基于相似粗糙集的气象范例库的生成方法

基于范例推理的气象灾害预测领域,从气象数据库中提取出典型的源范例是首要的步骤,而获取高质量且无噪声干扰的气象范例,减少范例存储的时间和空间复杂度是其主要目标.提出了利用相似粗糙集进行气象范例提取的算法,通过简化相似天气的无向图,自动从原始天气数据中提取典型范例.该算法能较好的处理噪声的干扰,并能直接处理连续数值型属性,避免了复杂的属性离散化的计算.实验结果验证了算法的可行性和有效性.     

基于粗糙集和相似度量的CBR检索方法

检索是CBR中的关键技术,直接影响到范例推理的效率和质量,该文提出先用粗糙集理论去除冗余的范例决策表中的特征属性,再用相似度量理论来实现相似范例检索,这种检索方法检索效率高。同时给出了该方法在天气情况预测上的实例,验证了其有效性和准确性。     

基于相似粗糙集的范例推理技术

讨论了经典粗糙集理论在特征项约简过程中，造成的范例相似度测量误差问题，并提出用相似粗糙集约简特征项和获取特征项权重的过程与算法，力求提高约简的精确性和保持约简后范例库的良好性能。     

基于粗糙集的CBR检索在天气预测中的应用

针对灾害性天气预报和警报的迫切需要,研究了从气象数据中挖掘出知识、积累预报员的经验建立范例库,并利用CBR技术实现相似范例的检索,从而提高天气预报的水平。提出了快速检索的思路,先利用粗糙集理论去除冗余的范例决策表的特征属性,再利用BP神经网络来实现相似范例的检索。该检索方法速度快,效率高。给出了该方法在天气情况预测上的实例,验证了其有效性和准确性。     

基于非对称相似粗糙集的规则获取算法

针对目前应用粗糙集相似关系理论与LEM2算法进行规则推理时获取规则较少以及规则简化程度不高的问题,提出了粗糙集非对称相似关系与近似集的计算方法,并对现有LEM2算法获取规则的过程进行了改进与补充,形成了一种新的基于非对称相似粗糙集的规则获取算法,以便从不完整信息中获取更多潜在规则.最后以实际算例对两种算法分别进行了测试并给出了结果对比分析,仿真结果表明新的规则获取算法在不改变原有信息集结构与内容的基础上具有更好的优化性能,能获得更好的优化结果.     

基于分辨相似矩阵的相似粗糙集的属性约简算法

针对现实中数据局限导致等价关系弱化为相似关系,用相似关系代替等价关系建立了相似粗糙集的理论,定义了新的分辨相似矩阵,并给出了基于分辨相似矩阵的求核和属性约简算法,该算法可以有效地减少属性约简的计算量,最后通过实例验证了该算法是适用和有效的。     

基于相似粗糙集的客户分类管理研究

Pawlak粗糙集理论在分类挖掘中得到了广泛应用,基于相似粗糙集的分类挖掘算法是传统粗糙分类方法的拓展,可以用于在数值型决策表中发现分类规则。客户分类管理是CRM的核心内容之一,科学有效的客户分类管理对于一个企业具有重要的意义。本文阐述了基于相似粗糙集的分类算法及其客户分类应用实例,分类结果表明了该分类方法的有效性。     

基于知识发现的范例推理系统

1 引言范例推理(Case-Based Reasoning,CBR)是近十几年来人工智能中发展起来的区别于基于规则推理的一种推理模式,它是指借用旧的事例或经验来解决问题、评价解决方案、解释异常情况或理解新情况。CBR兴起的主要原因是传统的基于规则的系统存在诸多的缺点,如:在知识获取问题上存在困难,对于处理过的问题没有记忆而导致推理效率低下,不能有效地处理例外情况,整体性能较为脆弱等等,而CBR恰好能解决以上问题。     

基于非对称选择相似关系的扩充粗糙集模型

针对带"*"值的不完备决策系统,提出一种基于非对称选择相似关系的扩充粗糙集模型,通过定义"选择相似"的概念来合理地控制未知值和已知值的相似程度,克服了"*"值可与任意值相似的不足。理论分析表明,该模型不但符合人的"选择性"要求,而且具有更加合理的分类效果。实例分析进一步验证了非对称选择相似关系的优越性。     

基于相似粗糙集的案例特征权值确定新方法

针对现有案例特征权值确定方法客观性差、算法复杂等问题，首先介绍和完善了基于传统粗糙集的权值确定方法．其次，针对基于传统粗糙集的方法会造成案例相似度测量误差从而影响案例推理的准确性的问题，将传统粗糙集的不可分辨关系推广为相似关系，提出了一种基于相似粗糙集的案例特征权值确定方法．给出了相似粗糙集的基本定义，以及利用该方法基于差别矩阵进行特征权值计算的两个定理．最后，用实例表明了方法的有效性．     

基于限制非对称相似关系的粗糙集模型

基于不可分辨关系的粗糙集理论不适用于含未知值的不完备信息系统.需要将经典的粗糙集理论不可分辨关系加以扩充才能处理不完备信息系统.目前已经提出了基于容差关系、量化容差关系、限制容差关系、非对称相似关系等的扩充粗糙集理论.但是,这些理论还存在一些局限性.文章提出了一种新的基于限制非对称相似关系的粗糙集扩充模型.理论分析和实验证明,与其它模型相比,可以从基于限制非对称相似关系模型的近似集中获取更多的信息.     

Study of Grey Rough Set Model Based on Tolerance Relation

This paper analyses several extended rough set models in incomplete information systems and proposes a tolerance relation based model of processing grey incomplete information systems, which is an extension to rough set models. The method of the model is: firstly partitioning the original incomplete information system by introduced threshold value, then establishing tolerance classes through grey tolerance relation and obtaining upper and lower approximations through these tolerance classes. Moreover, a method of whitening grey numbers based on grey tolerance relation is given. This paper shows that the model accords with practice according to examples and the algorithm of whitening grey numbers is also comparatively ideal. The more important point is that the subjective needs are considered during partitioning grey tolerance classes by introducing threshold value. So it is consistent with the system methodology of person-oriented person-to-machine communication.     

一种基于容错粗糙集的Web文档分类方法

为了充分利用Web这一宝贵资源，需要一种高效准确的Web分类方法．应用机器学习技术，如K-邻近法、贝叶斯概率模型等已经实现了Web文档半自动和自动分类，但是，大多数Web分类方法共同的特点是把类作为互斥的概念，很少考虑类与类之间存在一定的交叉概念．其实，一个Web文档有时可属于几个类别，说明web文档的类之间存在不确定的关系．粗糙集理论-l982年Pawlak提出的，它在不确定关系表示有显著优点．由近似关系产生的分类方法分类精度更高．在web文档常用向量模型基础上，利用特征词协同出现的价值，本文采用一种广义粗糙集……容错关系（tolerance relation）来表示文档，丰富特征词对Web文档的描述，实验结果表明它更适合表示Web文档，有利于提高Web分类的准确性．     

基于相似Rough集的模糊检索策略

Ｒｏｕｇｈ集理论作为一种具有模糊边界的集合理论，被广泛运用于不确定环境下的信息处理。文章探讨了一种基于相似关系Ｒｏｕｇｈ集的模糊查询技术，它是对普通Ｒｏｕｇｈ集在数据库中应用的推广，能有效地提高查询的灵活度及效率。