共查询到20条相似文献,搜索用时 15 毫秒
1.
粗糙集理论及其在智能系统中的应用 总被引:3,自引:0,他引:3
粗糙集理论是一种新型的处理含糊和不确定知识的数学工具,在智能系统中得到了广泛的应用,介绍了经典粗糙集理论的基本思想,上下近似集、属性约简和核等基本概念以及粗糙集的研究现状.介绍了粗糙集理论在智能系统中的应用,主要包括基于粗糙集理论的属性约简作为数据预处理的手段,基于粗糙集理论的相关性分析和基于粗糙集理论的系统建模和控制.指出了粗糙集理论在应用中遇到的问题和可能的研究方向。 相似文献
2.
3.
介绍了决策粗糙集理论,提出了一个基于决策粗糙集理论的通用信息过滤模型,并通过对电子邮件进行过滤,与传统的基于文本内容的信息过滤方法——朴素贝叶斯方法进行了比较,比较结果证明该文提出的基于决策粗糙集理论的信息过滤模型可以降低误判率,有较高的正确率。 相似文献
4.
将粗糙集理论与直觉模糊集理论相结合,提出了一种基于直觉模糊粗糙集理论的知识获取方法。描述了直觉模糊相似关系下粗糙集的模型,并在此基础之上重新定义了正域、依赖度与非依赖度、确定性因子与非确定性因子等概念。详细分析了基于直觉模糊粗糙集的规则挖掘算法的基本步骤,最后通过实例验证了该算法的可行性。 相似文献
5.
基于变精度粗糙集理论的组合预测方法研究 总被引:2,自引:2,他引:0
组合预测的关键是确定各个单模型预测方法的加权系数。文章首先给出了一种基于标准粗糙集理论的组合预测方法,将加权系数确定问题转化为标准粗糙集理论中属性重要性评价问题,通过引入目标函数,提出了一种基于变精度粗糙集理论的寻找组合预测加权系数的新方法。仿真实验表明,基于变精度粗糙集理论的组合预测方法计算量小,不带有主观性,预测精度高。 相似文献
6.
7.
8.
粗糙集与泛系理论相结合已成为一个新兴的研究领域,基于泛系理论中的泛权场/网等理论,对粗糙集理论的基本概念进行了基本的概括和扩展,将粗糙集理论泛系化扩展加以研究,进而构建了粗糙集的泛系化扩展模型,并通过实例给予解释,为粗糙集的进一步完善和扩展找到了一条新路。 相似文献
9.
李秀红 《计算机工程与应用》2005,41(34):42-45
通过粗隶属函数,将粗糙集理论与模糊集理论联系起来,建立一种粗糙集理论与模糊集理论间的关系。把粗隶属函数视为论域上的一个特殊模糊集,用它的!-截集和强"-截集的概念,将经典粗糙集模型进行推广,提出基于等价关系的隶属度粗糙集模型,验证一些有用的性质,并证明该模型比Pawlak粗糙集模型具有更好的精度。最后将基于等价关系的隶属度粗糙集模型拓展到基于一般二元关系的广义隶属度粗糙集模型,并给出其相应的性质。 相似文献
10.
粗糙集理论一直致力于研究不确定或不精确信息的数据分析问题。基于粗糙集的相关概念,对标准粗糙集模型与可变精度粗糙集模型进行了比较研究,着重描述了可变精度粗糙集模型的特点。 相似文献
11.
本文提出一种基于遗传算法和粗糙集理论集合的入侵检测的新方法。该方法成功地把遗传-粗糙集理论引入到入侵检测中,提出了基于粗糙集-遗传算法理论的网络入侵检测方法,应用混合遗传算法求解粗糙集的约简,减少了计算时间。实验结果表明,该方法对不同类型的网络攻击具有很高的检测率和较低的误检率。 相似文献
12.
基于限制非对称相似关系的粗糙集模型 总被引:1,自引:0,他引:1
基于不可分辨关系的粗糙集理论不适用于含未知值的不完备信息系统.需要将经典的粗糙集理论不可分辨关系加以扩充才能处理不完备信息系统.目前已经提出了基于容差关系、量化容差关系、限制容差关系、非对称相似关系等的扩充粗糙集理论.但是,这些理论还存在一些局限性.文章提出了一种新的基于限制非对称相似关系的粗糙集扩充模型.理论分析和实验证明,与其它模型相比,可以从基于限制非对称相似关系模型的近似集中获取更多的信息. 相似文献
13.
14.
基于布尔矩阵的模糊粗糙集代数运算与表示定理 总被引:1,自引:0,他引:1
主要研究模糊粗糙集理论基本概念与基本运算的矩阵表示,用布尔矩阵对模糊粗糙集理论中的基本概念进行描述,并通过布尔矩阵运算性质研究、揭示和刻画模糊粗糙集知识空间的基本代数性质.文中定义了布尔矩阵"与积"和"或积"两种逻辑运算,分别对模糊粗糙集理论中的模糊可能(fuzzy diamond)算子和模糊必然(fuzzy box)算子计算过程进行描述,对模糊粗糙集理论的基本概念和基本代数性质给出了基于布尔矩阵的表示定理,为基于模糊粗糙集理论的知识表示与知识获取提供了一种能行与可计算的思路与方法. 相似文献
15.
16.
数据挖掘的主要目标之一是进行有效分类,粗糙集的上下近似空间正是为了对信息系统进行分类。变精度粗糙集作为经典粗糙集的推广模型,目前研究仅局限于有限集。针对变精度粗糙集模型无法处理无限集合的问题,在变精度粗糙集和测度的理论基础上,提出了基于Lebesgue测度的变精度粗糙集模型。首先,引入Lebesgue测度的概念,构造了一种基于Lebesgue测度的变精度粗糙集模型,将变精度粗糙集理论推广到无限集;其次,定义了该模型的上、下近似空间;最后,证明了其相关性质。通过理论研究表明,该模型能有效处理无限集合问题,对变精度粗糙集的理论研究形成突破,也将极大的扩充其应用范围。 相似文献
17.
多粒度决策粗糙集模型是一种泛化的多粒度粗糙集模型,该模型结合决策粗糙集数据分析理论和多粒度思想,实现了在多个粒空间进行决策粗糙集理论的建模。在此基础上,利用贝叶斯决策理论具体分析了在多粒度粗糙集模型中乐观和悲观的融合策略下多个粒空间中的概率融合关系,推导出基于最大条件概率和最小条件概率的粗糙集近似表示,进而构建了乐观多粒度决策粗糙集模型和悲观多粒度决策粗糙集模型。在该模型中引入近似分布约简的概念,分析了多个粒空间中的粒度选择问题。基于多粒度近似分布质量定义了多粒度决策粗糙集的粒度重要度,并且基于此给出了悲观和乐观融合策略α-下近似分布约简的粒度约简算法。通过实例验证了该算法的有效性。 相似文献
18.
决策粗糙集理论是经典粗糙集理论结合贝叶斯理论拓展而来。为在不完备区间值信息系统下研究决策粗糙集理论,本文首先提出属性相似度的概念,并基于属性相似度定义了双精度容差关系。然后,基于双精度容差关系,结合贝叶斯最小风险决策原则建立不完备区间值信息系统下决策粗糙集模型。针对该模型,对不确定性度量进行修正并基于修正的不确定性度量对该模型的属性约简进行研究。最后提出属性约简算法并应用于目标识别实例。 相似文献
19.
基于集对分析的变精度粗糙集模型 总被引:7,自引:2,他引:5
刘富春 《计算机工程与应用》2005,41(10):74-76,222
粗糙集理论是一种新的处理模糊和不确定性知识的数学工具,在人工智能及数据挖掘等众多领域已经得到了广泛的应用。对于不完备信息系统目前也有多种扩充方法,如基于容差关系的扩充、基于相似关系的扩充等等。该文是在集对粗糙集模型的基础上,引入相对分类错误率的概念,提出了一种基于集对分析的变精度粗糙集模型。然后用集对分析的方法得到了变精度的上、下近似的性质,将经典粗糙集理论和集对粗糙集理论进行了推广。最后,通过一个不完备信息系统的具体例子,说明了这种基于集对分析的变精度粗糙集模型对不完备信息系统中处理模糊和不确定性知识的可行性和有效性。 相似文献