究

给出了在Pawlak粗集代数中信任函数的一种解释,并且讨论了信任函数在RoughScts上知识的组合规则,发现信任函数的综合规则无法用RoughSets来表示.也即说明了这两种理论的各自独立存在性.     

基于元信息的粗糙集规则并行挖掘方法

1.引言在当前的信息化时代,为从大量积累的历史数据中获取有用的知识,使得数据挖掘已成为研究热点。Pawlak教授提出粗糙集合理论,经过众多学者的研究和完善,已成为数据挖掘的重要手段。在大数据环境下,数据挖掘方法的速度将直接影响整个数据挖掘系统的性能,如何有效地提高数据挖掘方法的速度,是迫切需要解决的问题。与此同时,计算机网络存在大量的运算资源,充分利用这些资源是提高数据挖掘方法速度的有效途径。为此,本文提出     

一种融合粗糙集与灰模的装备故障预测方法

结合粗糙集理论和灰色系统理论对不精确信息处理的优势,文中提出一种融合粗糙集理论与GM(1,1)灰色预测模型的故障预测方法,先运用粗糙集的属性约简算法对故障诊断决策表进行约简,推出最优诊断规则,再利用GM(1,1)灰色预测模型对约简决策表中的各条件属性测试值计算得到其预测值,从而代回约简的诊断决策表进行故障预测,最后在某型机载电台装备中以某一故障为例进行应用验证,结果表明故障预测效率和精度都较高,从而为提高装备的可靠性和维修性提供依据.     

系统聚类在客户关系管理的的研究与应用

介绍了数据挖掘领域中对聚类分析的典型要求,讨论了粗糙集和集对分析对信息系统的知识约简,提出了一种基于粗糙集联系度的聚类分析方法,论述了该方法的聚类过程,并给出了聚类分析的实例。     

基于粗糙集的层次分析及其应用

在实际择优决策过程中,层次分析法被广泛使用,而在不完备复杂信息系统中粗糙集理论被大量使用,对系统进行约简。本文在层次分析方法的基础上,通过粗糙集理论对层次分析模型中矩阵的维数进行了降维,有效地改善复杂大系统的处理复杂度,提升了计算机利用层次分析法解决实际择优问题的效率。实例证明了该方法的可行性和有效性。     

基于粗糙集的层次分析及其应用

在实际择优决策过程中,层次分析法被广泛使用,而在不完备复杂信息系统中粗糙集理论被大量使用,对系统进行约简.本文在层次分析方法的基础上,通过粗糙集理论对层次分析模型中矩阵的维数进行了降维,有效地改善复杂大系统的处理复杂度,提升了计算机利用层次分析法解决实际择优问题的效率.实例证明了该方法的可行性和有效性.     

粗集中区分矩阵对不一致问题处理的研究

提出了对粗集中区分矩阵对不一致问题处理能力的一种观点,认为粗集中区分矩阵对不一致问题有部分能力,即非完全不能处理不一致问题,也不是完全能处理不一致问题。并给出了证明。     

粗糙集不协调率的研究

论文简要介绍了粗糙集依赖度的概念,认为用依赖度作为粗糙集敏感度分析不完全正确,而用粗糙集不协调率进行敏感度分析能够准确地评价各因素的影响,并构造了粗糙集化简树。根据粗糙集化简树能够准确地找到所有的最终条件属性简化集,并计算出各因素的粗糙集不协调率。根据粗糙集不协调率可以精确地判断实际工程应用中诸多的影响因素的重要程度,通过粗糙集化简树为分析、简化复杂的知识信息系统提供了一条新的途径,并为决策者作出决策提供了可靠依据。     

属性约简的新算法

属性约简是粗糙集理论中一个核心研究问题,在对粗糙集中属性约简相关理论研究的基础上,提出了一种新的基于随机决策信息系统的属性约简算法。新算法充分利用属性依赖度所提供的信息对属性进行排序,并以一定的优化顺序来计算属性子集的信任函数或似真函数。计算结果表明:改进后的新算法计算量大大减小,尤其是当条件属性较多时,计算量的减少更加明显,从而大大提高了计算效率。计算实例验证了该算法的有效性,具有很强的优越性。     

一种基于决策表的分类规则挖掘新算法

The mining of classification rules is an important field in Data Mining. Decision table of rough sets theory is an efficient tool for mining classification rules. The elementary concepts corresponding to decision table of Rough Sets Theory are introduced in this paper. A new algorithm for mining classification rules based on Decision Table is presented, along with a discernable function in reduction of attribute values, and a new principle for accuracy of rules. An example of its application to the car‘s classification problem is included, and the accuracy of rules discovered is analyzed. The potential fields for its application in data mining are also discussed.