一种基于粗糙—模糊集理论的知识获取方法

该文提出了一种基于粗糙-模糊集理论的知识获取方法,该方法将粗糙集理论与模糊集理论相结合,先利用模糊集理论对决策表的连续属性进行模糊化,通过构建模糊相似矩阵进而划分论域;再利用粗糙模糊集理论进行属性约简,从而获取决策规则。最后,通过实例验证了该方法的有效性和实用性。     

基于粗糙集理论的故障诊断知识获取

利用飞行数据对飞机进行故障诊断和状态监控已经成为国内外相关领域研究的热点.根据飞行数据进行故障诊断时,需要获得故障模式与飞行数据特点之间的对应关系的知识,但是这些知识很难在维修手册等知识源中获得.大量的历史飞行数据中隐含了飞行数据与故障模式之间的逻辑因果关系,对其分析处理就可以获取诊断知识.因此本文提出了应用粗糙集的方...     

基于粗糙集的动态称重系统知识维护

粗糙集是一种新型的处理模糊和不确定知识的软计算方法。粗糙集理论处理数据不需要先验知识,可最大限度地减少主观因素的影响。目前,粗糙集已在人工智能、知识与数据发现、模式识别与分类、故障检测等方面得到了广泛应用。研究粗糙集基本理论以及将其应用于知识发现有着非常重要的意义。动态称重是近年来装载机称重技术的主发展方向。本文将粗糙集运用到知识利用中,给出了装载机动态称重系统的知识维护中基于粗糙集的处理方法和具体步骤。     

一种基于粗集的格值信息系统的知识约简方法

粗糙集理论是一种建立在分类的基础上处理模糊和不确定知识的数学工具,正越来越被人们所关注。首先介绍了格值信息系统的相关知识,并以偏序关系为基础得到了一种新的关系:优势关系,给出了约简和核心,简化了概念的分类特征,也给出了上近似、下近似及约简的判定定理和辨识矩阵的概念,最后通过具体的例子说明这种约简方法是有效的。     

基于粗糙集理论的故障诊断系统知识库设计

故障诊断是与有效决策密切相关的复杂而困难的问题。粗糙集理论可以有效地分析、处理不完备信息。知识库是整个故障诊断系统的核心,利用基于粗糙集的知识约简和决策规则提取算法,将柴油机故障信息值进行约简,求出其决策规则。知识库由事实库和规则库组成。在知识库中采用链表数据结构,以数据文件形式存储,完成知识库设计的程序。采用粗糙集方法进行故障条件属性约简十分有效,得到简化的决策规则,使得知识库的设计更加方便快捷。     

铅锌密闭鼓风炉故障诊断知识获取的粗糙集方法

从粗糙集等价类概念出发，提出从不完整数据集中获取故障诊断知识的密闭鼓风炉故障诊断方法，将不完整数据集的训练事例划分为下近似和上近似两类，首先假设属性的未知特征值为任意可能值，然后根据从驯练事例中得到的上下近似进行提炼，最后从事例与近似互相作用以推导出确定的和可能的规则，得出规则概率，并估计出合适的属性的未知特征值，结合密闭鼓风炉悬料规则库的知识获取及其在故障诊断中的应用过程说明了该方法的有效性和实用性。     

基于广义粗集覆盖约简的粗糙熵

在广义粗集覆盖约简理论中,由于集合的上下近似是由其覆盖约简来确定的,因此有必要寻求一种新的度量来刻画知识和粗集的粗糙性.通过引入信息熵以刻画广义粗集覆盖约简的知识粗糙性以及粗集粗糙性,提出了一种新的知识粗糙性和粗集粗糙性度量.得到知识粗糙熵和粗糙集的粗糙熵都随广义覆盖约简的变细而单调减少的结论,从信息论观点出发,对不完备信息系统粗集理论进行了探讨.     

基于粗集理论的知识含量度量研究

知识库中知识含量度量是知识处理领域中的基础问题．现有的度量方式都是采用相对度量或信息熵的方式,度量结果具有相对性,并且不易体现知识本质在于分类的特性．根据知识库在结构上的差异程度,将知识库的相似性关系定义为等价、等构、等势3种关系．在这3种关系的基础上,提出了用于度量知识库中知识含量的测度所需要遵循的4条准则．并基于此4条准则对基于信息熵的度量Hent的正确性进行了证明,最后还提出了一种基于分类的度量方式Hdis．以上工作进一步深入描述了知识的本质及其度量方式的内涵,有助于人们在此基础上构造新的知识处理算法．     

基于粗糙集和模糊集的属性约简算法

粗糙集理论和模糊集理论都是用来处理不完整和不确定信息的理论,两者都可用来观察、测试数据并进行推理。虽然它们之间有一些重叠,但两者的着眼点和计算方法是不一样的,因此不能相互替代,而是必须结合起来使用。本文在研究粗糙集和模糊集理论的基础上将两者相结合,提出了一个新的属性约简算法,并给出了一个应用实例。     

粗糙集的矩阵定义

提出了关系矩阵和布尔列向量重量上乘法和下乘法的概念,证明了上乘法就是上近似,下乘法就是下近似,同时研究了上下近似的性质,最后给出了计算上下近似的算法。     

基于粗集的模糊属性值信息系统的知识获取

文章研究了一类属性取模糊值的不完备信息系统的知识获取方法。首先给出了信息系统的一种表示方法,同时采用模糊集思想,构造了这类系统的模糊不可分辨关系,并研究了这类信息系统的知识获取算法,并以一个实例,说明了这种算法的有效性。     

基于粗集理论的知识自动获取方法

分析了粗集理论的知识自动获取方法的基本原理和获取过程,研究了数据记录范化方法、属性归约算法、最小决策规则集的求解、规则提取方法,并给出了自动获取方法的实例。实例证明了该算法的有效性。     

粗糙集的近似集

粗糙集是1982年由Pawlak教授提出的解决集合边界不确定的重要方法,它通过两个精确的上、下近似集作为边界线来刻画目标集合(概念)X的不确定性,但它没有给出如何用已知的知识基(知识粒)来精确或近似地描述边界不确定的目标集合(概念)X的方法.首先给出了集合之间的相似度概念,然后分析了分别用上近似集R(X)和下近似集R(X)作为目标集合(概念)X近似描述的不足,提出了在已有知识基(粒)空间下寻找目标集合(概念)X的近似集的方法,并分析了用R0.5(X)作为X(概念)的近似集的优越性.最后讨论了不同知识粒度空间下R0.5(X)与X的相似度随知识粒度的变化关系.从新的角度提出了目标集合(概念)X近似集的构造方法,促进了粗糙集模型的发展.     

不完备联系度粗糙集模型的知识约简

知识约简是粗糙集理论的重要研究内容之一。在不完备信息系统中,对联系度粗糙集模型的研究比较深入,但极少涉及知识约简问题。该文在进一步改进联系度粗糙集模型的基础上,研究该模型的知识约简。针对改进模型,提出多种知识约简定义,给出了这些约简之间的关系。通过定义初等分辨矩阵和属性重要度,介绍一种分配约简算法。实例分析说明了算法的有效性。     

一种基于粗糙熵的知识约简算法

描述了知识的粗糙性,提出了知识的粗糙熵概念,建立了信息系统中知识与粗糙熵之间的关系,并通过知识的粗糙熵对属性的重要性进行了定义。在此基础上,提出了基于粗糙熵的知识约简算法,该算法的时间复杂性为O(｜R｜3｜U｜2)。通过例子分析,表明该算法是有效的。     

基于粗糙集的多标记决策系统知识获取方法

在多标记决策系统中,每个对象由单个实例进行表示,同时对应于多个决策属性。粗糙集理论已有的研究工作主要集中在单一决策系统的研究上,对于多决策系统只是简单地将它分解成多个单一决策系统。直接变换的方法忽视了决策属性之间的相关性和共现性,影响决策的精度。基于粗糙集模型,分别针对属性值为离散型和连续型的情况,提出了离散型多标记决策系统知识获取算法DML和连续型多标记决策系统知识获取算法CML。这两种算法均考虑了标记之间的相关性,在离散多标记决策系统中,采用决策链方式传递属性间的相关性,而在连续多标记决策系统中,扩展了传统粗糙集模型,重新定义了粗糙近似。实验表明,不论是离散型还是连续型决策系统,考虑决策属性之间的相关性均可以提高预测的准确率。     

基于奇异粗集的中医辨证诊治知识支持系统

文章基于奇异粗集及其元素迁移,研究了其在中医药辨证诊治过程,中药方加减中的应用,举例说明,设计了一个基于双向S-粗集的中医药辨证诊治知识支持系统,为人工智能技术在中医药诊治领域中的应用开辟了一个新的思路。     

基于Rough Set理论的增量式规则获取算法

从Rough set理论出发,讨论在新增数据时,新数据与已有规则集的关系、属性约简以及值约简的变化规律.并在此基础上提出一个新的基于Rough Set理论的增量式算法.从理论上和实验上对新算法和传统算法在算法复杂度上做了分析与比较.     

粗集理论对股票时间序列的知识发现

提出了将粗集理论应用于时间序列的知识发现。知识发现的过程包括时间序列数据预处理、属性约简和规则抽取三部分。其中数据预处理主要用信号处理技术清洗数据,然后将清洗后的时间序列按照某个变量的变化趋势进行分割,分割后每个时间段内的变化趋势不变,从而将时间序列转换成为一系列静态模式(每种模式代表一种行为趋势),从而去掉其时间依赖性。把决定各种模式的相关属性抽取出来组成一个适用于粗集理论的信息表,然后采用粗集理论对信息表进行属性约简和规则抽取,所得到的规则可以用于预测时间序列在未来的行为。最后将该方法用于股票的趋势预测,取得良好效果。     

基于粗糙集的属性约简研究进展

粗糙集理论是一种用于处理不确定、不精确、不完整知识的数学工具,已被广泛应用于人工智能、模式识别、数据挖掘和智能决策等领域。属性约简是粗糙集理论的一个核心问题,近年来已经成为粗集研究的热点。本文综述了当前国内外关于属性约简算法的若干最新研究进展,重在对属性约简的主流方法和前沿进展进行概括和分析,最后简要探讨了今后研究发展的方向。