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。     

基于粗集理论的系统不确定性度量方式研究

不确定性是决策信息系统的固有特征,对系统的性能具有重要影响.有效地度量决策信息系统的不确定性具有重要意义.粗集理论是处理不确定信息最成功的工具之一.本文评述多种基于粗集理论的系统不确定性度量方式;分析它们的代数特征和数量关系;并通过仿真实验系统地比较它们的性能.结果表明"全知熵不确定率"是最有效的不确定性度量方式,其合理性通过它的成功应用得到进一步验证.     

基于粗集理论的知识系统证据推理研究

证据推理是处理不确定问题的重要方法，但灾用中存在许多问题，如假设的基本概率指派（bpa)往往由专家事先确定，带有较强的主观性，基于证据推理和粗集理论的基本关系，利用粗集约简，决策表确定基本概率指派等方法解决上述问题，并在此基础上，提出了一种决策表的证据推理方法，用于决策表的预测，实例表明，证据推理和粗集理论的结合可提高并对不确定问题的求解能力。     

基于粗集理论的知识处理方法在专家系统中的应用

为了提高专家系统中知识获取的能力,本文提出了一种基于粗集理论的专家系统模型 ．该模型在知识获取阶段引入知识过滤器,根据知识依赖度的变化对采集的知识进行评价和 分类．该系统还在知识库构造阶段引入知识重构机制,对原有的知识库进行精简和重构．本 文提出的方法不仅消除了知识库中的冗余属性,还对属性值空间进行合理划分,对整个系统 的性能有明显的改善效果．     

基于粗集理论的决策支持系统研究

粗集作为一种数据分析方法,能有效地从不精确的、不完整的数据中发现知识。决策支持系统涉及到对不确定因素和对不完备信息的处理。应用粗集理论可以在决策支持系统中对不完备数据进行分析、推理,提取有用特征,简化信息处理,得出肯定结论。     

基于粗集理论的Null值估算方法研究

在数据库管理系统中，空值（Null）在所有非主码属性中都可能出现。粗集数据分析不同于其它知识发现方法，特别大模型假设方法的一种方法。文章通过扩展粗集理论，研究了空值的估算方法。     

基于粗集理论的决策表知识获取方法研究

对决策表各条件分类和决策分类集合之间的关系进行了研究,提出了直接从各分类中计算决策表核及属性约简方法：依据属性约简,创建了一个多变量决策树;在此基础上,阐述了提取决策表中蕴含规则的方法,从而省去了在约简后的决策表中计算值约简步骤;通过实例,验证了这些方法的有效性。     

粗集间的相似度量及其应用

以粗隶属函数为工具,给出一种粗集间相似度量的数值算式,并将粗集间的相似度量应用于一类决策条件与结论的匹配问题上。最后通过一个实际例子说明这种方法的合理性。     

基于粗集理论的特征子集选择算法

1.引言长期以来,特征子集选择技术一直是机器学习领域中的关键难题之一。由于学习对象的多样性,尤其是新的系统随着应用的发展而不断涌现,使人们无法用某种特定的工具或方法来完全解决这一问题,新的特征子集选择技术仍然受到人们广泛关注。20世纪80年代初,波兰数学家Z.Pawlak提出一种新的理论工具——“粗集”,用于解决不完整和不精确信息的知识表达、学习及归纳等问题。这一理论的特点是:除了问题所需处理的数据之外,不需要额外提供任何外界信息或     

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。     

基于粗糙集理论的故障诊断系统知识库设计

故障诊断是与有效决策密切相关的复杂而困难的问题。粗糙集理论可以有效地分析、处理不完备信息。知识库是整个故障诊断系统的核心,利用基于粗糙集的知识约简和决策规则提取算法,将柴油机故障信息值进行约简,求出其决策规则。知识库由事实库和规则库组成。在知识库中采用链表数据结构,以数据文件形式存储,完成知识库设计的程序。采用粗糙集方法进行故障条件属性约简十分有效,得到简化的决策规则,使得知识库的设计更加方便快捷。     

粗糙集知识发现的研究现状和展望

通过对粗糙集知识发现理论发展历史的问题，对粗糙集知识发现研究现状的探讨，结合目前主要的粗糙集知识发现系统，指出了粗糙集知识发现存在的问题，并对今后几年的研究进行了展望。     

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.     

粗集理论对股票时间序列的知识发现

提出了将粗集理论应用于时间序列的知识发现。知识发现的过程包括时间序列数据预处理、属性约简和规则抽取三部分。其中数据预处理主要用信号处理技术清洗数据,然后将清洗后的时间序列按照某个变量的变化趋势进行分割,分割后每个时间段内的变化趋势不变,从而将时间序列转换成为一系列静态模式(每种模式代表一种行为趋势),从而去掉其时间依赖性。把决定各种模式的相关属性抽取出来组成一个适用于粗集理论的信息表,然后采用粗集理论对信息表进行属性约简和规则抽取,所得到的规则可以用于预测时间序列在未来的行为。最后将该方法用于股票的趋势预测,取得良好效果。     

Rough set理论提取决策规则的信息度量研究

文章在信息表的信息度量的基础上,主要做了如下两方面的工作:给出了一种基于Roughset理论提取决策规则的信息度量方法;提出了一种衡量提取决策规则优劣的目标函数,该工作为基于Roughset理论规则提取的进一步研究提供了一定的理论依据。论文的最后提出了有待解决的问题。     

基于粗隶属函数的粗糙集模型的推广

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。     

基于粗糙集的运动训练计划系统知识发现方法

在＂智能化运动训练计划系统＂的使用过程中,系统数据库中的历史数据将会日益增加,人们是否能够对这些非常有价值的历史数据进行利用并发现与训练手段相关的隐含知识,从而更好地辅助用户完成训练计划的制定,成为一个关注的问题。本文以粗糙集理论为基础,阐述如何对历史数据进行统计处理,提出一种对历史数据进行知识发现的方法。最后以实例说明该方法所发现的知识具有重要实际意义。     

邻域系统粗糙集和覆盖粗糙集

邻域系统粗糙集和覆盖粗糙集是经典粗糙集的两种重要扩展。通过分别比较各模型中下(上)近似集之间的包含关系和近似精度之间的大小关系,深入探讨邻域系统粗糙集和6种覆盖粗糙集模型之间的关系,得出了邻域系统粗糙集和6种覆盖粗糙集模型的下(或上)近似集之间的关系是明确的,其要么是可以比较的,要么是不可以比较的,证明了可比较的具有包含甚至等价关系,不可比较的通过反例进行了佐证。对不同扩展粗糙集的对比研究加深了对这些模型的理解,同时也为宏观上学习和认识粗糙集提供了帮助。     

一种基于粗糙集的大规模语料库语言学知识发现模型

文中首先通过语言学特征表来对文本信息进行结构化处理,同时实现了对远距离约束的表示;然后借助于面向个体的数据泛化算法来去除语言学特征表中的冗余信息,并利用规则抽取算法过滤特征表中不一致的部分,从而为相应的自然语言处理任务建立了一个一致、高效的规则库。最后,本文研究了模型在汉语词义排歧以及音字转换中的应用,在采用了动态规则平滑算法后,分别获得了0．93和0．95的判别精度以及0．92和0．89的覆盖率,这一结果显示模型具有很高的实用性。