基于粗糙集理论的规则提取算法研究

粗糙集理论作为一种新的软计算方法已经在许多领域得到了广泛的应用。文章主要研究基于粗糙集理论的信息系统的约简,给出了基于粗糙集理论的规则提取算法.     

一种基于粗糙集理论的最简决策规则挖掘算法

研究粗糙集理论中可辨识矩阵，扩展了类别特征矩阵，提出一种基于粗糙集理论的最筒决策规则算法．该算法根据决策属性将原始决策表分成若干个等价子决策表．借助核属性和属性频率函数对各类别特征矩阵挖掘出最简决策规则．与可辨识矩阵相比，采用类别特征矩阵可有效减少存储空间和时间复杂度。增强规则的泛化能力．实验结果表明，采用所提出的算法获得的规则更为简洁和高效．     

基于RFM和粗糙集的客户分类规则提取

通过分析现有的分类规则提取方法,给出了一种提取客户分类规则的方法,该方法对客户的RFM属性进行K-均值聚类以确定客户价值,利用粗糙集完成规则提取,为客户分类提供了一种新的思路.通过实例验证了这种方法能够有效地对客户进行细分、提取分类规则,并提高了分类准确性.     

粗糙集理论在字符识别中的应用

介绍了粗糙集理论在字符识别中的应用，首先叙述了粗糙集理论的相关内容，并讨论了粗糙集中的概念和方法与字符识别的关系，然后介绍了几个常用的粗糙集在字符识别中应用的算法并给出了例子。     

基于粗糙集理论的模式分类样本特征选择方法研究

本文提出了一种基于粗糙集理论的模式分类本特征选择方法，该方法应用粗糙集理论和方法，对给定的学习样本进行特征选择，根据这些特征构造神经网络模型进行训练，并在网络的工作阶段，根据这些特征对待识样本进行分类，在模式分类中，该方法能够减少网络的训练时间并改善网络的泛化能力。     

基于粗糙集的表情特征选择

为解决取得特征向量维数过高问题,提出了一种改进的粗糙集属性约简算法。运用几何特征点方法得到人脸表情的局部特征向量,引入粗糙集理论,用改进的属性约简算法对提取到的表情特征进行优化选择,去掉冗余特征和对表情分类无用的不相关信息。实验结果显示,该方法不仅实现方便,识别率高,识别所用的时间也大大减少,充分表明了该方法的有效性。     

粗糙集规则匹配算法及其在文本分类中的应用

为提高中文文本分类的效果,提出了一种基于粗糙集理论的规则匹配方法.在对文本特征的提取过程中,对CHI统计方法进行了适当的改进,并对特征项的权值进行了缩放和离散化.结合区分矩阵实现关于粗糙集理论的属性约简和规则提取,并采用规则预检验的方法对规则匹配的决策参数进行优化,以提高中文文本分类的效果.实验结果表明改进后的规则匹配方法分类准确率更高,同时在训练数据较少的情况下也可以取得不错的效果.     

一种基于粗糙集理论的文本分类方法

在网络这个庞大的虚拟图书馆中，占信息比重最大的文本数据却缺乏结构化、组织化的规整性，大大降低了网络文本信息的利用效率，而文本的自动分类技术则能降低网络的查询时间，提高网络搜索质量。文章提出了一种基于粗糙集理论的文本分类方法。     

基于粗糙集理论的规则提取及约简

给出了一种基于粗糙集理论的规则提取和约简方法.采用模糊C均值方法对实际数据进行聚类分析,提取初始决策表,然后用粗糙集理论方法对该决策表进行约简,得到极小决策表.采用了一个实际决策对象,对算法进行演示和验证.     

一种基于粗糙集理论的智能故障诊断新方法

论文针对基于规则的故障源分离与定位方法中的一个关键问题,即诊断规则的获取,利用粗糙集的基本原理构造出了一种用于规则提取的新方法,其中包括了用于对故障决策表,即故障字典,进行属性约简的改进算法和属性值的顺序约简算法。该方法能够迅速从故障字典中提取出诊断规则,并揭示出故障信息内在的冗余性。最后实例应用的结果表明了该方法的有效性,尤其是在不完全信息情况下的有效性。     

粗糙集理论与应用研究综述

在阐释粗糙集理论基本体系结构的基础上,从多个角度探讨粗糙集模型的研究思路,分析粗糙集理论与模糊集、证据理论、粒计算、形式概念分析、知识空间等其它理论之间的联系,介绍国内外关于粗糙集理论研究的主要方向和发展状况,讨论当前粗糙集理论研究的热点研究领域以及将来需要重点研究的主要问题.     

粗糙集理论及其应用综述

粗糙集理论是一种较新的软计算方法,可以有效地分析和处理不完备信息,该理论近日益受到国际学术届的重视,已经在模式识别,机器学习,决策支持,过程控制,预测建模等许多科学与工程领域得到成功的应用,本文介绍了粗糙集理论的基本概念,对其在各领域的应用情况进行了综述。     

Rough sets

We investigate in this paper approximate operations on sets, approximate equality of sets, and approximate inclusion of sets. The presented approach may be considered as an alternative to fuzzy sets theory and tolerance theory. Some applications are outlined.     

基于粗集理论与神经网络技术规则提取的研究

为了从大量数据中获取有用的知识,提出了基于粗集与神经网络技术的数据挖掘方法.首先利用粗集理论消除冗余的属性,得到数据集的一些规则,然后利用这些规则构造神经网络,利用神经网络技术完善粗糙规则.文章就这一技术的研究方法作了综述,并提出了改进的粗集约简方法.     

基于粗集理论与神经网络技术规则提取的研究

为了从大量数据中获取有用的知识,提出了基于粗集与神经网络技术的数据挖掘方法。首先利用粗集理论消除冗余的属性,得到数据集的一些规则,然后利用这些规则构造神经网络,利用神经网络技术完善粗糙规则。文章就这一技术的研究方法作了综述,并提出了改进的粗集约简方法.     

对模糊集、粗糙集和Vague集的比较研究

模糊集、粗糙集和Vague集三种理论都是对经典集合理论的扩展,使得集合论的应用扩展到了含糊的、不确定性的问题领域。介绍了三种集合的基本思想,重点分析三种理论的区别和内在联系,同时对三种理论的发展及应用作了一些探讨性研究。     

Rough sets and ordinal reducts

Rough set theory has been successfully applied in selecting attributes to improve the effectiveness in deriving decision trees/rules for decisions and classification problems. When decisions involve ordinal classes, the rough set reduction process should try to preserve the order relation generated by the decision classes. Previous works on rough sets when applied to ordinal decision systems still focus on preserving the information relating to the decision classes and not the underlying order relation. In this paper, we propose a new way of evaluating and finding reducts involving ordinal decision classes which focus on the order generated by the ordinal decision classes.

Rough sets: Some extensions

In this article, we present some extensions of the rough set approach and we outline a challenge for the rough set based research.     

Rough sets and Boolean reasoning

In this article, we discuss methods based on the combination of rough sets and Boolean reasoning with applications in pattern recognition, machine learning, data mining and conflict analysis.