基于粗糙集信息观的决策表属性约简方法

粗糙集理论是近年来发展起来的一种有效的处理不精确、不确定、含糊信息的数学理论方法，它被广泛应用于相容和不相容决策表的属性约简和核属性计算。利用反例指出目前基于粗糙集信息观[2、6]的决策表属性约简和核属性计算方法的局限性。对决策表的性质作了深入的研究，研究发现文献[2、6]方法的不足原因是：它们没有考虑U／ind（C）中等价类的相客性。给出了基于U／ind（C）中等价类相客性的属性约简定义和核属性定义，并给出了一种新的基于粗糙集信息观的决策表属性约简和核属性计算方法。讨论了该方法同文献[2、6]方法的区别。最后用相同实例验证了该方法的有效性。     

决策表中加权关联规则挖掘的研究

通过对规则支持高度提出新的定义 ,对现有的模型进行了扩展 ,并由此提出了新的关联规则挖掘算法     

基于粗集的规则提取LBR和LEM3

本文基于粗集理论,提出了一种新的规则提取法LBR(Learning By Rough Sets),并对LBR与另一种已有的规则提取法LEM1,即全局覆盖算法(global covering algorithm)进行了比较和讨论.基于比较的结果,得出了将LEM1改进后的LEM3.LBR不但可用于普通的决策表规则提取,更多地可应用于基于模糊划分的规则提取.LBR的提出,极大地简化和丰富了规则提取算法,在已知数据中可获取更为丰富的信息量.而LEM3的使用,则是在将"依赖"(depend on)这一概念推广的基础上,更灵活地使用"覆盖"(covering),扩大了获取规则的范围.LBR和LEM3因其各自不同的优点,在数据挖掘和智能领域均具有广泛的应用前景.     

从川田不再做DIY POS说起

2007年5月16日，在上海CRC展览会期间举办的川田新产品发布会上，川田总经理郑重地宣布“川田从今天起不再做DIY POS。”这一消息在业内引起极大的反响，大家在对川田这一大胆决策表示钦佩的同时，更多地在思考川田这样做的原因。     

不完备信息系统的规则提取研究*

粗糙集理论和D-S证据理论都是重要的不确定性推理方法,两者各有优缺点.现实生活中,不完备信息系统广泛存在.研究了将两种理论结合用于不完备信息系统以进行规则提取,并用实例进行了验证.     

基于布尔冲突矩阵的不完备决策表快速属性约简算法

在不完备决策表中,针对近年来提出属性约简算法的时间复杂度不理想的情况,通过对已有计算容差类方法和引入的冲突域概念的研究,定义了布尔冲突矩阵并设计出该矩阵的快速属性约简算法。同时,在布尔冲突矩阵中定义了一种属性重要性度量的方法,并从理论上证明了该矩阵的属性约简与正区域的属性约简是等价的。经过对该属性约简算法的分析,其时间复杂度为max{O(|K‖C‖U|),O(|C|2|POSC(D)‖U|)}(|K|=max{|TC(x)‖x∈U}),空间复杂度为O(|C|2|POSC(D)‖U|)。最后通过实例和实验分析,说明该算法的有效性和可行性。     

最小相关性最大依赖度属性约简

在经典粗糙集中,基于重要度的决策表属性约简算法只考虑了决策属性与条件属性之间的依赖度,没有考虑约简中条件属性之间的相关性,由此求出的约简中可能依然包含冗余属性。针对这一问题,提出了一种改进算法,它利用最小相关性和最大依赖度准则求决策表属性约简。与基于重要度的决策表属性约简算法相比,本算法求出的约简包含的属性个数少、冗余小。实验结果显示,本算法优于基于重要度的决策表属性约简算法。     

高效能ESCA协处理器验证技术研究

处理器结构的日益复杂使得对处理器功能进行有效验证变得越来越重要和关键。基于一款高效能计算协处理器ESCA,讨论了边界值验证、等价类验证和决策表验证等三类验证方法在ESCA处理器功能验证中的具体实现,并针对ESCA处理器中不同功能模块的基本特性提出了一种综合验证方法。实验结果表明,采用综合验证方法进行的ESCA处理器功能验证,不仅高效保证了验证案例集的生成,而且以较少的验证工作量实现了100%功能覆盖率,有效减少了ESCA处理器功能验证时间,提高了验证效率。     

决策表中基于对象的μ-约简方法研究

研究了不协调决策表中基于对象的μ-约简问题,给出了μ-约简的一些性质及等价定义,得到了μ-约简的判定定理和相应的可辨识矩阵及辨识公式,从而提供了不协调目标信息系统知识约简的新方法。并通过实例将决策表中基于对象的约简与整体约简进行了对比,结果表明前者可以得到更简洁的知识。该方法也适用于协调目标信息系统。     

基于粗糙集数据挖掘方法的最大功率研究

风电机组在运行过程中会产生大量的机组数据,随着大量数据的积累及数据库的应用,为了有效地利用产生的有用数据,运用粗糙集数据挖掘方法对数据的属性进行简约、决策,发现数据之间的关联规则,为机组高效运行提供条件.仿真结果表明,基于粗糙集数据挖掘方法不仅可以减小特定属性信息提取的工作量,还能在数据分析中发挥决策的优越性.