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。     

粗糙集理论及其在故障诊断中的应用

介绍了故障诊断技术及粗糙集理论的发展状况,重点总结了目前粗糙集理论在故障诊断领域中的几种应用形式,即粗糙集理论与知识发现相结合用于故障诊断、粗糙集理论与专家系统相结合用于故障诊断、粗糙集理论与神经网络相结合用于故障诊断以及粗糙集理论与其他智能技术相结合用于故障诊断;同时,指出了粗糙集理论研究中存在的问题,并对今后的研究方向提出了具体的思路.     

基于粗糙集的故障诊断方法

利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识，从信息熵的角度分析系统知识不确定性的变化，提出了一种基于粗糙集理论的故障诊断新方法，研究了粗糙集理论在故障诊断中的适用性，在前向推理和反向推理的基础上，给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤，讨论了这种故障诊断方法的诊断性能及其在计算上的复杂度。通过这种方法能够进行故障的寻找和定位，实例分析的结果说明了利用粗糙集进行知识发现及建立智能故障诊断系统的可行件和有效件。     

基于覆盖的变精度粗糙集模型

Pawlak粗糙集理论是以等价关系为基础的,而现实中大量存在着非等价关系,如允许有分类误差的情况,此时经典的粗糙集理论模型的应用受到限制。为了使粗糙集理论有更大的应用空间,推广粗糙集模型,作者提出了基于覆盖的变精度粗糙集模型,给出了几个相关的重要概念,并用公理化的方法研究了覆盖的变精度粗糙集近似算子的一些重要性质。     

粗糙集理论在数据挖掘中的应用

粗糙集理论作为一种新型软计算方法，可以有效地分析和处理具有不完备、不确定性特征的信息。已经在诸多领域得到成功应用．在简要介绍粗糙集基本理论的基础上，详细讨论了粗糙集在数据挖掘领域的应用进展．     

群中粗糙集的同态问题

自Z．Pawlak于1982年提出粗糙集的概念以来，粗糙集的理论与应用都在迅速发展．将粗糙集的思想引入到一个代数系统，可以按十分自然的方式导出所谓的粗糙代数的概念．Kuroki N首次提出了粗糙子群、半群中的粗理想等概念，但对有关同态问题研究不多．文章在Kuroki N定义的粗糙子群和粗正规子群意义下，进一步讨论了群中的粗糙集的同态问题．     

基于RST和SVM的入侵检测系统

结合粗糙集理论和支持向量机的特点,构建了基于粗糙集理论和支持向量机的知识简化系统,针对入侵检测系统进行了研究分析,建立了基于粗糙集理论和支持向量机的入侵检测系统,最后通过仿真实验比较,其结果表明该系统有效改进了以往的入侵检测系统的。     

关于粗糙群的注记

从代数的观点、拓扑的观点来讨论和研究粗糙集是粗糙集理论研究的主导思想之一.近年来,国内外学者对粗糙群、粗糙子群、粗糙半群、子群的粗糙理想做了大量的研究,并得到了很好的结论.运用粗糙集理论的思想,在已有的粗糙群的概念的基础上,更深入地探讨了粗糙集理论在代数系统——群上的应用,给出粗糙子群、粗糙陪集、粗糙不变子群和粗糙商群的概念,并讨论了一些新的性质.     

遗传算法和粗糙集相结合的航空电子系统故障诊断方法研究

提出了一种将遗传算法和粗糙集理论相结合的航空电子系统故障诊断方法。该方法运用遗传算法对系统输出的连续数据进行离散化，运用粗糙集理论提取知识规则，用得到的规则进行系统的故障诊断。同时给出了一种运用粗糙集理论增减规则库中规则的方法，以便快速提取新样本知识。仿真实验和某型航空电子系统的实际应用表明：该方法能够有效诊断系统故障且诊断效率高。     

模糊粗糙集的扩张定理

模糊粗糙集(FR)是基于知识的不确定性提出来的，由于其处理信息系统中知识的不完善、不确定问题较粗糙集和模糊集有其自身的优点，近年来模糊粗糙集理论越来越受到国际学术界的关注，文章所讨论了模糊粗糙变换的性质并用模糊粗糙变换的保并性质证明了模糊粗糙集的扩张定理。     

Rough Sets in Approximate Solution Space

1 Introduction In classicalm athem aticalapplication,w e always attem ptto getthe exactsolution to a problem .Ifan ex- actsolutionisnotavailable,we trytofindan approx- imate one.But infact,many so-calledexactsolutions arenot accuratewhatsoever,forthey are…     

粗粒度多尺度属性约简启发式算法

粗糙集理论(RS)从它出现到现在一直是数据推理方面的一种强有力的工具,而作为数据推理的一个非常重要组成部分——知识的约简也一直是粗糙集理论的研究重点.本文基于信息论中信息熵、相对熵和条件熵的概念和性质,在粗糙集系统中增加了一个粗粒度逼近量,并根据粗粒度逼近量提出了一种多尺度逼近的属性约简或者叫规则提取的新算法.     

基于粒计算的规则发现研究

主要对粒计算在规则发现中的应用进行了研究。数据挖掘中的规则发现已经有了许多方法，例如Roughsel理论。粒计算和Roughset理论有很多的关联，将这两者结合起来应用是一个很有意义的研究。文中先介绍粒及粒计算的基本性质，接着对粒计算和Roughset理论两者进行了一定的比较，最后对粒计算在规则发现中的应用进行了讨论研究。     

基于粗集理论缺省数据的改进算法

在对粗集理论研究的基础上，利用对象间的属性值差异引入粗糙相似度的概念，提出一种改进的ROUSTIDA算法，指出改进后的算法使更多的数据得到科学的补齐．实例表明此方法是比较有效的．     

一种智能化的数据分类、分级及保护模型

结合本体和粗糙集理论,提出了一种数据分类分级及保护模型.从业务流程的角度出发对数据进行分类,建立分类数据本体;利用粗糙集理论对数据进行属性约简,并利用规则对约简后的数据进行智能分级,进而对不同等级的数据采取不同的保护措施;还利用粗糙集理论从历史数据中挖掘规则,进行本体学习.以某省电力系统为例进行实验.结果表明,该模型能按照不同单位的特点对数据进行合理分类分级.     

基于属性依赖度分析的粗糙集数据挖掘方法应用

目的采用粗糙集中的属性依赖度分析方法对胶合板缺陷检测数据进行分析,获得各属性对决策的不同作用,并得出各属性间的依赖关系．方法采用粗糙集属性依赖度分析方法对实验数据进行有效分析,挖掘出对决策分析影响大的属性,去掉对决策分析影响小的冗余属性,构造数据挖掘模型．结果从胶合板缺陷检测数据中挖掘出各属性对决策分析的影响程度以及各有关属性间依赖关系的知识,在胶合板缺陷检测数据集的17个属性中,得到了3个重要属性,5个对决策影响较小的属性．结论基于粗糙集属性依赖度的数据挖掘方法提高获取规则的快速性,降低计算的复杂度,增强规则的可解释性,取得良好的研究结果．     

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.     

基于CPS的协议识别优化算法

目的：自美国将CPS的发展列为重点研究项目,引起了各国广泛的关注。不同于传统的系统,在通信方面,CPS融合了大量的异构网络,其规模远大于现有的控制网络。为提高对协议识别的效率和准确度,并对其进行分类,系统中大量数据传输带来的网络拥堵是我们要解决的主要问题。方法：基于网络流的特征,提出了对协议进行识别的变精度粗糙集的权值计算法和决策构造优化算法。结果：基于变精度粗糙集算法协议识别算法,其准确率可达98.7%。结论：基于变精度粗糙集的决策算法相较于普通决策算法,其识别准确度更高、更容易实现。     

图书馆数据挖掘服务系统中粗糙集算法的原理及应用

简要论述了粗糙集算法用于数据挖掘系统的原理和可行性,并以实例说明了粗糙集的核心之一——上、下近似规则抽取理论。首次提出了粗糙集在图书馆数据挖掘中的应用。     

基于粗糙集的数据挖掘

粗糙集理论在分类的意义下定义了模糊性和不确定性的概念,是一种处理不确定和不精确问题的新型数学工具,文中以实例介绍了粗糙集的基本理论,并通过一个实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取. 该实例说明了基于粗糙集进行规则的挖掘是有效的.