Rough集综合评价矩阵及其在风险决策中的应用

综合评价就是对多种因素所影响的事物或现象做出总的评价,即对评价对象的全体,根据所给的条件,给每个对象赋予一个非负实数——评价指标,再据此排序择优．根据Rough集和Bayes理论中的决策规则的确定性因子的涵义及其功能,本文提出了决策规则的条件属性确定性因子的概念,再利用条件属性的综合权重建立了Rough集综合评价矩阵,在风险决策时可以给决策者提供一定的决策依据．     

粗集理论在网络故障诊断系统中的应用

在网络故障诊断系统中,对反映网络信息的MIB变量,利用粗集(Rough Set)理论约简出最有利于分类的变量集合,并获得分类的决策规则.实验结果表明,对解决网络故障特征提取,提高故障分类正确性等问题有较好的效果.     

一种近似决策规则生成算法及其应用

实际应用中,Rough集理论所推导出的基本决策规则在对新对象进行匹配时,往往会遇到新对象不能被匹配的情况,使得不能对新对象作出有效的决策.为了提高规则对新对象的匹配能力,提出了一个更有效的近似决策规则生成算法,并将其应用于基于Rough集理论的垃圾邮件过滤模型中.实验结果表明,该算法所产生的近似决策规则能够有效地提高规则对新邮件的匹配能力,以及对邮件的过滤性能,因此该算法是可行的.     

Rough集理论在结构损伤识别中的应用

提出以光纤光栅传感嚣为传感元件、简支板结构为研究对象、运用粗集理论对结构损伤部位进行检测识别。介绍了用Rough集理论来构建检测对象的知识表示方法，用K-均值量化算法实现连续信息离散化，采用基于Rough集的约简方法来生成目标决策规则。检验样本的实验显示出所提方法获得了满意的检测识别结果，且运算效率远高于神经网络。     

基于Rough集的规则抽取技术

数据分类是数据挖掘的一个重要功能,神经网络以其良好的抗噪性和鲁棒性而成为一种广泛使用的数据挖掘工具,尤其是运用在数据分类中.但是,神经网络对用户来说是一个黑箱,所获得的知识隐含在神经网络的连接权中而难以理解.针对这种情况,建立了一个基于神经网络的数据分类系统模型,通过数据处理、网络训练、规则抽取等几个阶段,达到将获得的知识清晰化的目的.在系统中,首先对连续性数据作规一化和对语义性数据进行编码;然后经过网络训练而获取知识;规则抽取采用功能性方法:即把神经网络视为黑盒,随机产生输入得到相应的输出组成实例,然后采用Rough集的方法进行约简得出规则.     

Rough集理论发展现状与应用前景

为了解决复杂系统的不确定性信息处理问题,介绍了Rough集理论的基本概念和研究状况.对Rough 集模型推广、约简算法研究等进行了讨论;并对Rough集理论在机器学习、决策分析、知识发现等领域中的应用 状况进行了论述,同时提出了Rough集理论在知识获取和并行计算领域中的发展前景和Rough逻辑控制、 Rough信息处理等研究方向.     

粗集理论在网络故障诊断系统中的应用

在网络故障诊断系统中，对反映网络信息的MIB变量，利用粗集(Rough Set）理论约简出最有利于分类的变量集合，并获得分类的决策规则．实验结果表明，对解决网络故障特征提取，提高故障分类正确性等问题有较好的效果。     

Rough集在不一致决策树生成中的应用

现实世界中存在大量不相容数据.基于Rough集的有关理论,提出了一个在决策树生成过程中简单高效的识别、处理不相容数据,生成不一致决策叶节点的方法,并引入决策质量参数来刻画不一致叶节点,从而为利用决策树推理和决策提供更多有用信息.将这些方法结合进ID3算法,使算法对相容和不相容数据均可进行有效地处理.     

不完备信息系统的粗糙集扩充方法

就目前直接处理不完备信息系统的Rough集模型进行了讨论、归纳和总结,介绍了不完备信息系统的Rough集扩充方法,为在不完备信息系统上基于Rough集模型的粒计算研究提供一定的参考.     

高层建筑结构方案设计的知识发现方法

为较好地解决高层建筑结构方案设计阶段知识发现问题,突破知识获取“瓶颈”.针对信息系统为连续属性的情况,提出了基于粗糙集理论的高层建筑结构方案设计的知识发现方法.通过模糊隶属函数将连续属性值表示成模糊值,利用区分矩阵删除冗余条件属性,通过m ax{|posCi(D)|}值的计算,考查各条件属性对决策分类的重要性,选择涵盖最多决策分类对象的属性为分枝结点,便可得到一棵与最小决策规则集对应的决策树,从而导出决策规则.最后给出一个应用实例.     

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。     

基于粗糙集图像分层算法的研究

提出了一种基于粗糙集的图像分层新算法,首先从数字图像中提取色彩信息和空间信息构造条件属性集,分析经典的图层信息构造决策属性集,然后运用粗糙集理论进行数据挖掘,从而得到从条件属性集到决策属性集的强规则,运用这些规则对数字图像进行智能分层。最后,用实例证明了该算法的正确性。     

粗集中规则提取的一种增量式算法

本文对数据成时间序列的动态决策表 ,用增量式算法提取决策表的规则模型。增量式算法的关键点是在分类正确率和相容度下对属性集进行优级排序 ,算法的特点是随着数据的增加逐次推导规则。随着计算轮次的增加 ,比较运算的次数按多项式增加。由于大型静态数据库可转化为动态数据库 ,所以 ,增量式算法是大型决策表规则提取的有效算法     

基于粗集－模糊推理的径流多因素分级预报模型

针对径流多因素分级预报中因子的确定问题,将粗集理论引入到模糊推理多因素分级预报中,建立粗集-模糊推理径流分级预报模型。利用属性约简算法及相对分类精度确定预报因子及分级,以最小决策规则集作为推理规则进行分级预报。并结合大伙房水库年径流预报实例进一步分析因子分级和相对分类精度对预报结果的影响。结果表明,采用粗集理论筛选因子确定推理规则进行模糊推理预报,提高了预报级别合格率。预报结果在提供径流级别的同时,可给出预报区段值,为水库制定年度控制运用计划提供了丰富的参考信息。     

粗糙集在CBR中的应用研究

在CBR中引入了粗糙集技术，可以有效地进行知识约简，从中发现规则；建立基于粗糙集的案例索引机制；对案例库的精简维护，以及实现集成推理等，极大地提高了案例推理的能力与效率。     

基于粗糙集的综合推理模型

为了拓展综合推理的涵盖范围，建立了基于粗糙集理论的综合推理模型.将综合推理中的综合源和场引入到粗糙集理论的决策系统中. 通过对原始决策系统的分解得到综合源，分解而成的每个决策系统构成一个综合推理的源.在分解得到的综合源中，基于正域的概念，用依赖度和分类质量方法定义了场强，根据属性出现频率，采用差别矩阵定义了场强，并结合信息论，通过互信息、条件熵和互信息增益率定义了场强.分析结果表明，该模型可完成属性约简过程.实现了对粗糙集理论和综合推理理论的融合和成功扩展.     

基于粗糙集的经济数据分析

随着社会的快速发展,各种数据急剧增长,如何从这些海量数据中提取有用的信息成为了一个很现实而且重要的问题。在粗糙集理论中,如何去除冗余信息,留下关键信息,从中提取规则是很重要的,而且从规则中分析出一些内在规律,这对辅助决策有很大的帮助。本文利用粗糙集理论,对经济数据进行分析,从中得到一些经济规则,进行辅助决策。     

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。     

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.