一种基于粗糙集理论的决策规则提取方法

粗糙集理论是一种新兴的数学工具,用于分析、处理不确定或不完整的复杂信息,适合于从大量复杂的数据中发现隐含的、潜在有用的规律。提出了一种基于粗糙集理论的决策规则提取方法,通过重要度分析和属性约简,找出影响决策属性的关键因素。通过值约简,得出决策规则。运用该方法对大学生自主学习风气与能力培养之间的关系进行研究,实例分析表明,这种新的方法具有实际应用价值。     

一种改进的基于粗糙集的启发式值约简算法

在求得决策表中属性值核的基础上,用属性重要度指导增加后续属性值,还引入包含度和支持度统计度量,生成了不同置信度水平下的决策规则集,并设计了基于规则集的分类算法。对Monk数据集的对比实验表明,该算法是有效的。     

基于粗糙集理论的变压器故障诊断模型

综合考虑油浸电力变压器的溶解气体分析与电气试验得到的多种故障征兆，在分析大量变压器故障案例的基础上，建立了基于粗糙集的油浸电力变压器故障诊断的具体模型．针对变压器故障的复杂性以及信息的不完备性，对变压器的故障信息和故障类型进行分析总结，利用粗糙集进行约简可以得到诊断结果．实例表明该模型具有计算速度快、正判率高、结果直观等优点．     

一种改进的基于粗集理论的有导师学习方法

属性约简和属性值约简是基于粗集理论进行有导师学习的基础,在分析经典约简算法的基础上,根据粗集理论中属性的依赖度和重要度等性质,提出一种改进的约简方法,以获取简洁的决策规则,从而使有导师学习变得既快捷又准确.并通过实例验证了该算法的正确性和有效性.     

一种基于分辨矩阵的属性约简改进算法

运用粗糙集理论,对基于分辨矩阵的属性约简,提出了一种改进算法.该算法通过对分辨矩阵的简化处理,化简分辨函数,快速求解分辨函数的最小析取范式,从而得到决策表的核和所有约简.该算法简化了分辨函数的求解过程,经实例验证该算法简单、快速、有效.     

一种基于属性重要度的约简算法

属性约简是Rough Set理论的核心内容之一,现已证明求决策表所有约简和最小约简是一个典型的NP难题.在对启发式约简算法研究的基础上,提出一种改进的约简算法.该算法将决策属性作为一个特殊的条件属性加入到核中,通过分析加入后划分出的等价类的变化来缩小需要处理数据的范围,并通过实例分析表明该算法的有效性.     

一种基于粗糙集理论的规则提取的方法

提出了一种基于粗糙集理论的规则提取的新方法。利用粗糙集理论直接生成确定性基本决策规则和不确定性基本决策规则,形成信息系统的基本决策规则库。同时,证明了任一确定性规则都可以由确定性的基本决策规则生成。最后,给出了规则提取的算法描述,分析了算法的性能。     

基于粗糙集理论的变压器故障诊断模型

综合考虑油浸电力变压器的溶解气体分析与电气试验得到的多种故障征兆,在分析大量变压器故障案例的基础上,建立了基于粗糙集的油浸电力变压器故障诊断的具体模型.针对变压器故障的复杂性以及信息的不完备性,对变压器的故障信息和故障类型进行分析总结,利用粗糙集进行约简可以得到诊断结果.实例表明该模型具有计算速度快、正判率高、结果直观等优点.     

一种基于属性-值树的求核与约简方法

为快速计算粗糙集的一个属性约简与核,提出一种基于属性-值树模型的改进约简与求核算法,并证明了算法的完备性．该算法充分利用树型结构,引进树的合并方法,使得计算复杂度从O(|U||C|2)降低为O(|U||C|),提高了计算效率(其中|U|和|C|分别代表对象个数和属性个数)．     

粗糙集理论在商业数据挖掘中的应用

商业智能研究中的商业数据挖掘,是从数据库中抽取对商业零售企业进销存具有潜在应用价值的隐含信息.给出了基于粗糙集理论的商业数据挖掘完整过程,结合商场客户价值分析的实例,使用粗糙集数据挖掘系统(RSDMS)进行数据预处理,消去冗余属性,抽取决策规则.     

基于粗集理论的约简算法

在基于属性重要性和基于分辨矩阵两种算法的基础上,提出了一种同时满足属性重要性和频度的启发式约简算法RedFreSigni。该算法的基本思想是:以属性的核为基础,把核和用户偏好集同时作为属性近似约简的一部分,以频度作为选择属性的启发信息可同时生成计算属性的频度信息与不可分辨矩阵,减少了计算时间。在此基础上进而提出了基于规则支持度和置信度的决策挖掘算法,该算法能有效提取出用户感兴趣的规则。     

粗糙集理论研究的最新进展及发展趋势

粗糙集理论是一种较新的软计算方法，是分析和处理不完备信息的一种有效工具。分析了粗糙集理论研究的最新进展，指出了粗糙集理论研究中存在的问题，并对粗糙集理论研究的发展趋势进行了展望。     

粗糙集理论及其应用进展

粗糙集理论以其出色的处理模糊和不确定知识的能力，成为数据挖掘研究中的有力工具。文章首先描述了粗糙集理论的基本思想，接着介绍了基于粗糙集理论的数据分析过程，给出了作者等人的相关研究工作，最后论述了粗糙集的应用进展及未来的研究方向。     

粗糙集在数据挖掘分类规则中的应用研究

数据集中的冗余性会降低数据挖掘结果的解释能力和精度，介绍了数据集中挖掘分类规则的基本原则，并利用粗糙集理论中核及决策类覆盖的概念，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，并简化带有不同相容规则的决策系统的数据挖掘算法，并应用一简单的例子说明如何在数据库中发现分类规则。     

蚁群算法融合粗糙集理论的属性约简算法

为了克服属性约简过程中寻找最小属性集算法存在时间复杂度高搜索空间大等不足,把属性抽象为节点,通过蚁群算法搜索得到节点的最少组合,使得其能代替原有的属性节点并保持决策系统的粗糙分类能力.针对蚁群算法初期信息素匮乏,收敛速度慢的问题,将蚁群算法和粗糙集理论融合,采用粗糙集理论的相关算法确定属性核,并将其作为蚁群算法的初始节点.利用蚁群算法的搜索能力,用于最小属性集的搜索.理论分析和实验结果表明,该算法可行有效.     

基于粗糙集的高职教师教学能力评价模型的构建与应用

教学能力是教师的基本能力,直接影响教师的教学行为与教育质量,提升教师教学能力是高等教育从“数量扩张”转向“内涵发展、质量提高”新阶段的迫切要求,然而科学全面的评价教师的教学能力一直以来都是一个难题。基于粗糙集理论,构建了一套高职院校教学能力评价的指标体系,通过属性约简降低计算复杂度,并实现了指标权重的客观赋权,在此基础上,将粗糙集与模糊综合评价方法结合起来,建立教师教学能力综合评价模型。系统地探讨了模型建立的全过程思路及方法．并通过实例验证了该方法的实用性和可行性。