基于粗糙集理论的规则提取方法

利用粗糙集理论从初始的数据库出发，进行离散化，属性约简和值约简，依次建造可辨识矩阵、约简表和规则表，从数据库中提取一定的规则。     

一种基于约简树的决策表属性约简方法

本文首先给出了约简树的定义，提出了采用宽度优先的策略构造约简树，在构造约简树的过程中。把某个结点处决策规则是杏一致作为在该结点处是否可以继续构造子树的条件，把该结点是否已经出现过作为剪枝条件，并把相对核作为构违约简树的一个重要的终止条件。随后研究了约简树的性质，找到了基于约简树的决策表的极小属性集。最后分析了该方法在最好和最坏情况下的时间复杂度。实例分析表明，该算法能有效地对决策表进行属性约简。     

决策表中基于条件信息熵的近似约简

属性约简是粗糙集理论的重要研究内容,已有效应用于机器学习、数据挖掘等领域.基于条件信息熵的属性约简可有效推广代数观下的属性约简,但存在抗噪声弱且某些情况下冗余属性多的不足.为此,本文在引入决策表中基于条件信息熵的近似约简概念后,提出决策表中基于条件信息熵的近似约简算法,该算法可有效增强抗噪性,且可依据实际应用的需要有效地对冗余属性进行取舍.最后,本文侧重通过选择不同精度下的约简属性子集在Benchmark上进行了分类器的性能测试.     

基于粗糙集的过程控制规则挖掘算法及应用

在现代工业生产过程中，如何从实际生产过程中提取出有用的规则，用于调整控制生产是过程控制中一个难题。文章提出了一种基于粗糙集的过程控制规则挖掘算法，可以较大的降低计算复杂度，并将算法用于实际烟草制丝生产线的关联规则提取．得到了可用于实际生产过程控制的规则。     

属性约简簇的优化选择

属性约简是粗糙集的一个重要应用.一个数据集往往含有多个属性约简,人们一般用启发式算法找到其中的一个,再通过实验的方法验证其有效性.面对多个属性约简,人们往往难以区别,缺乏有效的手段选取最优或较优的属性约简.使用多种概念漂移的度量指标和信息损失的度量方法比较了同一个知识系统中不同Pawlak约简之间的区别与联系.提出了属性约简重心的概念,并研究其性质.实验结果显示,在众多的属性约简中,离重心最近的属性约简在分类准确率方面具有较大的优势.概念漂移的度量指标和信息损失的度量方法有助于区分不同的属性约简,属性约简的重心有助于在众多的属性约简中选择最优或较优的一个.     

不一致决策系统中约简之间的比较

本文在相关文献的基础上研究了不一致决策系统中绝对约简、各种相对约简之间的关系,包括相对于个体的约简和相对于整个决策系统的约简.证明了μ-决策约简等价于信息论意义下的相对约简.     

一种基于PCA和RS的文本特征抽取方法

提出一种基于PCA(主成分分析)和RS(粗糙集)的文本特征抽取方法。首先利用PCA将n维词语特征-文档矩阵变换为一个m维的正交矩阵,再采用RS的方法对m维新特征进行进一步的约简。实验结果表明,新的特征抽取方法用于垃圾邮件过滤能有效的提高垃圾邮件过滤的正确率和召回率。     

基于遗传算法的属性约简

属性约简是知识发现的重要步骤。但从属性集中选择最优子集属于NP-hard问题。文章提出的遗传属性抽取算法，以属性的可分性度量为偏置，并引入禁忌表搜索策略，降低了搜索空间；采用退火选择来保持种群的个体多样性，防止未成熟收敛；算法内置的分类器采用人工神经网络，并提出了基于有监督聚类的人工神经网络分类算法，有效地降低了人工神经网络分类器的训练时间。实验分析表明，算法能够从高维数、大数据集合中有效降低数据维数。提高数据的分类准确性。     

基于粗糙集信息观的决策表属性约简方法

粗糙集理论是近年来发展起来的一种有效的处理不精确、不确定、含糊信息的数学理论方法，它被广泛应用于相容和不相容决策表的属性约简和核属性计算。利用反例指出目前基于粗糙集信息观[2、6]的决策表属性约简和核属性计算方法的局限性。对决策表的性质作了深入的研究，研究发现文献[2、6]方法的不足原因是：它们没有考虑U／ind（C）中等价类的相客性。给出了基于U／ind（C）中等价类相客性的属性约简定义和核属性定义，并给出了一种新的基于粗糙集信息观的决策表属性约简和核属性计算方法。讨论了该方法同文献[2、6]方法的区别。最后用相同实例验证了该方法的有效性。     

粗糙集在犯罪信息中的应用

在信息爆炸的时代,随着数据信息的不断累积,如何从大量的数据信息中找到有用的信息变得越来越关键。从犯罪数据的特点出发,将大规模人群的行为属性数字化。在此基础上,基于粗糙集来建立属性约简模型。通过删除冗余特征属性得到关键属性,从而有效地帮助警察处理案件。     

粗糙集的理论及应用研究

粗糙集理论是一种新的软计算方法,能效处理和分析不完备息。文章讲述了粗糙集理论的基本知识和相关算法,分析了粗糙集理论的相关应用,分析了粗糙集理论方法研究中的问题,并对粗糙集理论的发展进行了展望。     

不完备信息系统中知识约简的一种启发式算法

不完备信息系统中的知识获取是粗集理论应用的难点。通过引入信息熵和条件信息熵，对信息系统中属性的必要性进行了定义；提出了一种基于条件信息熵的知识约简启发式算法，并指出该算法的时间复杂度是多项式的。通过实例说明，该算法能得到信息表的约简和决策表的最小相对约简。     

基于粗糙集理论色情信息过滤研究与实现

把粗糙集理论运用到互联网上色情信息的监控,通过对特征项的属性约简和值约简,大大降低了信息的冗余度,提高了分类的效率和准确率。最后应用简单向量距离分类算法和贝叶斯算法实现对色情文本信息的过滤,并进行试验。     

基于属性重要度约简算法在数据挖掘中的应用研究

属性约简是粗糙集理论研究的核心内容之一,本文通过对属性重要度的计算,以核为基础计算条件属性集中除核以外其他属性的重要性来确定最小的约简,最后通过实例分析验证了算法的有效性与可行性.     

关于粒度熵的知识约简算法

针对现有知识约简算法中存在的不完备性问题,提出了一种基于粒度熵的启发式知识约简算法,将该算法应用于电力变压器故障诊断决策表的约简,避免了选择约简集的盲目性,同时也大大提高了故障诊断的效率。     

一种分布式本体融合及冗语关系约简算法

为解决分布式本体融合过程导致的术语包含关系大量冗语的问题,文中提出一种关系约简算法,消除了传递可推导冗语关系,澄清了本体结构.该方法首先通过外延集合检测和内涵结构检查获取满足包含关系的概念序偶集合.然后,使用概念序偶集合构造概念格,并对概念格进行约简,消除包含传递的显式描述式,使得概念体系更加清晰.该方法不依赖人工参与,形式化程度高,可以直接在计算机上执行,提高了本体融合的质量和效率.实验表明,该方法有效的约简了融合本体中的冗语关系.     

基于粗糙集的交通信号控制决策研究

粗糙集理论能够在分析大量经验数据基础上找到用于判断决策的规则,同时允许决策对象中存在一些不太完整的属性,并通过推理得出基本上确定的规则。将粗糙集理论与交通控制结合起来,对交通控制过程中的属性进行了分析,并将粗糙集理论的知识获取和决策分析算法应用到交通信号控制中,提出了一种系统的交通信号控制知识获取和决策的方法,是在解决城市交通状况决策问题上的一次有益的尝试。     

一种用于线性网络约简的高效互连线模型

给出了一种用于线性网络约简的高效互连线模型.在这个新模型中,互连线网络的端口被分为有源和无源两类.通过端口的分类,部分的冗余特性可以在约简之前被删减.使用这种模型,约简后线性网络的规模可以减小50 %以上.     

一种用于线性网络约简的高效互连线模型

给出了一种用于线性网络约简的高效互连线模型.在这个新模型中,互连线网络的端口被分为有源和无源两类.通过端口的分类,部分的冗余特性可以在约简之前被删减.使用这种模型,约简后线性网络的规模可以减小50%以上.     

信息系统属性约简的柔性差别矩阵

提出了一种柔性差别矩阵的概念与构造方法,利用柔性差别矩阵可直接对不完备信息系统、模糊属性信息系统以及Vague集属性信息系统进行属性约简,同时给出了相关的理论和应用举例.该研究结果也为实值属性信息系统利用差别矩阵进行属性约简提供了研究基础,对粗糙集的理论与应用研究具有新的意义.