粗集中规则提取的一种增量式算法

本文对数据成时间序列的动态决策表 ,用增量式算法提取决策表的规则模型。增量式算法的关键点是在分类正确率和相容度下对属性集进行优级排序 ,算法的特点是随着数据的增加逐次推导规则。随着计算轮次的增加 ,比较运算的次数按多项式增加。由于大型静态数据库可转化为动态数据库 ,所以 ,增量式算法是大型决策表规则提取的有效算法     

一种挖掘关联规则的高效增量式更新算法

对事务数据库增加记录时的关联规则维护问题进行了研究,在分析现有算法的基础上,提出了一个高效的增量式更新算法EUAR。与同类算法相比,算法EUAR通过减少对已有数据库的扫描次数和采用有效的候选集剪枝算法,提高其执行效率。测试结果表明,算法EUAR是可行且有效的。     

基于粗集理论的故障规则自动获取系统的研究

为增强故障诊断专家系统处理不完备信息和自动获取规则知识的能力，应用粗集理论及动态约简思想，深入研究并初步建立了故障规则自动获取系统。其中关键技术包括：故障样本信息的关系型决策表表示；决策表子表的随机采样；条件属性的动态约简算法设计；约简集合的过滤；故障规则的表达结构定义；故障规则的提取和规则的评价等。开发了相应的基于VC 平台的计算机软件，并以汽车发动机异响类故障为样本，对系统的故障规则获取过程进行了案例分析，从相关的实验结果和数据来看，较好地实现了系统的预定目标和功能。     

一种挖掘关联规则的高效增量式更新算法

对事务数据库增加记录时的关联规则维护问题进行了研究,在分析现有算法的基础上,提出了一个高效的增量式更新算法EUAR.与同类算法相比,算法EUAR通过减少对已有数据库的扫描次数和采用有效的侯选集剪枝算法,提高其执行效率.测试结果表明,算法EUAR是可行且有效的.     

基于FP树的最大频繁项目集增量式更新算法

发现最大频繁项目集是关联规则挖掘的重要步骤，针对关联规则挖掘中最小支持度发生变化的增量式更新问题，提出了高效发现最大频繁项目集的更新算法．该算法在FP树的基础上增加了记录各项目支持数的表，在头表中增加了域，从而减少了访问事务数据库和FP树的时间，提高了发现最大频繁项目集的效率．     

基于FP树的最大频繁项目集增量式更新算法

发现最大频繁项目集是关联规则挖掘的重要步骤,针对关联规则挖掘中最小支持度发生变化的增量式更新问题,提出了高效发现最大频繁项目集的更新算法.该算法在FP树的基础上增加了记录各项目支持数的表,在头表中增加了域,从而减少了访问事务数据库和FP树的时间,提高了发现最大频繁项目集的效率.     

基于粒计算的不完备决策表规则提取算法

为从不完备决策表中获取最简决策规则,在研究粒计算理论的基础上,提出了一种基于粒计算的决策规则提取算法.该算法利用粒计算的方法对由同一决策表所生成的粒库,从不同的角度和多个层次进行研究,尝试从较低阶的粒库中提取出尽可能多的具有一定规则覆盖度与置信度的简洁规则.实例验证表明,算法能有效地获取最简决策规则,为不完备决策表的最简规则获取提出了一种新方法.     

基于简化差别矩阵的增量式属性约简

新对象添加到决策表后,已有的属性约简将会发生改变,需要对其动态更新.为此,首先给出简化决策表和简化差别矩阵的定义,并证明了基于简化差别矩阵的属性约简与正区域的属性约简是等价的;然后,分析增量对象的不同情况,将增量属性约简映射到简化决策表上来实现,由此设计基于简化差别矩阵的增量式属性约简算法,并对算法进行改进;最后,利用实例和实验验证了所提出算法的正确性和高效性.     

基于粗糙集对旋转机械故障诊断系统的研究

针对机电设备故障诊断中存在的知识冗余和不确定性,从原始数据出发,利用决策表约简算法进行属性和属性值的约简,建立了故障诊断的规则库.给出了基于粗糙集的故障诊断和知识获取模型的一般结构.通过对旋转机械典型故障的分析,建立了决策表,通过对决策表的约简,减少了数据库中数据的数量,解决了故障诊断中知识获取的瓶颈问题.提出了决策表的属性值约简的一种简化算法.实验证明该方法是可行的.     

浅谈基于粗集理论的文本归类系统

文本归类是处理大量文本数据自动分类的重要技术。基于粗集理论建立的林业文本信息归类系统,是在已知类别的训练集的基础上,通过分析训练数据样本,建立决策表产生区分矩阵构造出区分函数,并化简它,得到最小属性约简,最后应用Apriori算法产生最终分类的规则表,利用产生的规则表,可将林业文本信息数据进行自动归类。     

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。     

对象集变化时相容块的近似集增量更新方法

为解决相容块粗糙集模型中概念近似集静态算法效率低的问题,对象集发生变化时,从新的角度提出一种增量式近似集更新方法。引入相容块粗糙集模型的基本概念,在对象集发生变化的条件下更新论域子集,结合增加(或删除)的对象集与相容块之间的联系,更新每一个相容块,并提出更新相容块在论域上覆盖和划分的方法,设计一种近似集增量式更新算法。6组UCI数据集试验结果表明,在增加对象时,本研究算法比非增量式更新算法时间缩短了1/3,在删除对象时时间缩短了1/2。在同种数据集下,本研究算法的时间消耗均小于其他4种更新算法,验证了算法的高效性和可行性。     

基于网络聚类与自适应概率的数据库缓冲区替换

针对传统替换方法存在替换不准确、效率低的问题,提出模糊kohonen网络聚类算法与自适应概率相结合的大型数据库缓冲区替换方法.采用Broder理论并基于Jaccard相似性度量对缓冲区重复数据进行消除,建立缓冲区数据检测模型,并采用模糊kohonen网络聚类算法对缓冲区数据进行聚类处理.采用复小波法提取缓冲区的特征,引入自适应概率对大型数据库缓冲区进行替换.结果表明,改进的缓冲区替换方法可有效的实现对大型数据库缓冲区的替换,提高替换效率,增加大型数据库存储的整体性能.     

粗集决策表与决策表简化的可信度比较

根据粗集决策表提供信息的完备性,借助可信度的定义,对粗集决策表和简化的决策表的决策规则的可信度进行比较,得出了简化后的决策表的决策规则的可信度高于简化前的决策表的决策规则的可信度,为粗集理论的应用提供了有用的分析工具。     

基于变精度粗集的生产调度规则获取

由于规则调度简单、实用，而被管理和工程技术人员广泛使用．规则调度所面临的问题是如何快速获取有效的调度规则以建立起专家系统知识库．把变精度粗集应用于生产调度中，在历史调度数据中发现成功的调度规则解决了生产调度中的规则获取难题．对调度中存在的多决策属性并存的决策表分解问题，提出了有因果关系决策属性的决策表分解方法，描述了基于粗集的生产调度规则获取过程及其应用实例．     

基于思维进化算法的工业过程粗糙建模及应用

在工业过程建模中,传统的建模方法依赖数学模型.当实际系统模型难于用解析式精确表达时,智能建模成为研究热点之一.对具有非线性、时变性、不精确性等复杂系统,智能建模弥补了机理建模、辨识建模等方法的不足,能够避开数学表达式模型.模糊建模的隶属函数不容易得到,而粗糙集能直接从数据库中提取规则,不需要任何先验知识.但粗糙集不能处理连续属性,需要将属性离散化.对水泥回转窑控制系统进行建模,首先应用思维进化算法对决策表中的连续属性进行离散化,然后利用粗糙集理论化简决策表,提取最优的决策规则,最后分析决策规则,得出结论,说明该建模方法的可行性,且由此建模方法得到的决策规则覆盖度较高.     

基于变精度粗集的生产调度规则获取

由于规则调度简单、实用,而被管理和工程技术人员广泛使用.规则调度所面临的问题是如何快速获取有效的调度规则以建立起专家系统知识库.把变精度粗集应用于生产调度中,在历史调度数据中发现成功的调度规则解决了生产调度中的规则获取难题.对调度中存在的多决策属性并存的决策表分解问题,提出了有因果关系决策属性的决策表分解方法,描述了基于粗集的生产调度规则获取过程及其应用实例     

基于不完备混合序信息系统的增量式属性约简

由于大数据环境下数据呈现出动态更新的特征,因此增量式属性约简已成为粗糙集理论的重点研究方向。本文针对不完备混合型有序信息系统,利用邻域优势条件熵提出一种对象更新情形下的增量式属性约简算法。首先,针对不完备混合型有序信息系统提出一种新的邻域优势粗糙集模型,同时在其基础上定义了邻域优势条件熵,并设计出一种不完备混合型有序信息系统的非增量式属性约简算法;然后,针对不完备混合型有序信息系统对象的动态性,分别研究了邻域优势条件熵随信息系统对象增加和对象减少时的增量式更新;最后,利用邻域优势条件熵作为启发式函数提出了不完备混合型有序信息系统对象增加和对象减少时属性约简的增量式更新算法。实验结果表明,所提出的增量式算法无论在属性约简结果和属性约简效率上均比非增量式算法具有更高的性能。     

基于多目标协同进化遗传算法的规则提取方法

针对事务数据库中连续型数值属性难以划分且规则提取效率较低的问题,提出一种交叉、变异种群协同进化的量化关联规则提取方法。利用帕累托原理的非支配排序对种群个体进行优化。利用个体相似度的基因型、表现型控制交叉种群中个体的配对,对变异种群采用水平集概念进行分割,并针对个体优劣分别采取单点突变和多点突变两种突变方式增强个体多样性。利用精英种群保存交叉种群与变异种群中的优秀个体并对其求取帕累托最优解集。在不同数据集上的仿真结果表明,该算法获得规则在性能和数量上达到较好的均衡,且能够有效覆盖数据集,验证了算法的有效性和可行性。     

改进的FUP算法在五金产品质量分析系统中的应用

以阀门作为五金产品质量数据分析的实例,对阀门产品质量数据进行分析,主要是分析阀门产品的缺陷数据。针对传统的增量式关联规则算法FUP没有考虑到数据的时间属性,在FUP算法的基础上提出一种改进算法,并且将改进的FUP算法运用到产品质量分析系统中。通过实验结果对比发现,使用了改进算法以后,原来的许多规则已经不在生成的规则列表中出现,而一些新的规则被生成了。