基于粗糙集和贝叶斯理论的决策规则挖掘研究

针对传统粗糙集在关键信息缺省较多,存在无法进行精确约简和分类等弊端,将贝叶斯原理引入到粗糙集理论中,利用贝叶斯分类器具有概率性语义和因果关系的优点,以及将先验知识和概率相结合的特点,探索和构建了规则支持度、置信因子、覆盖因子的规则获取算法,并通过实例对该算法进行说明和分析.     

基于粗糙集的数据挖掘

粗糙集理论在分类的意义下定义了模糊性和不确定性的概念,是一种处理不确定和不精确问题的新型数学工具,文中以实例介绍了粗糙集的基本理论,并通过一个实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取. 该实例说明了基于粗糙集进行规则的挖掘是有效的.     

基于粗糙集-贝叶斯方法的分布式电网故障诊断

针对实际的电网故障诊断中常存在的冗余和不确定性信息这一问题,基于智能互补融合的思想,将粗糙集和贝叶斯有机结合在一起,并鉴于传统的人工智能在大电网故障诊断应用中存在的局限性而采用分布式数据挖掘的思想,提出了一种基于粗糙集-贝叶斯的分布式电网故障诊断方法。该方法首先把大电网分割成给定数目的局部电网,然后利用粗糙集对各个局部电网分别建立决策表并进行约简,最后利用粗糙集-贝叶斯方法进行局部电网内部及局部电网之间的联络线的规则提取形成全局规则库,并根据实时报警信息进行规则匹配得到诊断结果。经电网故障诊断算例分析表明,该算法正确、有效,速度快,容错性好。     

基于贝叶斯网络的大型公共项目进度延误风险研究

针对大型公共类项目进度风险的研究主要侧重于识别进度延误风险因素以及分析风险因素之间的相互作用,缺少对风险因素的敏感性、重要性以及风险因素间的影响强度的定量分析问题,构建贝叶斯网络模型。首先将贝叶斯网络和解释结构模型应用于大型复杂公共项目进度风险的评估,在收集的7个来源于真实案例的延期风险因素体系的基础上提炼出24个主要延期风险因素;然后运用解释结构模型将风险因素处理为4个不同层级,并将层次结构图转化为贝叶斯网络;最后根据建立好的贝叶斯网络,对风险因素进行基于实际项目的数据收集与评估,将所收集数据导入GeNIe中,对贝叶斯网络模型进行参数学习,获得基于样本数据的进度延误风险水平的概率分布,并利用贝叶斯网络的逆向推理、敏感性分析及影响强度分析,明确了大型复杂公共项目中导致进度延误的关键因素和敏感因素。基于贝叶斯网络模型的方法为进度风险管理提供了科学有效的理论依据和控制工具。     

基于粗糙集和贝叶斯网络的变压器故障诊断

为了提高变压器故障诊断的准确性,采用智能互补的思想,将粗糙集和贝叶斯网络相结合来进行变压器故障诊断的研究.先将特征气体的比值进行离散化,再利用粗糙集理论进行属性约简,获得最小诊断规则;同时利用贝叶斯网络实现概率推理来分析变压器故障.通过变压器故障诊断实例分析,证明了该方法有效、可行,具有较高的准确率.     

概率粗糙集Ⅲ型与Ⅳ型之研究

经典粗糙集理论在解决系统不确定性知识时有明显的不足,对于不协调的决策表的规则提取存在很大的局限性.因此许多学者从不同的角度如变精度、概率论、模糊集来拓展其研究领域.概率粗糙集是从概率论出发,充分利用近似边界区域提供的统计信息,能提取带有确定因子的决策规则.概率粗糙集Ⅲ型与Ⅳ型是其后两种形式.论文推导了概率Ⅲ型与Ⅳ型的若干定理及重要性质,并予以证明;把最小风险Bayes决策转化为概率Ⅲ型与Ⅳ型下的问题来解决,最后用一个实例说明了其有效性.     

不完备信息系统的辐射源识别方法研究

该文将粗糙集理论引入不完备信息系统下的辐射源识别。基于粗糙集理论,给出了一种新的不完备信息系统下辐射源识别模型。该方法以相似关系、相容关系作为基础,通过知识约简和决策规则的提取,较好地解决了不完备信息系统的辐射源识别问题。以雷达辐射源用途识别为例给出实例分析,说明了该模型处理不完备信息识别问题的有效性。     

一种粗糙模糊神经网络识别器及其应用

结合粗糙集和模糊神经网络提出了一种粗糙模糊神经网络识别器的模型.该模型根据粗糙集理论对训练样本进行建立决策表、离散决策表、约简决策表、提取分类规则等推理过程设计.粗糙模糊神经网络识别器的输入层、两个隐含层、输出层的神经元个数分别根据决策表的约简结果、离散结果和分类规则、决策属性决定.将该识别器用于车牌字符识别,实验表明:该方法比粗糙集规则匹配识别方法识别率提高了18%,比BP神经网络识别方法识别率提高了2.7%.     

一种智能化的数据分类、分级及保护模型

结合本体和粗糙集理论,提出了一种数据分类分级及保护模型.从业务流程的角度出发对数据进行分类,建立分类数据本体;利用粗糙集理论对数据进行属性约简,并利用规则对约简后的数据进行智能分级,进而对不同等级的数据采取不同的保护措施;还利用粗糙集理论从历史数据中挖掘规则,进行本体学习.以某省电力系统为例进行实验.结果表明,该模型能按照不同单位的特点对数据进行合理分类分级.     

基于思维进化算法的工业过程粗糙建模及应用

在工业过程建模中,传统的建模方法依赖数学模型.当实际系统模型难于用解析式精确表达时,智能建模成为研究热点之一.对具有非线性、时变性、不精确性等复杂系统,智能建模弥补了机理建模、辨识建模等方法的不足,能够避开数学表达式模型.模糊建模的隶属函数不容易得到,而粗糙集能直接从数据库中提取规则,不需要任何先验知识.但粗糙集不能处理连续属性,需要将属性离散化.对水泥回转窑控制系统进行建模,首先应用思维进化算法对决策表中的连续属性进行离散化,然后利用粗糙集理论化简决策表,提取最优的决策规则,最后分析决策规则,得出结论,说明该建模方法的可行性,且由此建模方法得到的决策规则覆盖度较高.