基于粗糙集的不完备系统关联规则挖掘

在不完备信息系统中挖掘关联规则是一个重要课题。利用粗糙集处理不确定、不完全数据的优势,本文重新定义了关联规则的支持度和置信度,做到不处理缺失数据,直接提取带结论的关联规则。实例表明,所获得的规则简洁与缺失值无关。     

基于粗糙集理论的ORD关联规则挖掘算法

关联规则挖掘是数据挖掘的重要领域之一,利用粗糙集理论来挖掘关联规则的方法已经得到广泛关注.针对不完备信息系统,提出了基于粗糙集理论的快速ORD关联规则挖掘算法.该算法首先采用基于粗糙集理论的属性约简算法进行属性约简,然后采用快速、高效的冗余项集和冗余规则修剪算法--ORD算法获取关联规则.将该算法与其它同类流行的算法在4个UCI数据集上进行实验比较,结果表明该算法性能良好.     

基于粗糙集理论的关联规则挖掘

将关联规则与粗糙集理论进行了有机的结合,利用粗糙集理论有效地避免了关联规则中存在的冗余规则的情况．保留本质的和一般的规则。     

基于粗糙集的关联规则挖掘方法

对粗糙集进行了相关研究,并提出一种以粗糙集理论为基础的关联规则挖掘方法,该方法首先利用粗糙集的特征属性约简算法进行属性约简,然后在构建约简决策表的基础上应用改进的Apriori算法进行关联规则挖掘。该方法的优势在于消除了不重要的属性,减少了属性数目和候选项集数量,同时只需一次扫描决策表就可产生决策规则。应用实例及实验结果分析表明该方法是一种有效而且快速的关联规则挖掘方法。     

基于粗糙集理论的关联规则挖掘模型

提出了一个基于粗糙集理论的关联规则挖掘模型。介绍了该规则挖掘模型的主要步骤，模型中应用了属性约简和规则约简技术，并给出了该两个技术的算法。     

基于粗糙集关联规则挖掘的入侵检测研究

本文用作为数据挖掘的工具,对入侵检测中采集的网络数据集进行分析,知识约简,从中挖掘出一些对用户有用的潜在规则,不再依赖专家的经验,使入侵检测具有更好的灵活性,智能性。     

基于约束的多维关联规则挖掘的粗糙集模型

提出了基于约束的多维关联规则挖掘的粗糙集模型,将约束应用到粗糙集模型中,建立一个决策表,在条件粒度和决策粒度中采用用户投票和阈值的方法。粗糙集模型可以在垂直方向上大量的减少属性,并在水平方向上清晰的聚簇纪录,因此能有效的改进关联规则挖掘的质量。     

一种基于关联规则挖掘的粗糙集约简算法

针对粗糙集理论中的约简这个重要问题进行了研究,引入关联规则挖掘中的支持度和置信度概念,提出一种基于关联规则挖掘算法思想的约简算法,从而得到更有效的约简。     

基于模板的关联规则挖掘算法

借用粗糙集理论中α-约简的概念,提出了一种新的基于模板的启发式关联规则挖掘算法.在已获得模板T和原信息表的基础上创建一张新的决策表,先将组成模板的描述子的知识量作为启发函数,知识量大的描述子优先成为候选α-约简集中的元素,再对候选α-约简集中的元素进行计数,从而选择满足阈值的约筒集作为最终的近似最短α-约简,即通过启发式算法求描述子集的近似最短α-约简来获取近似最优强关联规则,并以示例验证了该算法.     

基于粗糙集的分类关联规则挖掘算法研究

本文给出了一种将属性约简和分类关联规则挖掘相结合的新型分类挖掘系统的算法（CARMA）。它运用粗糙集理论把关系数据库按属性值分成若干等价类、约简冗余属性及依赖属性,然后对数据约简后的目标关系表求取分类支持度大于阈值的强类和特征置信度大于阈值的强特征,从而有效获取强类中的强特征的决策关联规则。实验结果表明,CARMA对于数据的分类是有效的,比其它算法具有更高的分类精度和效率。它能够有效地克服ID3系列算法的冗余性、复杂性和对大数据量的不适应性,对增量数据能够达到较好的分类效果和具有广泛的应用前景。本文关键讨论了具体的算法、系统框架和实例。     

一种基于粗糙-模糊集理论的分类规则挖掘方法

提出了一种基于粗糙-模糊集理论的分类规则挖掘方法,以解决信息不完整情况下的推理和决策问题,并给出了该方法的流程图。利用基于粗糙集的特征属性约简算法和基于模糊集的决策规则归纳方法,可以挖掘出样本中隐藏的关联规则,形成决策。最后,将其应用于一个具体的信息系统中,结果令人满意,证明该方法是可行的且是有效的。     

基于可变精度粗集理论的规则挖掘模型

文章把可变精度粗集理论应用于一个判断地区综合发展程度的系统,利用可变精度粗集理论中的口一约简算法对系统属性进行简化,并对系统的数据进行挖掘,导出隐含在其中的规则,归纳出来的规则既简单又合理,大大简化了原始数据集,以更少的指标表达了同样的知识,同时还实现了抗噪音的干扰。     

基于Rough Set带结论域的关联规则挖掘

论文构建了一种基于RoughSet(RS)带结论域的强关联规则挖掘模型,采用约简决策表和改进的Apriori算法来挖掘关联规则,提高了关联规则的挖掘效率和挖掘质量,提出并实现了带结论域的关联规则挖掘的解决方案。     

基于粗糙集的规则的挖掘

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理论进行了讨论，在此基础上运用粗糙集理论对从数据库中规则的挖掘方法进行了研究。并通过一个实例详细地说明了具体挖掘过程，该实例说明了基于粗糙集进行规则的挖掘是较简单的。     

基于粗糙集的频繁项集挖掘算法

根据粗糙集中多属性的等价类求解方法,提出一种事务数据库频繁项集的挖掘算法,该算法只在发现1-频繁项集时需扫描数据库,算法效率比Apriori算法要高.     

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法。数据挖掘研究的实旌对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便。关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点。粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过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。该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的。     

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法.数据挖掘研究的实施对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便.关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点.粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过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.该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的.     

基于粗糙集的Web用户的识别与规则提取

主要研究对象是电子商务中的用户行为。首先分析了电子商务中的顾客行为,从中提取最有效表达用户的有效特征集,包括条件特征与决策特征,然后利用了粗糙集的方法进行分析,提取用户的行为特征和交易结果之间的规则。这种规则反映了用户的某种偏好与兴趣。实例分析结果证明,该方法比较切实可行。     

基于粗糙集理论在公安工作中的研究

文章将基于粗糙集理论的数据挖掘算法引入公安情报工作,论述了基于粗糙集的关联规则挖掘在刑事案件中的应用实例,证明该算法在公安情报分析工作中的可行性,为公安情报工作提供新的解决方法,对于提高情报分析预测的效率、准确性,以及警力分配具有重要辅助作用。