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。     

基于数据库操作的粗糙集的规则生成

提出了基于数据库操作的粗糙集（RS）的一种新模型,大部分传统的RS方法没有与数据库系统结合起来,使得RS理论在很多领域中受到限制,并提出了一组基于数据库操作的计算核、约简,规则生成的算法, 与传统RS模型相比,新的模型非常有效且可扩展。     

基于粗糙集的直觉模糊TOPSIS多属性决策方法

针对属性值为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于粗糙集的直觉模糊TOPSIS多属性决策方法.首先给出了直觉模糊信息的正、负理想点的求法,根据属性值与理想点的贴近度和给定的阈值求得判断矩阵,再根据判断矩阵对属性约简,确定各属性的权重,最后依据TOPSIS思想计算各方案与理想点的加权贴近度,得到方案的排序,并通过算例的分析比较验证了此方法的有效性.     

粗糙集理论中求取最小决策规则的研究

本文探讨了粗糙集理论中最小决策规则的求取方法，提出决策依赖度的定义，尝试从最短的条件属性组合中提取尽可能多的决策规则。只有现有长度的决策规则无法完全覆盖所有样本时，才会考虑增加决策规则的长度。同时提出了3种减少计算复杂性的方案：1）引入跳跃系数λ；2）在计算中只对具有相同决策值的样本进行等价类划分，从而避免了对含有不同决策值的等价类的无用划分；3）设计Remain集合，只针对其中的样本进行等价类的划分，随着Remain中样本数的减少，计算量会大幅下降。此外，本文所提出的基于决策依赖度的跳跃式决策规则求取方法可以直接应用于不完备信息系统，因此具有良好的实用价值。     

一种基于属性序的决策规则挖掘算法

针对面向领域用户的决策规则挖掘问题,用属性序描述领域用户的需求和兴趣,模拟人脑分辨事物的过程,提出了一种属性序下的分层递阶决策规则挖掘算法.该算法在给定属性序下输出的决策规则集不仅具有唯一性,且对任意待识别样本不会作出矛盾的决策.实例和仿真实验结果表明了算法的有效性和可行性.     

基于相似粗糙集的决策数据库水印

数据库水印因其独有的与其它多媒体水印不同的特征,在水印嵌入时也不能照搬多媒体水印技术.针对其容易破坏数据的使用价值和具有属性顺序敏感性等不足之处,提出了一种基于相似粗糙集的新算法,用粗糙集衡量条件属性的重要性,选出对决策影响最小的数值型属性作为候选属性,是数字水印嵌入前的预处理.按照提出的算法嵌入水印,既不影响数据库的决策,又避免了盲目选择嵌入属性可能造成对数据库完整性和一致性的破坏,有力地保护了数据库的原始性.     

基于粗糙集和粒子群优化神经网络的智能决策方法

针对多属性决策中的高维、非线性问题,提出一种基于粗糙集和粒子群优化神经网络的智能多属性决策方法.该方法利用粗糙集对多属性决策问题的条件属性进行约简,利用粒子群算法训练神经网络的权重和阈值形成粒子群优化神经网络模型,约简后的属性数据进入粒子群优化神经网络的智能决策系统.实证结果表明,该方法具有较好的泛化能力,与标准支持向量机、遗传神经网络等方法相比,该方法具有一定的优势.     

决策粗糙集属性约简算法与属性核研究

属性约简是粗糙集理论的重要研究内容之一。在Pawlak粗糙集模型中,正区域大小随着属性增多而变大,呈现单调性。然而,在决策粗糙集模型中,概率正区域与属性集之间不具有单调性,从而产生各种属性约简定义。为此,深入研究了决策粗糙集属性约简问题,阐述了几种约简定义之间的关系,证明了保持局部最大概率正区域的约简具有较大的代价,指出了保持所有对象的正决策不变的约简呈现稳定性和存在属性核。     

基于粗糙集的决策规则约简

粗糙集理论是一个新的数据挖掘方法，正越来越被人们所重视。其主要思想是保持分类能力不变的情况下，利用等价类，通过属性约简和决策规则约简，达到发掘知识并简化知识的目的。但是属性约简是一个NP问题，对属性的约简和决策规则的约简只能通过启发式算法实现。该文针对属性约简和决策规则约简，各提出了一个启发式算法。     

不完备信息决策规则提取的粗糙集方法

粗糙集理论在不完备信息系统中应用的研究越来越受到学者们的关注,多个不完备信息系统粗糙集扩展模型先后建立起来.基于限制容差关系的扩展模型是其中一个较为灵活和符合数据挖掘需要的模型.本文基于限制容差关系,将论域分为两个部分,并针对两类不同的对象分别给出了约简的定义,在此基础上提出了决策规则提取和决策规则评估算法.     

Selected Research Issues in Decision Support Databases

A flurry of buzzwords awaits anyone investigating database technology for decision support: data warehouse, multidimensional and dimensional database, on-line analytical processing, star schema, slicing, dicing, drill-down and roll-up. We introduce the area via an example based on a long-ago project to design a repository on energy information for the US Department of Energy. Once we have introduced some terminology, we explore research issues associated with decision-support databases, including representation, modeling, metadata, architectures and query processing. The purpose of this paper is to provide researchers with the background they need to contribute to this area.     

基于高校人事信息库的数据挖掘研究

运用关联规则发现技术对人事信息库进行数据挖掘，寻找影响学科发展的因素，发现应如何评价一个学科，以及影响学科发展的各要素间的关联关系。该文分析和指出了现有一些挖掘算法的优缺点，提出了Ｔｉｄ－ｏｐｔｉｍ算法，并对发现的规则进行分析，结合实际工作，为管理决策提供参考。     

时序数据库中的数据挖掘研究

时序数据库中的某个字段的值是随着时间而不断变化的,例如股票价格每天的涨跌、浏览网页的次序等.文章运用数据挖掘的方法来对这些数据库进行趋势分析、时序分析、序列模式挖掘以及周期分析.     

时序数据库中的数据挖掘研究

时序数据库中的某个字段的值是随着时间而不断变化的,例如股票价格每天的涨跌、浏览网页的次序等。文章运用数据挖掘的方法来对这些数据库进行趋势分析、时序分析、序列模式挖掘以及周期分析。     

数据库中模糊关联规则挖掘研究进展

数据库中关联规则挖掘一直是人们研究的热点,而模糊集理论的应用又为这一领域注入了新的活力。文章以此为基点,结合国内外该领域研究的进展情况,对模糊关联规则挖掘研究的技术要点、兴趣度衡量标准等方面进行分析总结,并对其发展前景进行了一定程度的展望。     

多媒体数据库的管理与数据挖掘研究

随着多媒体技术和数据库技术的发展,多媒体数据库的管理和数据挖掘技术都取得了很大的进展.目前,对于多媒体数据库的挖掘正日益成为研究热点.介绍多媒体数据库管理系统概念上讨论对其进行数据挖掘的问题,主要是对文本、图像、音频和视频数据挖掘的讨论.     

数据挖掘中决策树算法的探讨

决策树算法是DM的一个活跃的研究领域,首先给出了DM中决策树算法的基本思想,然后讨论了决策树算法中的难点问题,提出了利用熵与加权和的思想来选择取值的算法。     

数据挖掘中决策树的探讨

决策树方法是数据挖掘中的一个重要内容。该文叙述了决策树的构建过程,并指出了其技术难点及构建算法,最后,通过一个实例给出了该算法选取决策属性的详细过程。     

数据挖掘中决策分类的研究

在研究分类决策中应用得比较成熟和广泛的ID3算法基础上,提出了有效度决策树的模型和Ed算法.Ed算法不但成功解决了ID3算法内在偏置的问题,而且预测精度在某些情况下还会比ID3算法的预测精度高.     

基于XML实现数据库间信息交换的方法

针对传统的基于文本方式的数据库间信息交换方法存在的不足,了基于XML的数据库间信息交换的方法,分析了基于文本方式的不足之处,介绍了实现基于XML的数据库间信息交换的方法的步骤。通过实例说明了基于XML实现数据库间信息交换的方法。