基于粗糙集理论的控制规则提取方法

介绍了粗糙集理论的基本概念 ,重点是依据属性的相对重要性从知识中提取规则的方法 ,然后结合具体的控制实例说明控制规则的提取方法     

基于粗糙集的查询与规则不精确匹配近邻算法

针对专家系统中用于用户查询和规则之间不精确匹配问题,提出了一种包含规则的权重和条件属性重要性的近邻算法。该算法部分匹配用户查询和规则左部,计算用户查询与规则之间的距离,找出与用户查询近邻的规则。规则的权重由规则的支持度和置信度决定,而条件属性的重要性在粗糙集理论的基础上客观地计算得出。近邻规则右部就是提供给用户查询的求解方案。该算法的可行性通过一个简单实例进行了论证。     

一致性分类问题中规则提取的新方法

研究了一致性分类问题中挖掘分类规则的算法,提出了一种基于属性重要性及partition的分类规则的新方法。首先根据属性的重要性度量选择一个属性,根据该属性与决策属性构造信息系统的分区,然后对每一个分区进行描述,并根据是否会在信息系统中产生冲突对描述进行简化,最后根据简化后的描述形成分类规则。     

基于粗糙集的两阶段规则提取算法与有效性度量

在总结分析现有规则提取算法的基础上,提出了一种新的带覆盖度和置信度因子的两阶段规则提取算法,以解决噪音数据产生的噪音规则问题,并提出了一个衡量算法有效性的指标——支持度。实例表明,该算法能够有效地去除噪音规则,使提取出的规则更加精练实用。     

基于粗糙集理论的属性分类

依据粗糙集理论,分析决策表中条件属性的分类的变化,使得决策子集和决策规则支持度发生变化的情况.经过门纳推理得出选取最佳属性分类法的判定方法及算法.最后,通过仿真结果验证了算法2的有效.     

基于规则的装备保障指挥决策模型研究

针对战术级人不在环的装备保障仿真系统对装备指挥决策模型的需求,利用基于规则的方法,设计了装备保障指挥决策规则的数据结构以及推理和决策机制,建立了装备保障仿真指挥决策规则管理系统和基于规则的装备保障指挥决策模型,通过对比战术级装备保障仿真人在环和人不在环两个系统的运行结果,证明了该建模方法能实现指挥机构结构、性能、功能仿真,对提高装备保障仿真系统运行的效率起到了很好的效果。     

基于粗糙集的决策规则约简

粗糙集理论是一个新的数据挖掘方法，正越来越被人们所重视。其主要思想是保持分类能力不变的情况下，利用等价类，通过属性约简和决策规则约简，达到发掘知识并简化知识的目的。但是属性约简是一个NP问题，对属性的约简和决策规则的约简只能通过启发式算法实现。该文针对属性约简和决策规则约简，各提出了一个启发式算法。     

基于粗糙集的不完备系统关联规则挖掘

在不完备信息系统中挖掘关联规则是一个重要课题。利用粗糙集处理不确定、不完全数据的优势,本文重新定义了关联规则的支持度和置信度,做到不处理缺失数据,直接提取带结论的关联规则。实例表明,所获得的规则简洁与缺失值无关。     

基于粗糙集的变电站故障诊断规则提取方法研究

运用粗糙集理论研究了变电站故障诊断规则提取,提出了基于属性重要度和分辨矩阵的诊断规则提取算法.通过改进基于属性重要度的粗糙集属性约简算法,得到决策表的一个最小约简,然后将分辨矩阵引入值约筒中得到决策规则.采用该算法对变电站故障决策表进行属性约简和值约简,抽取出变电站故障诊断的精确规则库进行故障诊断.实验结果表明了该方法的有效性.     

基于粗糙集的决策规则设计算法研究

从获取确定性决策规则的角度出发,基于粗糙集对高维知识库的决策规则约减知识,采用相关方法设计决策规则实现的算法。在不损失信息量的前提下,使决策规则的表示简单化。使用这种算法生成决策规则的时间大大减少,与白钡窑实际控制的数据相比,决策规则控制的误差小于±1。     

基于Rough集的决策规则提取

通过分析分明矩阵方法进行属性约简时存在的一些弱点，本文提出了分明矩阵方法的简化，并将其应用于数据库中决策规则的提取。在求核集时，该方法不必生成分明矩阵这一环节，从而减少了时空上的不必要开销，提高了属性约简的效率，并通过一个实例详细地说明了具体提取过程，该实例说明了基于Rough集提取决策规则的方法简单易行。     

Dominance-based Rough Set Classifier without Induction of Decision Rules

Rough Sets Theory is often applied to the task of classification and prediction, in which objects are assigned to some pre-defined decision classes. When the classes are preference-ordered, the process of classification is referred to as sorting. To deal with the specificity of sorting problems an extension of the Classic Rough Sets Approach, called the Dominance-based Rough Sets Approach, was introduced. The final result of the analysis is a set of decision rules induced from what is called rough approximations of decision classes. The main role of the induced decision rules is to discover regularities in the analyzed data set, but the same rules, when combined with a particular classification method, may also be used to classify/sort new objects (i.e. to assign the objects to appropriate classes). There exist many different rule induction strategies, including induction of an exhaustive set of rules. This strategy produces the most comprehensive knowledge base on the analyzed data set, but it requires a considerable amount of computing time, as the complexity of the process is exponential. In this paper we present a shortcut that allows classifying new objects without generating the rules. The presented approach bears some resemblance to the idea of lazy learning.     

一种基于粗糙集的信息系统决策规则提取方法

以粗糙集理论为基础,引入相似性的概念,并提出其衡量方法,改进了粗糙集理论中不可辨关系的确定条件,给出了基于新的相似关系的上下近似空间定义,并举例说明了基于粗糙集的相似性规则提取方法。     

基于Rough Set带结论域的关联规则挖掘

论文构建了一种基于RoughSet(RS)带结论域的强关联规则挖掘模型,采用约简决策表和改进的Apriori算法来挖掘关联规则,提高了关联规则的挖掘效率和挖掘质量,提出并实现了带结论域的关联规则挖掘的解决方案。     

一种基于Rough集的兴趣缺省规则挖掘算法

Rough集理论提供了一种新的处理不精确，不完全与不相容知识的数学方法，从不一致决策表中快速，有效地挖掘出缺省规则是决策规则挖掘研究的一个热点，文中引入了决策规则的相似度概念，并提出了基于Rough集的兴趣缺省规则挖掘算法（IDRMA），依据IDRMA算法对决策规则进行合理的分类，可获取用户的兴趣缺省规则。     

基于粗糙集合理论的决策树生成

决策树算法是一种采用分治策略的自顶向下的归纳算法,传统的决策树算法往往是基于信息论度量的.文章以粗糙集合理论中的区分观点为基础,提出了两种新型的属性选择判据：区分度和区分价值.实验结果表明,采用区分价值的属性选择策略所生成的决策树要明显优于基于熵的属性选择策略.     

基于粗糙集的拒绝决策规则获取和约简

针对确定性和不确定性决策规则无法给出拒绝判断的缺陷,提出一种拒绝决策规则获取方法。通过分析拒绝决策规则的度量因子,设计2种可以保持下近似不变和上近似不变的相对约简算法,给出基于分辨矩阵的拒绝决策规则约简的判定定理和操作方法,实例分析结果验证了该方法的有效性和实用性。     

基于粗糙集的一体化保障技术属性约简问题研究

一体化保障技术是目前提高复杂武器系统测试和保障能力的研究重点,为解决一体化保障技术中存在的指标冗余问题,结合粗糙集相关理论,提出了基于属性重要性和属性间影响度的约简算法;通过在某型一体化保障设备的柴油发电机子模块中应用该算法,在精简测试指标的同时,保证了较高的测试准确性,缩短了测试时间,验证并说明该理论可以有效地解决一体化保障技术中的指标冗余问题。     

基于不完备信息系统的Rough Set决策规则提取方法

对象信息的不完备性是从实例中归纳学习的最大障碍。针对不完备的信息，研究了基于不完备信息系统的粗糙集决策规则提取方法，利用分层递减约简算法，通过实例有效地分析和处理了含有缺省数据和不精确数据的信息系统，扩展了粗糙集的应用领域。