粗糙集理论在肝病辅助诊断中应用

粗糙集理论主要研究由论域和属性集构成的知识表达系统。医疗诊断中,大量病例、疾病症状和疾病诊断结果构成了一个医学信息决策系统。通过决策属性对条件属性依赖度和重要性分析,发现诊断结果与临床症状之间的关系,提取医学决策规则。实验表明,粗糙集用于肝病辅助诊断方法是正确可行的。     

基于粗糙集理论的属性约简算法

粗糙集理论是一种新的数据挖掘方法,其主要思想是保持分类能力不变的情况下,通过属性约简,达到发掘知识并简化知识的目的.从大量数据发现知识时,属性约简是一个关键问题.在理解和分析基于粗糙集理论的数据挖掘算法基础上,提出了一个基于属性依赖度的属性约简算法.实验结果表明,该算法能更有效地对决策系统进行约简.     

基于粗糙集的属性约简算法

本文主要研究基于粗糙集理论的属性约简算法.提出了一种同时适合于相容信息表和不相容信息表的启发式约简算法,并通过算例验证了该算法的可行性和有效性.     

粗糙集理论在计算机基础教学测评中应用

计算机基础课的教学,从内容、方法到手段不断改进,但缺乏灵活、有效的教学测评方法。参加计算机基础等级考试的师生,如何在考前能够快速、准确了解教学效果并及时发现存在的问题,有针对性地做好考前辅导工作。依据粗糙集理论中条件属性对决策属性重要性的不同,确定对考试结果有重要影响的教学内容。知识约简的信息论观点包含了知识约简的代数观点[1],利用信息熵计算属性重要性,通过对属性重要性分析,为今后的教学重点供了理论依据。     

粗糙集理论中求取最小决策规则的研究

本文探讨了粗糙集理论中最小决策规则的求取方法，提出决策依赖度的定义，尝试从最短的条件属性组合中提取尽可能多的决策规则。只有现有长度的决策规则无法完全覆盖所有样本时，才会考虑增加决策规则的长度。同时提出了3种减少计算复杂性的方案：1）引入跳跃系数λ；2）在计算中只对具有相同决策值的样本进行等价类划分，从而避免了对含有不同决策值的等价类的无用划分；3）设计Remain集合，只针对其中的样本进行等价类的划分，随着Remain中样本数的减少，计算量会大幅下降。此外，本文所提出的基于决策依赖度的跳跃式决策规则求取方法可以直接应用于不完备信息系统，因此具有良好的实用价值。     

粗糙集属性约简的方法

传统粗糙集分类方法过于严格,对噪音过分敏感。针对带不确定因子决策系统,提出一种基于属性依赖度的约简算法,使含不确定信息及数据噪音的系统中的属性得以简化,找到一种具有广泛表达能力的数据隐含格式,删去冗余的规则,并保持系统的原有用途和性能。通过一个例子实现了该算法。     

粗糙集理论在心脏病诊断中的应用

简要介绍了粗糙集理论的基本原理和主要方法，给出了一个基于粗糙集理论设计的Rosetta软件对心脏病进行诊断的应用实例。     

粗糙集理论在心脏病诊断中的应用

简要介绍了粗糙集理论的基本原理和主要方法,给出了一个基于粗糙集理论设计的Rosetta软件对心脏病进行诊断的应用实例。     

基于粗糙集理论的公安情报分析

公安情报分析为有效打击和预防犯罪提供了重要的决策支持,是公安工作中非常重要的一环.针对目前公安情报分析工作中面临的信息过剩而情报缺失的问题,本文将粗糙集理论应用到公安情报分析中,结合实际问题,应用变精度粗糙集理论中的条件属性相对决策属性的属性重要性构建情报分析模型,以某地区刑事案件数据为依托,挖掘出公安情报分析的关键指标属性,从而萃取出规则知识集,辅助公安机关进行犯罪情报分析工作,力图提高情报分析机制的准确度.     

粗糙集理论在机械故障诊断中的应用

作为处理模糊和不确定知识的工具,粗糙集理论能够有效地确定知识系统中有用知识和冗余知识,从而对知识系统进行浓缩,有效地减少训练集,它很好地弥补了人工智能的不足之处。因此,传统的机械故障诊断技术已从人工智能领域转向以粗糙集理论为代表的计算智能领域。本文以某型机械故障诊断为例,运用粗糙集理论对故障数据加以分析处理,得到了简明的故障诊断规则,取得了良好的诊断效果。     

一种基于粗糙集的最小约简算法

随着计算机技术的发展,急剧产生海量的数据。如何从这些数据中提取有用的信息是一个重要的问题。一种新的数据分析方法——粗糙集理论被提出。该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。文中首先对近年兴起的粗糙集的基本概念进行了叙述,在此基础上运用粗糙集理论提出一种新的约简算法。     

粗糙集属性约简算法的分析与改进

研究应用粗糙集理论对信息系统进行属性约简的方法。在分析粗糙集理论基本概念的基础上,根据属性的依赖度和重要度等性质,提出一种改进的属性约简算法,并运用实例对算法的有效性进行分析和验证。     

粗糙集理论及其在智能系统中的应用

粗糙集理论是一种新型的处理含糊和不确定知识的数学工具，在智能系统中得到了广泛的应用，介绍了经典粗糙集理论的基本思想，上下近似集、属性约简和核等基本概念以及粗糙集的研究现状．介绍了粗糙集理论在智能系统中的应用，主要包括基于粗糙集理论的属性约简作为数据预处理的手段，基于粗糙集理论的相关性分析和基于粗糙集理论的系统建模和控制．指出了粗糙集理论在应用中遇到的问题和可能的研究方向。     

一种基于遗传算法的粗糙集属性约简算法

属性约简是粗糙集理论研究的重要内容之一,而求解最小约简是NP难问题。为了有效获取最优或次优约简,该文提出了一种基于遗传算法的粗糙集属性约简算法。该算法将属性核加入遗传算法的初始种群来增加收敛速度,而且在适应度函数中,通过计算决策属性对条件属性的依赖度,使该文算法既保证了全局寻优的特性又具有加强局部搜索的能力,能够获得最佳的搜索效果。该算法通过实例分析,证明是求解属性约简问题的快速有效方法。     

基于粗糙集的考试成绩分析

粗糙集理论作为处理模糊性的新型数学工具已在模式识别、知识获取等方面取得成功应用。在介绍粗糙集理论的基本概念后,着重阐述如何将属性重要性度量方法具体运用在英语考试成绩的分析中。通过实例可知,基于粗糙集方法的英语成绩分析能简便有效地分析出影响成绩的最重要因素,为今后的英语教学侧重点提供了理论依据。     

粗糙集理论中析取范式生成算法

知识约简是粗糙集理论研究的主要内容之一,而析取范式的生成又是知识约简的重点,本文提出的析取范式生成算法可以直接从合取范式生成析取范式,同时给出了属性约简算法的具体步骤,还进行了时间复杂性的分析和实例验证,表明算法的有效性。     

基于粗糙集理论的一种属性约简算法

MIBARK算法在度量属性的重要性时计算量很大,它需要多次计算不同条件属性组合与决策属性之间的互信息。论文的改进算法以属性的频率作为选择属性的启发信息,由过滤差别矩阵得到属性的频率。实验表明,在获得相同属性约简的前提下,该算法与MIBARK算法相比,属性约简的计算量较少,提高了计算速度。     

粗糙集理论在简化过程建模参数中的应用

利用粗糙集理论知识约简的特点,以连续催化重整反应过程中重整产品辛烷值监控建模参数选择为例,对生产过程工况特征参数建立决策表,计算条件属性的重要性,对决策表进行属性约简,简化过程建模参数。此外还将该方法与主成分分析法作了比较。最后利用选择的建模参数建立起神经网络模型。     

粗糙集理论及其应用与发展研究

粗糙集理论是一种研究不精确、不确定性、处理不完备知识的数学工具,目前被广泛应用于人工智能、模式识别、机器学习、决策支持和数据挖掘等领域。该文通过介绍粗糙集理论及特点,叙述了粗糙集理论在各领域的应用发展情况,并且展望了其未来发展趋势。