基于粗糙集理论的数据挖掘的应用

在粗糙集理论的基本思想及其特点的基础上说明它是数据挖掘的一种工具,并对其广泛的应用作了描述。介绍了常见的粗糙集理论的应用工具软件（如Rosetta),并给出了一个应用粗糙集技术来实现数据挖掘的实例系统（电力系统中操作点的分类）。     

粗糙集在销售决策系统中的应用

在销售决策支持系统中,存在着大量的信息和很多不确定的因素,这使得做出科学合理的决策变得很困难。粗糙集理论是处理不确定性知识与不完整数据的有效工具,因此可以根据粗糙集理论通过分析推理找出销售数据中存在的有用的知识。依据粗糙集理论实现了一种对销售决策表知识简化的方法,采用粗集理论处理大量销售信息,从中提取有用规则,通过分析和推理产生最小决策规则。通过实例分析,验证了粗糙集理论与销售决策支持系统相结合方法的可行性。该方法有效地解决了智能销售决策支持系统中决策规则的获取与理解等问题。     

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。     

基于粗糙集和遗传算法的数据挖掘方法

运用粗糙集和遗传算法的理论,为大型的数据挖掘提供了一种新的方法。首先通过粗糙集理论对数据进行预处理,然后对属性简约,最后通过遗传算法进行规则提取,寻找最优解。     

粗糙集理论及进展的研究

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。目前已在人工智能、知识与数据发现、模式识别与分类、故障检测等方面得到了广泛应用。文中描述了粗糙集的基本理论，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。     

粗糙集理论及进展的研究

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。目前已在人工智能、知识与数据发现、模式识别与分类、故障检测等方面得到了广泛应用。文中描述了粗糙集的基本理论,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。     

粗糙集结合遗传算法在数据挖掘中的应用

运用粗糙集,结合遗传算法理论,提出一种提取大型数据表决策规则的方法.首先依据条件属性的重要度,把条件属性加入到核属性集中,生成约简.然后选取一组规则编码作为原始种群,应用遗传算法寻求最优解.经过解码和分析做出推理和决策.     

粗糙集理论在医学数据挖掘中的研究与应用

如何有效地挖掘和利用医疗活动过程中所产生的大量医学信息资源,使之有效地服务于医学的科学研究和临床诊断是医学信息数据挖掘所面临的主要问题.本文首先介绍目前医学数据挖掘研究的特点和现状,以及其区别于其它一般数据挖掘方法的地方;然后探讨粗糙集理论在医学乳腺X片数据挖掘中的应用,最后分析和总结实验中涉及的一些关键问题,并对未来...     

粗糙集数据挖掘技术在丙酮精制中的应用研究

将基于粗糙集理论的数据挖掘方法应用于丙酮精制过程产品质量的预报。针对流程工业数据高维、构成复杂、连续性强等特点，改进了基本的粗糙集数据挖掘算法，并与模糊聚类等技术相结合，提出了一种适用于流程工业数据的粗糙集数据挖掘方法。在采用实际丙酮精制生产数据作为样本的实验中应用效果良好，表明该方法具有一定的实用价值。     

关于粗糙集理论及应用问题的研究

粗糙集理论作为数据挖掘的一种有效的手段，现已在为国际学术界的一个前沿研究领域，概要介绍RS核心思想，基本概念，对几个主要问题，连续属性离散化，约简的启发式算法和扩展模型进行了论述，总结整理了现有的研究思想和处理方法；并对RS的应用领域及进一步研究的前景作了简单的介绍。     

MMR: An algorithm for clustering categorical data using Rough Set Theory

A variety of cluster analysis techniques exist to group objects having similar characteristics. However, the implementation of many of these techniques is challenging due to the fact that much of the data contained in today’s databases is categorical in nature. While there have been recent advances in algorithms for clustering categorical data, some are unable to handle uncertainty in the clustering process while others have stability issues. This research proposes a new algorithm for clustering categorical data, termed Min–Min-Roughness (MMR), based on Rough Set Theory (RST), which has the ability to handle the uncertainty in the clustering process.     

A confirmation technique for predictive maintenance using the Rough Set Theory

This paper presents a technique to improve the accuracy of the predictions obtained using the Rough Set Theory (RST) in non-deterministic cases (rough cases). The RST is here applied to the data collected by the Intelligent Field Devices for identifying predictive diagnostic algorithms for machinery, plants, subsystems, or components. The data analysis starts from a historical data set recorded from the field instruments, and its final result is a set of “if–then” rules identifying predictive maintenance functions. These functions may be used to predict if a component is going to fail or not in the next future. The prediction is obtained by applying the rules extracted with the RST algorithm on the real-time values transmitted by the field device. It may happen that some diagnoses are uncertain, in the sense that it is not possible to take a certain decision (device sound or close to fail) with a given set of data. In this paper, a new algorithm for increasing the confidence in these uncertain cases is presented. To show an example, the proposed confirmation algorithm is applied to the predictive algorithms obtained for an intelligent pressure transmitter.     

基于Rough Set理论的小儿常见病诊断智能超媒体系统

本文主要介绍了用VisualBasic和SQLSever开发的小儿常见病诊断智能超媒体系统以及RoughSet理论在该系统中的应用,包括利用RoughSet理论对该系统中的知识库中的知识进行约简和进行正推理和反推理的方法。RoughSet理论的应用,大大提高了该系统的推理效率。     

基于粗糙集理论的计算机图像识别系统

为解决专家系统较难获取完备知识的瓶颈问题,设计了一种基于粗糙集理论的诊断系统。研究历史数据所形成的决策表,运用粗糙集理论进行约简,构建专家系统知识库模型。通过计算诊断规则粗糙度,确定诊断规则的置信程度。利用推理机,实现对知识库的动态维护。结合诊断的特点,建立基于粗糙集理论的专家诊断系统模型,快速准确地实现诊断的目标。实例表明,该专家诊断系统有效、实用,具有很好的学习能力。     

Rough集理论与粒计算

近年来，粗糙集理论以其独特的优势在诸多科研领域取得了不俗的表现。在信息处理过程中，统计学方法需要知道数据的概率分布情况，模糊集的方法需要事先给定隶属度函数，而粗集理论不依赖于这些先验知识，利用上、下近似集这两个概念来描述不精确、不一致信息。本质上粗糙集理论是一种粒计算的模型框架。本文主要讨论粗糙集理论的基本概念、扩展模型以及未来的挑战。此外，对于与粒计算的相关概念以及它们在未来发展中的趋势、面临的主要问题本文也有所涉及。     

Rough集理论与粒计算

近年来,粗糙集理论以其独特的优势在诸多科研领域取得了不俗的表现。在信息处理过程中,统计学方法需要知道数据的概率分布情况,模糊集的方法需要事先给定隶属度函数,而粗集理论不依赖于这些先验知识,利用上、下近似集这两个概念来描述不精确、不一致信息。本质上粗糙集理论是一种粒计算的模型框架。本文主要讨论粗糙集理论的基本概念、扩展模型以及未来的挑战。此外,对于与粒计算的相关概念以及它们在未来发展中的趋势、面临的主要问题本文也有所涉及。     

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.     

基于粗糙集理论分析的学习过程评价模型

本文基于粗糙集理论,提出了一个面向学习过程的评价模型.该模型从已有的数据出发,对学习过程中的诸多因素进行约简,去除其中不必要的因素,发现影响学习效果的关键因素及各种因素之间的关联规则,并利用这些规则对学习者的学习过程进行评价.     

粗糙集理论在生物发酵过程补料控制及故障诊断中的应用研究

在生物发酵过程中传统控制方法经常难以胜任,同时发酵过程积累了大量的历史数据。粗糙集理论是一种数据推理方法,文章提出将其应用于生物发酵过程的补料时机的识别与控制、发酵状态故障诊断和异常工况故障诊断,并阐述了具体思路,构造了应用框架,讨论了该方法的特点。