一种基于变精度粗糙集的规则提取方法研究

主要研究了变精度粗糙集的下近似集,得到了变精度粗糙集的下近似集和属性集合基数之间的关系,提出了一种易实现的变精度粗糙集决策表约简算法。该算法分2步进行决策表约简计算:①计算决策表核;②在决策表核的基础上计算决策表最小约简。仿真实验结果表明所提出的变精度粗糙集约简算法计算简单、容易实现。     

粗糙集属性约简的蚁群算法

粗糙集的属性约简属于NP问题,这就使得粗糙集很难在现实中得到广泛的应用。利用蚁群算法的搜索技术,可以很好地解决这一难题。它不仅能得到最小约简属性集,而且可以得到很多的约简属性集。本文以具体的实例,通过编程的实现来说明该算法具有实际应用价值。     

粗糙集属性约简的蚁群算法

粗糙集的属性约简属于NP问题,这就使得粗糙集很难在现实中得到广泛的应用.利用蚁群算法的搜索技术,可以很好地解决这一难题.它不仅能得到最小约简属性集,而且可以得到很多的约简属性集.本文以具体的实例,通过编程的实现来说明该算法具有实际应用价值.     

模糊信息系统属性值的重要性度量

在粗糙集理论中,属性约简是一个重要的研究方向,但是所有约简的计算都是NP-hard问题.在模糊粗糙信息系统中存在着同样难以解决的问题,因而在实际运用中,经常通过获取粗糙集的核心属性或属性的重要性度量,以便运用启发信息来降低计算的复杂度,进而获取最优或次优约简.本文引入模糊集的贴近度和排序矩阵来计算决策属性所依赖的条件属性值的重要性度量,去除冗余属性值,从而使获取约简的计算量得以减少.     

粗糙依赖约简技术在网络课程评价中的研究

介绍了粗糙集的概念和约简的相关定义,提出了基于粗糙依赖的属性约简算法．通过差别矩阵求核,并计算非核属性粗糙依赖值,从而确定相对属性约简．以远程教学网络课程等级评价为例进行算法验证,并通过基于值核的值约简算法提取决策规则,实践证明得到了满意的结果．     

序信息系统中变精度粗糙集属性约简的Matlab实现

根据序信息系统中变精度粗糙集的理论知识,应用Matlab程序实现序信息系统中变精度粗糙集属性约简的计算。当序信息系统变精度粗糙集考虑单个优势决策时,约简类型不受系统协调性的影响,因此进行了考虑单个优势决策的约简计算研究,并通过算例验证了程序的正确性和可行性。     

基于粗糙集的属性约简算法的改进

属性约简是粗糙集理论研究的关键问题之一,针对Rough Sets理论的属性约简进行了研究.首先,介绍了可辨识矩阵属性约简的基本算法,并根据GENRED属性约简算法提出一种新的基于粗糙集的属性约简算法,证明了该算法在满足约简结果要求的同时,又能够提高算法的运行效率.     

一种改进的粗糙集属性约简启发式算法

作为数据挖掘的重要工具,粗糙集理论被广泛的应用于关系数据库中属性相关性描述、属性集约简、属性重要性度量、规则发现等方面。该文在分析基于信息系统的粗糙集理论的基础上,对基于分辨矩阵的属性约简算法进行了详尽的描述。针对该算法存在的时间和空间性能不理想问题,提出度量单个条件属性对系统概念贡献程度的关联度的概念,以此作为启发式信息对原算法进行改进,得到条件属性的约简。理论分析及实验结果表明该算法具有较好的约简效果及更高的运行效率,为粗糙集理论更广泛地应用于具体的实践提供了一种方法。     

粗糙集在复合材料成型工艺事例推理中应用

相似事例检索算法是计算机辅助复合材料成型工艺设计中的关键技术。研究了事例推理机制,给出了基于粗糙集理论的事例推理流程,对相似事例算法进行改进,采用粗糙集理论中属性重要性对事例索引属性进行约简,约简掉对检索结果影响较小的属性,并采用粗糙集属性重要性理论确定索引属性的权值。研究了索引属性中数值类型和集合类型的相似性计算算法,最后通过实例对算法进行验证,结果表明该算法提高了事例检索的速度和正确性。     

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.     

基于属性相似度的属性约简算法

为解决粗糙集属性约简算法存在的诸多问题，从属性相似度出发推导出属性相似度与粒度相似度的一致性，进而提出了一种基于属性相似度的属性约简算法，主要包括采用分明矩阵法求条件属性集的约简，核的求取，可省属性的相似度计算和最简约简的求出等步骤，仿真与对比分析表明其计算简便、效果显著。     

一种基于概括约简的特征提取新方法

为适应特征级信息融合计算的需要，在粗糙集理沦框架下，提出了一种基于概括约简的特征提取新方法．首先引入层次树的概念研究了属性值的抽象概括方法，然后设计了两种带有互补性的属性约简方法，一种是利用条件属性间的相关性作为约简策略去除冗余条件属性，另一种是利用有效一致性因子原则约简无关条件属性．设计的方法弥补了粗糙集理论中目前还存在的处理对象范围狭窄和处理效果较差等方面缺陷．应用实例验证了方法的正确性和可信性．     

基于一种新的启发式约简算法的变压器故障诊断方法

基于依赖度的知识相对约简的启发式约简算法是一种新的粗糙集最优属性约简方法,本文首次将其应用于变压器故障诊断问题中,并结合粗糙集值约简方法,得到一组故障诊断的最小决策规则集,从而大大减小了编码的工作量,避免了约简属性组合查询及缺少关键属性时规则匹配所带来的不便,运算速度也相对加快。此外,该模型还可以通过丰富训练样本,修正决策表的自学习法使得诊断效果不断提高。最后结合实例分析,证明该方法的简便及有效。     

基于不完备信息系统相容关系的分配约简遗传算法

属性约简是粗糙集理论的核心问题之一,也是粗糙集有效算法研究的焦点.本文研究在不完备信息系统下的属性约简算法,在相容关系基础上,提出了一种应用遗传算法来求解分配约简的方法,并通过实例分析说明了该算法的有效性.     

粗糙集数据分析系统的程序实现

粗糙集理论是一种新的处理不精确、不完全与不相容知识的数学工具。首先简述基于粗糙集方法的数据分析系统的基本构成,分析了粗糙集中连续属性离散化的方法,实现了连续属性数据进行数据离散化。围绕不可区分关系和相对正区域两个核心概念,通过知识之间的依赖程度,提出了粗糙集数据分析的算法,通过比较属性约简的数目,选择最少属性数量的约简结果。得到了求取相对核、上(下)近似集、等价关系、相对重要度、属性相对约简、范畴相对约简、最小决策规则等的各种算法的程序实现。给出了利用MATLAB实现该系统约简化、核及最小决策规则的程序。最后给出实际工程系统的程序运行结果,对滚动轴承故障诊断的仿真实例表明,该方法简化了诊断规则,得到较高的故障诊断正确率。对推动粗糙集理论在具体实践中应用具有实际意义。     

基于粗糙集约简算法的加注系统风险预测模型

基于粗糙集理论,提出了加注系统风险预测模型:首先,应用属性约简算法,将加注系统风险源权重的确定问题转化为粗糙集理论中属性重要性的评价问题,通过计算得到加注系统各风险源的权重,从而使加注系统风险源权重的确定更具客观性和合理性;其次,采用BP人工神经网络的自学习功能,建立一个加注系统风险预测模型,将相对约简的风险源作为系统输入,可较好地提高预测模型的效率。实例表明,该模型具有良好的扩展性和较低的运行开销。     

粗糙集模糊神经网络软件质量预测

以面向对象的软件度量为研究对象,首先采用SOM神经网络离散化度量元因子矩阵数据,接着对于得到的离散化的矩阵数据采用粗糙集理论的属性约简算法进行属性约简,然后根据约简得到规则构造模糊神经网络的网络结构,并采用BP算法对网络进行训练,最后通过仿真实验验证了该算法。     

一种改进的差别矩阵及其求核方法

属性约简是粗糙集理论中的重要研究内容之一,求核运算是属性约简的基础,直接影响着知识约简的效率。针对目前求核方法存在的问题,提出一种基于分布函数的改进的差别矩阵及属性核计算方法,并证明了方法的正确性,改进的差别矩阵不仅规模小,而且适用于任何决策表求核。     

基于粗糙集理论的电网安全性分析

提出基于粗糙集的关联影响的基本概念及其属性约简算法,利用属性之间的相互影响,建立属性的关联影响度矩阵,以属性的关联影响度作为启发条件,有效地删除冗余属性,获得能反映出属性之间相互影响的约简集.在分析和研究电网故障诊断系统属性选择的基础上,通过电工理论计算电网连锁故障诊断预警系统的属性值,求出负荷转移情况下属性之间相互产生的关联影响,建立基于关联影响属性约简算法的电网故障诊断和预警模型.     

基于量子遗传算法的粗糙集属性约简的研究

将粗糙集理论应用于股市的分析与研究,除了采用已有的约简方法进行试验之外,还引入了量子计算与遗传算法相结合的方法来进行粗糙集的属性约简.与其他约简算法不同的是,该算法采用量子旋转门策略来达到全局最优搜索和较高的收敛速度.最后,通过具有代表性的股票数据证明了该方法的有效性和高效性.