数据挖掘中粗糙决策规则及其不确定性研究

数据分析中产生的粗糙决策规则通常具有不确定性,需要适当的不确定性量度.借鉴变精度粗糙集理论思想,讨论了几种粗糙决策规则量度方法,采用基于信息熵的方法给出了变精度粗糙集意义下基于修正信息熵的不确定性量度函数,兼顾到了规则不确定性的两个方面:一致性和随机性,还能有效处理噪声对数据一致性的影响,对"几乎一致性规则"有保护作用.通过举例比较了γ0、Hdct和HVPRS,结果表明HVPRS更适合于评价从有噪声数据中提取的粗糙决策规则.     

信息系统数据清洗、规则提取的矩阵算法

本文在等价矩阵概念的基础上，分析了粗糙集知识系统中等价划分与等价矩阵的关系，采用等价矩阵来表示粗糙集的等价关系，提出了一种对数据库知识系统进行数据清洗、从中提取决策规则的矩阵算法，并分析了该算法的计算复杂性．该算法具有规则提取的工程实用性，主要优点在于能够获得信息系统中所有有价值的决策规则．文中通过实例表明了这种算法的有效性．     

基于粗糙集的变电站故障诊断规则提取方法研究

运用粗糙集理论研究了变电站故障诊断规则提取,提出了基于属性重要度和分辨矩阵的诊断规则提取算法.通过改进基于属性重要度的粗糙集属性约简算法,得到决策表的一个最小约简,然后将分辨矩阵引入值约筒中得到决策规则.采用该算法对变电站故障决策表进行属性约简和值约简,抽取出变电站故障诊断的精确规则库进行故障诊断.实验结果表明了该方法的有效性.     

基于多尺度粗糙集模型的决策树优化算法

针对经典决策树算法构造的决策树结构复杂、缺乏对噪声数据适应能力等局限性,基于多尺度粗糙集模型提出一种新的决策树构造算法。算法引入尺度变量和尺度函数概念,采用不同尺度下近似分类精度选择测试属性构造决策树,使用抑制因子对决策树进行修剪,有效地去除了噪声规则。结果表明该算法构造的决策树简单有效,对噪声数据有一定的抗干扰性,且能满足不同用户对决策精度的要求。     

不一致决策表的值约简方法

对目前求不一致决策表最简规则方法存在的问题进行了分析,提出了一种构造区分矩阵的方法,能更好地适用于多决策属性存在的决策表中.借助区分矩阵进行值约简,提出了一种新的规则提取算法.利用属性的重要度来描述条件属性所提供的知识对决策表的影响程度,引入规则准确度来衡量算法是否造成决策表的新的不一致规则.该算法不会破坏决策系统中一致规则和不一致规则所蕴含的信息量,保持约简前后规则的准确度不变.     

粗糙集理论分析及其在农业数据中的应用

从数据库中挖掘有用信息,将难理解的纯数据变为容易利用的规则,从而为以后的决策提供依据。以粗糙集理论和规则提取算法为基础,将基于信息量的粗糙集属性约简算法和规则提取算法集成起来提出一种集成算法,应用粗糙集约简掉冗余属性,然后利用规则提取算法得出有效规则。将此集成算法应用于农业领域,得出规则,并且效果良好,理论分析和应用都表明了本算法的有效性和实用性。此集成算法可以应用于各种大型数据库中,从中得出有效规则,让历史数据为以后的决策服务。     

基于粗糙集的约简算法及规则融合方法的研究

从不同的角度分析了属性约简的两种重要方法:区分矩阵法和基于属性重要性。根据数据集的实际情况提出了一种基于粗糙集的区分矩阵和属性重要性相结合的启发式算法,并获得了属性约简集。在约简集的基础上分析了静态决策推理规则及算法。在相容决策系统中利用集合向量包含度构造了规则融合的方法,从而得到动态条件规则的极大近似决策值。在知识满足分类质量要求的前提下,根据规则融合方法,对任意给定的样本知识可以判别知识的实际归属类。     

粗糙集理论分析及其在农业数据中的应用

从数据库中挖掘有用信息，将难理解的纯数据变为容易利用的规则，从而为以后的决策提供依据。以粗糙集理论和规则提取算法为基础，将基于信息量的粗糙集属性约简算法和规则提取算法集成起来提出一种集成算法，应用粗糙集约简掉冗余属性，然后利用规则提取算法得出有效规则。将此集成算法应用于农业领域，得出规则，并且效果良好，理论分析和应用都表明了本算法的有效性和实用性。此集成算法可以应用于各种大型数据库中，从中得出有效规则，让历史数据为以后的决策服务。     

基于粗集的最小规则集提取算法研究

粗集理论是在数据分析中对于具有不精确、模糊和不确定性进行分析、处理的一种数学理论.从该理论的基础原理出发,运用支持子集相对于决策的分类能力,提出一种最小规则集的提取算法,并给出例子分析算法过程,表明其有效性.     

一种基于粗糙集的决策规则挖掘算法

提出了一种基于粗糙集的决策规则挖掘算法。该算法主要包括属性归约、元组合并、规则提取和规则评估。最后用一个实例说明了算法的有效性。     

粗决策树动态规则提取算法研究及应用

针对静态算法对大数据和增量数据处理不足的问题,构造了基于粗决策树的动态规则提取算法,并将其应用于旋转机械故障诊断中.将粗集与决策树结合,用增量方式实现样本抽取;经过动态约简、决策树构造、规则提取与选择、匹配4个步骤的循环迭代过程,实现了数据的动态规则提取,使得提取的规则具有更高的可信度;同时,将算法应用于旋转机械故障诊断这一动态问题中,验证了算法的有效性;最后,将所提算法分别与静态算法和增量式动态算法进行了效率对比分析,实验结果表明,所提算法能够以最精简的规则获得更多数据隐含信息.     

一种基于Rough集获取规则知识的增量式学习方法

将Rough集理论应用于规则归纳系统,提出了一种基于粗糙集获取规则知识库的增量式学习方法,能够有效处理决策表中不一致情形,采用启发式算法获取决策表的最简规则,当新对象加入时在原有规则集基础上进行规则知识库的增量式更新,避免了为更新规则而重新运行规获取算法。并用UCI中多个数据集从规则集的规则数目、数据浓缩率、预测能力等指标对该算法进行了测试。实验表明了该算法的有效性。     

个性化决策规则获取算法及规则表示

提出了一种基于粗糙集理论的面向个性化知识的决策规则获取算法。从理论上证明了算法的正确性,给出了面向个性化的知识获取算法的描述。算法的重点在于规则合成的方法和可信度、覆盖度和规则强度计算的方法。最后通过例子说明了算法的有效性和实用性。     

基于概念格的关联规则挖掘方法

对概念格在关联规则挖掘中的应用进行了研究.通过将概念格的外延和内涵分别与事务数据库中的事务和特征相对应,可以从概念格上产生频繁项集,进而挖掘关联规则.提出了一种基于概念格的关联规则挖掘方法,在背景中对象约简的基础上,构造出对象约简后的概念格,从新的概念格中先产生基本规则集,再根据用户给出的支持度阈值从基本规则集中挖掘出对用户有意义的规则,并给出了算法描述.该方法求出的关联规则和利用Apriori算法求出的结果是一致的.     

定量型关联规则在高层建筑结构选型中的应用

本文针对高层建筑结构实例库的特点,定义了同义词典和值域词典,给出同义词典的构造算法和简化方法,实现值域规范化动态管理;对Apriori算法作了一定的改进,提出高度的动态划分法,并探讨高层建筑结构实例库中定量型关联规则的发现以及应用。     

基于概念格的规则产生集挖掘算法

传统的规则提取算法产生的规则集合相当庞大，其中包含许多冗余的规则．使用闭项集可以减少规则的数目，而概念格结点问的泛化和例化关系非常适用于规则提取．基于概念格理论和闭项集的概念，提出了一种新的更有利于规则提取的格结构，给出了相应的基于闭标记的渐进式构造算法和规则提取算法．最后提供给用户的是直观的、易理解的规则子集，用户可以有选择地从中推导出其他的规则．实验表明该方法能够高效地挖掘规则产生集．     

动态决策树算法研究

该文在增量决策树算法的基础上,提出一种能够处理变化数据集的减量决策树算法,提出并证明了减量决策树算法中的三个基本定理,保证了减量决策树算法的可靠性。同时将传统的增量决策树算法与该文所提出的减量决策树算法相结合,构造出一种动态决策树算法,该算法很好地解决了发生增减变化的动态数据集构造决策树的问题,另外动态决策树算法的提出也促进了在线规则提取的发展与完善。     

一种基于粒度计算的决策规则提取算法

提出一种基于粒度计算模型的决策规则提取算法。我们用属性取值构成粒度集合取代条件属性,每一步都选择单个粒度。该方法将产生对象的一个覆盖。还描述了粒度搜索策略和对粒度测量的方法,通过规则的可信度和覆盖度对决策规则进行归类优选。最后对粒度计算在规则提取中的应用进行了讨论研究。     

基本路径测试用例设计算法

McCabe提出的基本路径测试法(McCABE T J. A complexity measure. IEEE Transactions on Software Engineering, 1976, SE-2(4): 308-320)是动态白盒测试技术中严谨而有效的方法,但存在测试用例设计效率较低的问题,影响了该方法在工程项目中的广泛应用。为了解决这一问题,从被测程序的基本结构出发,提出一种基于组合的基本路径测试用例设计方法。创建一种基于Z路径覆盖的基本单元图,构建由基本单元图组合形成控制流图的组合规则,以此为基础提出了基本路径组合算法,该算法只需一次扫描程序得到程序基本结构的路径集,将这些路径进行组合即可生成被测程序的基本路径集。该方法比McCabe所提出的方法构造过程简洁,能有效提高基本路径测试用例设计的效率。     

一种基于粗集理论的遗传分类算法

本文提出了一种基于粗集理论的遗传分类算法,该算法可以无需任何辅助信息,只根据数据自身提供的信息对数据进行简化,提取有用的特征,并求得相应的规则.同时,还提出了一种基于属性重要度的分辨矩阵简化方法,该方法可提高对条件属性的约简效率.