一种基于粗糙集理论的决策规则提取方法

粗糙集理论是一种新兴的数学工具,用于分析、处理不确定或不完整的复杂信息,适合于从大量复杂的数据中发现隐含的、潜在有用的规律。提出了一种基于粗糙集理论的决策规则提取方法,通过重要度分析和属性约简,找出影响决策属性的关键因素。通过值约简,得出决策规则。运用该方法对大学生自主学习风气与能力培养之间的关系进行研究,实例分析表明,这种新的方法具有实际应用价值。     

基于粗糙集理论的大学生就业满意度统计分析

当前大学生就业形势越来越严峻,就业压力越来越大,为了研究哪些信息或因素对学生的就业有影响,通过现场问卷调查和电子问卷相结合的方式进行抽样,对在校大学生就业问题进行信息获取。在此基础上对毕业生就业状况中的家庭背景、性别、人际关系、专业课程、创新能力等相关因素进行研究,采用统计理论和粗糙集的方法,从统计理论的基础上对找到满意工作的重要因素进行分析,另外在粗糙集理论的基础上用属性约简算法对指标体系进行简化,并进一步确定找到好工作的重要因素,为大学生就业和高校学生管理提供参考依据。     

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．     

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。     

一种改进的基于粗糙集的启发式值约简算法

在求得决策表中属性值核的基础上,用属性重要度指导增加后续属性值,还引入包含度和支持度统计度量,生成了不同置信度水平下的决策规则集,并设计了基于规则集的分类算法。对Monk数据集的对比实验表明,该算法是有效的。     

基于粗糙集理论的变压器故障诊断模型

综合考虑油浸电力变压器的溶解气体分析与电气试验得到的多种故障征兆，在分析大量变压器故障案例的基础上，建立了基于粗糙集的油浸电力变压器故障诊断的具体模型．针对变压器故障的复杂性以及信息的不完备性，对变压器的故障信息和故障类型进行分析总结，利用粗糙集进行约简可以得到诊断结果．实例表明该模型具有计算速度快、正判率高、结果直观等优点．     

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。     

基于粗糙集理论的变压器故障诊断模型

综合考虑油浸电力变压器的溶解气体分析与电气试验得到的多种故障征兆,在分析大量变压器故障案例的基础上,建立了基于粗糙集的油浸电力变压器故障诊断的具体模型.针对变压器故障的复杂性以及信息的不完备性,对变压器的故障信息和故障类型进行分析总结,利用粗糙集进行约简可以得到诊断结果.实例表明该模型具有计算速度快、正判率高、结果直观等优点.     

基于粗糙集理论的模糊神经网络建模方法

采用基于粗糙集的模糊神经网络模型,将粗糙集理论与模糊神经网络相结合,通过利用粗糙集理论中的约简的计算方法,从样本数据中获取精简的规则,再根据这些规则构造模糊神经网络各层的神经元个数,克服了当输入维数高时,模糊神经网络的结构过于庞大的缺点,从而使网络模型结构最简.并采用误差反向传播算法(BP算法)来训练该新型网络中的权值参数及隶属函数的中心值和宽度,仿真结果验证了该模型的优越性.     

基于粗糙集的数据集预处理研究

针对分类模型在构造过程中存在冗余属性的特点,提出了一种基于粗糙集理论的分类预处理技术,利用其理论的属性约简与分辨矩阵得到属性的约简集.经实例证明,此方法对提高分类模型构造效率有较好的效果.     

一种改进的粗糙集理论分层递阶约简算法

粗糙集的分层递阶约简算法是根据属性的获取方式、采集成本和实时性要求等对属性进行分类,使决策系统中的所有属性在单层次和单粒度上的知识表示变为部分属性所构成的知识在多种层次和多种粒度上的表示,从而可以逐层对决策系统进行约简.在此基础上,文章根据规则获取者的需要即属性的重要度考虑进行分层递阶简约.文章的最后将该算法应用于某单位人才引进决策的获取中,证实了其有效性.     

粗糙集理论在商业数据挖掘中的应用

商业智能研究中的商业数据挖掘,是从数据库中抽取对商业零售企业进销存具有潜在应用价值的隐含信息.给出了基于粗糙集理论的商业数据挖掘完整过程,结合商场客户价值分析的实例,使用粗糙集数据挖掘系统(RSDMS)进行数据预处理,消去冗余属性,抽取决策规则.     

一种基于RS理论的实践教学评估模型

根据RS理论,建立了实践教学评估模型,对影响大学生创新思维和动手能力的复杂数据进行属性约简,得到影响结果的关键属性,实现对指标体系的约简;通过值约简,去除每条规则中的冗余属性值,提取出简洁、明晰的决策规则。实例分析证明,该模型具有一定的实际应用价值。     

基于粗集理论的约简算法

在基于属性重要性和基于分辨矩阵两种算法的基础上,提出了一种同时满足属性重要性和频度的启发式约简算法RedFreSigni。该算法的基本思想是:以属性的核为基础,把核和用户偏好集同时作为属性近似约简的一部分,以频度作为选择属性的启发信息可同时生成计算属性的频度信息与不可分辨矩阵,减少了计算时间。在此基础上进而提出了基于规则支持度和置信度的决策挖掘算法,该算法能有效提取出用户感兴趣的规则。     

基于程度粗糙集的知识约简方法

给出了基于程度粗糙集模型上知识的近似约简及近似相对约简,引入了目标信息系统上的k上(下)近似约简及k上(下)分布约简的概念,并讨论了它们之间的关系,得到了几个重要结论,可为知识发现或数据挖掘技术奠定一些基础.     

基于粗糙集的关键成功因素识别方法

在每一个企业组织中,都存在着对该组织的成功起关键作用的因素,在使用关键成功因素法进行管理信息系统总体规划时,必须找出这些关键因素来确定系统的需求。本文中将一种新的粗糙集约简方法用于对关键成功因素的识别,有利于确定企业的管理目标,保证了管理信息系统建设的成功。     

粗集理论在Web信息提取中的应用

Web作为世界上最大的信息源,为数据挖掘技术提供了大量的原始数据,然而Web数据半结构化的特征使得在数据挖掘过程中必须选择合适的算法;研究Web信息提取的过程,并利用粗集方法实现对于来自Web的大批量农产品价格数据的挖掘过程。