基于一般包含度的广义变精度粗糙集

本文将变精度粗糙集模型推广到基于一般包含度的广义变精度粗糙集,利用包含度的性质讨论广义变精度粗糙集的性质。给出广义齐次包含度的定义,验证了常用的概率型包含度等均为广义齐次包含度;给出基于该广义变精度粗糙集的知识约简的方法。不同的包含度代表不同的决策语义,因此借助一般包含度研究变精度粗糙集,能够使尽可能多的有用信息被提取、挖掘,克服了基本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失,进一步推广了粗糙集模型,拓宽了粗糙集在数据挖掘、知识发现、模式识别及决策分析等领域中的应用。     

模糊粗糙集在轴承故障模式识别中的应用

提出一种基于模糊粗糙集理论的模式识别方法,将动态聚类法和方差分析法引入连续属性模糊化,获取模糊隶属函数,避开了粗糙集理论属性离散化过程带来的信息丢失;利用F检验判断分类的合理性,克服了人为确定分类数目的缺点;应用模糊化得到的模糊决策表进行条件属性约简,通过属性值约简,提取了清晰、简明的故障模式规则。轴承故障模式识别结果表明,该方法对比一般粗糙集理论,有效地提高了模式识别精度,在实际模式识别中具有很好的应用价值。     

模糊决策属性约简及其在工位评估中的应用

受粗糙集理论中知识约简的启发,在模糊多属性决策理论中提出属性约简的概念,构建属性约简方法,寻求属性集合中所有最简单的保序属性约简子集以及属性约简核.用属性约简子集代替原有的属性集合,通常可以显著简化模糊多属性决策问题.还将此属性约简方法应用到生产线工位绩效评估中,表明此属性约简算法的实用性.     

基于属性分辨力的决策表属性约简

决策表的属性约简,又称知识约简,是粗糙集理论最核心内容之一,最优属性约简是NP难问题。根据粗糙集理论,本文定义了特征集以及属性分辨力概念,提出了基于特征集和属性分辨的启发式搜索算法,在一定程度上提高了搜索效率。     

MMAS与粗糙集在齿轮箱故障诊断中的应用

粗糙集理论是一种新的处理含糊和不确定性知识的数学工具,属性约简是粗集理论研究的重要内容,属性约简算法有很多种,而计算一个最佳约简是NP难问题。为了能够有效地获取信息系统的约简,提出了一种新的约简算法。该算法选择最大-最小蚂蚁系统(MMAS),以Fisher准则作为启发式信息来提高搜索效率,将蚁群优化算法引入属性约简中,利用粗糙集理论对故障诊断决策表进行约简,形成清晰、简明的故障诊断规则,为下一步的故障诊断打下了坚实的基础。     

基于相似矩阵的折半属性约简算法

针对大多数属性约简算法时间复杂度比较高的问题,利用粗糙集理论提出了一种新的解决办法,该方法基于相似矩阵概念,利用属性在相似矩阵中出现的频率给出了属性重要性的计算公式,以此作为启发式知识来约间决策表中的冗余属性,并将折半查询的思想运用到算法中以加快约简的速度。实验表明该算法是简单有效的.     

一种基于FPGA的改进粗糙集属性约简方法

粗糙集理论是一种新型的数学工具,主要用于分析处理模糊和不确定知识。属性约简是其中的一个重要环节。本文结合遗传算法,提出了一种基于FPGA改进的粗糙集属性约简方法,在原研究的基础上,先利用属性重要度求解决策表的核属性,再运用于属性约简,从而减少遗传操作的迭代次数,加快属性约简速度。     

采用粗糙集的客户分类预测分析

探讨了粗糙集理论在客户分类预测中的应用,提出对一般属性约简的修正方法、直接处理不一致系统的分类规则约简算法及基于粗糙集的客户分类预测规则,为企业客户的分类预测提供了参考.实证分析结果表明运用上述方法及规则能有效地降低了数据计算的复杂性,提高客户分类预测的准确性.     

基于粗糙集理论的建筑节能综合评价方法

为了提高建筑节能评价的客观性,根据现行建筑节能评价体系中各分项指标对建筑能耗的影响趋势以及建筑节能设计标准中的相关规定和技术要求,结合dest软件计算值,建立建筑节能综合评价决策表,然后采用等距离方法对决策属性值离散、Jelonek算法对属性约简、数据分析法对条件属性值约简,得出并行推理规则,去除重复推理规则得到规则约简。因此,粗糙集理论无需对知识或数据的局部给予主观评价,也就是粗糙集理论对不确定性的程度的描述相对客观。该方法和相关软件相结合,既能处理数据库信息系统,挖掘潜在规律,又克服处理问题精确化;这对于实现建筑节能评价的智能化提供了很好的途径。     

具有Fuzzy决策的信息系统的知识约简

知识约简是粗糙集理论的核心问题之一。讨论了具有Fuzzy决策的信息系统的知识约简问题。给出了知识约简的几种定义、相应的知识约简的判定定理和可辨识属性矩阵，从而为具有Fuzzy决策的信息系统的知识约简的计算提供了具体方法。