基于属性重要性的Rough集属性约简方法

介绍了属性约简的原理,在此基础上提出了基于重要性的约简方法,它是利用属性重要性原理,求取核属性和最简属性约简。并举例与传统的方法进行比较。     

基于属性值重要性的Rough集值约简算法

值约简是Rough集理论的一个重要研究课题。很多学者对它进行了研究并提出了不同的值约简算法,但是在执行效率上还有待提高。在启发式值约简算法基础上,结合属性值的重要性,提出了一种改进的基于属性值重要性的Rough集值约简算法,该算法在执行效率上有很大的提高,通过实例分析验证了该算法的可行性和有效性。     

基于属性值重要性的Rough集值约简算法

值约简是Rough集理论的一个重要研究课题。很多学者对它进行了研究并提出了不同的值约简算法,但是在执行效率上还有待提高。在启发式值约简算法基础上,结合属性值的重要性,提出了一种改进的基于属性值重要性的Rough集值约简算法,该算法在执行效率上有很大的提高,通过实例分析验证了该算法的可行性和有效性。     

一种基于Rough集理论的属性约简启发式算法

属性约简是知识发现中的关键问题之一．为了能够有效地获取决策表中属性的最小相对约简，在Rough集理论的基础上构造了一个新的算子，将信息论角度定义的属性的重要性作为启发式信息，来描述在决策表中条件属性所提供的知识对决策属性的影响；并采用宽度优先搜索策略，提出了一种新的属性约简启发式算法．以原始条件属性集为起点并结合算子，通过向属性核的递减式逼近，得到属性的最小相对约简．实例分析表明，该算法能有效地对决策表属性进行约简．     

基于属性集值不完备信息系统的Rough集方法

论文使用基于一般关系的Rough集理论和方法,研究了具有“属性集值”的不完备信息系统。通过研究由属性集值产生的不完备信息系统上的三种基本关系相容关系、非对称相似关系和拟序关系,建立了相应Rough近似集合的某种“单调”关系。在此基础上,讨论了系统属性约简及其实现算法。     

决策表核属性的计算方法

针对决策表核属性的计算问题，对前人的一些理论观点进行讨论，在认识这些理论观点缺陷的基础上，探讨Rough集理论代数观和信息观这两种形式的关系，发现它们在核属性和约简上的差异，提出决策表核属性的计算方法．     

一种基于Rough集理论的多属性综合评价方法

目前诸多的综合测评方法在权重设置等方面的局限性制约了人们对评价对象的科学认识,本文根据Rough 集理论,提出了基于Rough 集的综合评价方法,旨在消除权重设置的主观性,实现完全数据驱动,不需要人为设置权重.通过大学生综合测评实例,验证该方法的实用性、可行性.     

基于信息增益的最佳属性集发现方法

怎样挖掘出简洁、紧凑、易于理解和有效的分类规则一直是研究人员和领域专家所面临的问题 .而通过发现最佳属性集是解决该问题的一种有效途径 .本文在 Rough集理论的基础上 ,将单属性信息增益概念扩充为多属性的情况 ,并引入到最佳属性的发现中 .实验表明 ,该算法能够挖掘出简洁易于理解和使用的规则 ,并且具有较高的分类能力     

一种基于遗传算法的属性约简算法

在基于Rough集理论的知识发现过程中,减小属性约简复杂度问题是重要研究内容之一。该文分析了基于遗传算法的约简算法,提出了一种在优化初始群体基础上提高算法性能的遗传约简算法。     

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。     

基于容错粗集理论的知识约简

粗集理论(RoughSetsTheory,RST)在处理不完全、不精确、不确定性智能信息问题等许多领域已取得成功的应用。然而RST理论还存在某些局限性,比如对等价关系的定义使得知识约简相对复杂化。该文提出利用容错粗集犤1犦RST的概念,建立属性值之间的容错关系,用容错关系对对象进行分类。该方法首先采用遗传算法求出属性阈值的最优组合,然后分别建立属性和对象的特殊矩阵,最后求出属性的相对约简和对象的相对商集。采用容错粗集进行知识约简减少了量化的过程,从而提高知识约简的有效性。该文最后提供了一个实例表明该方法是可行的。     

粗集理论中的容错关系及其构造方法

粗集理论（Rough Sets Theory,RST）在许多领域已得到成功的应用,它在处理不完全、不精确、不确定性智能信息问题中表现出优秀品质。然而在标准RST理论中存在有局限性,比如对等价关系的定义使得知识约简相对复杂化。论文提出了基于RST的容错粗集的概念,给出了容错粗集上的性质,使得在进行知识约简时无需进行量化。从而大大提高了知识发现的效率。     

基于记录过滤的粗糙集属性约简算法研究

文章介绍了目前粗糙集属性约简的主要算法,分析总结了属性约简过程中的四种性质,提出了基于记录过滤的粗糙集属性约简新型算法,并结合农业数据库从不同角度进行测试比较,证实了新算法在处理较大型数据库知识发现的约简记录规模和约简速度改善方面具有较好的优越性。     

基于粗集理论的冗余分割点约简

分析了当前研究中常用的离散化方法，提出了一种基于粗集理论的离散化分析方法，在保持所要求的分类能力不变的情况下，发现并删除冗余分割点，对原离散结果进行简化，从而有效减小挖掘算法的搜索空间。     

基于Rough和Granularity的聚类方法研究

当前大多数的聚类方法是针对单一属性类型的。要开发出能同时处理多种属性类型的聚类方法来适应当今大型的复杂数据库，这在现实应用中是至关重要的。本文提出了基于粗集和粒度思想的多属性类型的聚类算法。该算法能够满足同时处理混合属性的要求．以达到聚类的目的。此外，文中也通过一个具体实例来演示算法的可行性和有效性。结果表明，基于粗集和粒度思想的多属性类型的聚类算法简单有效、易于操作．而且能够清晰方便地对粒度结果进行分析。     

基于Rough和Granularity的聚类方法研究

当前大多数的聚类方法是针对单一属性类型的。要开发出能同时处理多种属性类型的聚类方法来适应当今大型的复杂数据库,这在现实应用中是至关重要的。本文提出了基于粗集和粒度思想的多属性类型的聚类算法。该算法能够满足同时处理混合属性的要求,以达到聚类的目的。此外,文中也通过一个具体实例来演示算法的可行性和有效性。结果表明,基于粗集和粒度思想的多属性类型的聚类算法简单有效、易于操作,而且能够清晰方便地对粒度结果进行分析。     

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。     

A Novel Fuzzy Rough Sets Theory Based CF Recommendation System

Collaborative Filtering (CF) is one of the popular methodology in recommender systems. It suffers from the data sparsity problem, recommendation inaccuracyand big-error in predictions. In this paper, the efficient advisory tool is implemented for the younger generation to choose their right career based on theirknowledge. It acquires the notions of indiscernible relation from Fuzzy Rough Sets Theory (FRST) and propose a novel algorithm named as Fuzzy RoughSet Theory Based Collaborative Filtering Algorithm (FRSTBCF). To evaluate the model, data is prepared using the cross validation method. Based on that,ratings are evaluated by calculating the MAE (mean average error), MSE (means squared error) and RMSE (root means squared error) values. Further thecorrectness of the model is measured by finding rates like Accuracy, Specificity, Sensitivity, Precision & False Positive Rate. The proposed FRSTBCF algorithmis compared with the traditional algorithms experiment results such as Item Based Collaborative Filtering using the cosine similarity (IBCF-COS), IBCF usingthe pearson correlation (IBCF-COR), IBCF using the Jaccard similarity (IBCF-JAC) and Singular Value Decomposition approximation (SVD). The proposedalgorithm gives better error rate and its precision value is comparatively identical with the existing system.     

基于粗糙集理论的研究生招生预测

本文首先介绍了应用粗糙集解决实际问题的过程，然后按照数据挖掘应用的一般实施步骤，用粗糙集方法对某校的研究生招生报名数据库进行分析研究，得出了一些有益的结论，为拓展粗糙集的应用领域做出了有益的探索。