移动计算中基于Rough Set的时间序列研究与应用

提出了基于Rough Set在移动计算环境中进行数据挖掘的系统模型，给出了进行数据挖掘的具体算法，介绍了由实时时态信息系统转换为时态信息系统的平均时间间隔方法，以及由时态信息系统转换为传统信息系统的增量分析方法，最后给出了实例和应用结果.     

时态信息系统转换方法研究

利用粗糙集理论来进行时间序列数据分析,关键是将时态信息系统转化为适用粗糙集方法处理的传统信息系统。目前,已有的将时态信息系统转化为信息系统回溯的方法,当回溯时间片很大时,转换后的信息系统产生大量的属性,不利于进一步利用粗糙集进行约简及规则获取,具有一定的局限性。文中提出了一种基于时间粒度的转换方法,运用该方法进行系统转换后的信息系统中产生较少的属性,特别适用于处理大规模数据集。     

时态信息系统转换方法研究

利用粗糙集理论来进行时间序列数据分析,关键是将时态信息系统转化为适用粗糙集方法处理的传统信息系统.目前,已有的将时态信息系统转化为信息系统回溯的方法,当回溯时间片很大时,转换后的信息系统产生大量的属性,不利于进一步利用粗糙集进行约简及规则获取,具有一定的局限性.文中提出了一种基于时间粒度的转换方法,运用该方法进行系统转换后的信息系统中产生较少的属性,特别适用于处理大规模数据集.     

不完备信息系统下的不确定性度量方法

在不完备信息系统中,不确定性度量是Rough Set理论中的一个难题。文中通过分析现有完备信息系统的不确定度量方法以及不完备信息系统的特性,提出了广义相似关系,并以之为基础给出了一个直接度量不完备信息系统不确定性的方法。通过实例分析,验证了该方法的有效性。     

一种基于粗集的值约简方法

针对Rough Set理论中的值约简问题进行了研究，对基于决策间不可区分关系的值约简算法进行了改进，使其能够处理信息系统出现的各种情况。     

基于Rough集的动态信息系统的规则挖掘

在动态信息系统模型下,采用Rough集的方法对信息系统在时间进程与场景变化中的规律进行研究.在论域不变的条件下,提出差异信息系统的概念与构造过程,并在此基础上给出了一种启发式的规则挖掘算法,并对算法复杂度进行了分析.利用该算法得到的决策规则,很好地反映了条件性值的变化与决策变化趋势之间的内在联系.     

不完备信息系统的Rough集扩充方法

本文就目前Rough集直接处理不完备信息系统的Rough集模型进行讨论、归纳与总结,有利于对不完备信息系统的Rough集扩充方法的认识,对在不完备信息系统下拓展Rough集有所启示和参考。     

基于Rough Set理论的推理机制的研究

对Rough Set理论中属性域约简、决策表及Rough算子等问题进行了研究,分析了Rough Set理论与模糊集理论及证据理论的关系,着重对基于Rough Set理论的推理机制进行了研究。     

一种信息系统的快速属性约简算法

在分析目前已有的基于Rough Set的属性约简算法后,认为计算属性的重要性的算法复杂度可以进一步降低,同时给出了一个新的较为合理的度量属性重要性的计算公式,并分析了该计算公式的性质,然后给出了一个时间复杂度为max｛O｜A‖U｜log｜U｜,O(｜A｜2｜U｜)｝的快速属性约简算法,最后用一个实例说明了算法的有效性。     

基于RSNN的煤自燃预测方法

本文提出一种基于粗糙集神经网络(Rough Set Neural Network,RSNN的煤自燃预测方法.该方法针对综放面采空区,在已测到的漏风强度Q和煤体温度Tc 的基础上,利用Rough Set(RS)的约简理论对测量数据约简.在此基础上构建了一种基于粗糙集的神经网络(Rough)然后利用该Rough预测最小浮煤厚度.实测数据验证表明,该方法比常规AMAX预测方法简便且精度高.该方法为基于网络的远程煤矿安全生产监测监控系统奠定了良好的基础.􀁱     

不完备信息系统的属性约简方法研究

该文从经典的粗糙集对完备信息系统的属性约简方法入手,为避免不完备系统的完备化处理,修改了传统意义上的差别函数,在不生成分辨矩阵的情况下,提出基于按桶散列的物理存储方法,并利用逻辑运算中的吸收律直接对不完备信息系统进行约简。     

基于粗糙集和神经网络的信息融合方法

在运用粗糙集理论和神经网络理论进行信息融合的基础上,分析了其各自的优势和存在的问题,设计了将两者综合的信息融合方法.该方法主要思想是利用粗糙集理论对神经网络待处理的数据进行属性约简,借此来简化神经网络的结构.利用这种方法对煤矿中各种与瓦斯危险相关的信息进行融合,以此对其瓦斯安全性进行评价.结果表明,这种方法减少了训练次数而且收敛效果比传统神经网络效果好.     

改进集对粗集模型

粗糙集理论在数据挖掘中的成功应用已成为近来研究的热点,人们将经典粗糙集中的等价关系放宽后使粗糙集理论的运用更加广泛,但在不完备信息系统中的运用仍受到了限制。论文在文犤1犦的基础上利用集对联系度定义了不完备信息系统中集合的上、下近似运算,并得到比文犤1犦定义的近似运算更为完善的一些基本性质;通过实例说明了这种方法是可行的,在一定程度上将粗集用于研究不完备信息系统方面进行了推广。     

一种基于粗糙集的集成算法及应用

粗糙集理论的主要思想是在保持信息系统分类能力不变的前提下,通过知识约简,导出问题的决策和分类规则：本文提出一种基于信息量的属性约简和规则提取的集成算法,并结合汽车里程试验数据进行验证,通过仿真实验,表明了该算法的有效性和可行性。     

火灾识别中RS-SVM模型的应用

提出了一种基于粗糙集-支持向量机（Rough Set Support Vector Machine,RS-SVM）的火灾识别算法。首先利用粗糙集理论,将描述火灾特征的6个变量映射为粗糙集的知识系统,再去除冗余信息,对该系统进行属性约简,获取该知识系统的规则集;利用SVM泛化和非线性逼近能力,将以上规则集作为训练火灾识别SVM的样本集,最终得到分类准确、优化的火灾识别算法。实验仿真表明：该算法对火灾识别精度高、速度快、抗扰性好、非线性能力强,且适用范围广,对于火灾及时准确识别具有重要意义。     

Rough集理论中知识与运算的矩阵表示

同一问题在不同知识表示下算法难度不同。Rough集理论把知识定义为对对象的分类能力,并提供了一套基于代数系统的知识表达和处理方法。然而在代数表示下,知识的本质以及运算直观性较差,不易于理解。同济大学苗夺谦教授建立了知识与信息之间的关系,在此基础上给出了Rough集理论中概念和运算的信息表示,并给出了知识约简在代数和信息两种表示下的等价性证明。现进一步将知识及其运算表示成粒矩阵形式,继而给出了知识约简在代数、信息和粒矩阵3种表示下的等价性证明。     

基于粗集的汉语词语义项知识的获取

由于自然语言语序的灵活性,使得自然语言知识的自动获取很困难。本文基于粗糙集理论的属性值约简方法,结合基于记忆的学习(Memory Based Learning,简称MBL) ,提出了一种汉语多义动词义项知识的获取方法,用该方法获得的知识可用于词义消歧。     

粗糙集理论在故障诊断规则获取中的应用

本文的目的是给出一种利用粗糙集理论解决故障诊断的规则获取问题的方法 ,该方法的特点是可以处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取 .以规则形式表示的知识接近于人脑推理过程 ,因此基于规则的诊断方法在故障诊断中得到广泛使用 ,但规则获取是其瓶颈之一 .粗糙集 (RS)理论是为开发自动规则生成系统而提出的 ,其主要思想是在保持分类能力不变的前提下 ,通过知识约简 ,导出概念的分类规则 .因此 ,可以把 RS理论用于规则的故障诊断中 .本文给出了基于决策矩阵和决策函数的获取规则方法的流程图 ,以故障诊断实例说明其使用方法 ,并验证了其有效性     

一种基于SVD和Rough集的信息过滤方法

论文提出了一种信息过滤方法,即在奇异值分解(SVD)的基础上,运用粗糙集(Rough Sets)理论进行信息过滤。通过对词语×文档矩阵进行奇异值分解得出近似矩阵,改变了一些词语在相应文档中的重要性,从而使得词语更好地体现文档内容。然后运用粗糙集理论中决策表上的规则推理方法,生成人们感兴趣信息的规则库,将未知文档的条件属性与规则库中的规则进行相似匹配,进行信息过滤。实验表明,该方法在准确度方面比传统的VSM和LSI要好。