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。     

粗糙集在客户分类中的应用研究

粗糙集理论的主要思想是在保持分类能力不变的前提下,通过属性约简和值约简,提取决策规则。设计了一个基于粗糙集的客户分类模型,并利用粗糙集的知识约简和决策规则提取算法对超市客户进行了分析。通过决策表约简,剔除冗余属性、消除过剩规则。最后得出了属性约简的最小化结果以及决策规则。     

粗糙集规则简约的方法在模式识别中的应用

利用粗糙集理论的数据分析和知识获取能力,运用粗糙集理论对知识进行浓缩和筛选,略去不必要的属性,简化数据,给出规则提取的具体算法,并应用于实际案例中.通过对七段数码管识别规则的简化,得到了较好的结果.表明将粗糙集理论应用于模式识别规则的简约中具有一定的优势.     

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。     

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同题.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.     

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。     

基于粗糙集的柴油机故障诊断系统设计

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,完成柴油机的故障信息条件属性值约简和决策规则提取程序设计.采用正向推理及相关控制策略实现推理机,完成故障诊断系统的诊断推理操作.基于粗糙集的属性约简和决策规则提取十分有效,大大减少了推理的时间,提高了系统的工作效率.     

粗集理论在空中目标威胁等级判断中的应用

针对目标进行威胁等级判断时,由于获得的空中目标属性信息的不完全性和不确定性带来的决策困难问题,采用把粗糙集理论引入到空战决策系统中,根据空战冗余信息是可以约简的结论,提出了一种利用粗糙集理论约简求取规则的决策算法。应用SOM网络离散化决策系统输入数据的连续属性值,利用粗集数据分析方法,从数据中提取出规则将输入映射到输出的子空间。通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,因此特别适合对空战信息的融合。     

变精度粗糙集在智能诊疗系统中的应用

研究变精度粗糙集理论中属性约简和规则获取算法,并结合医疗诊断的实际情况对传统算法进行改进,提出基于变精度粗糙集理论模型的诊断方法。该方法利用病员数据库提取关键的病例特征属性来建立临床诊断决策表,借助改进的可辨识矩阵属性约减算法和值约减算法进行特征约简,从而得到有效的诊断规则。最后,针对常见疾病"高血压",开发了网络版的基于VPRS智能诊疗系统,并应用到多家医疗机构,效果良好。     

基于粗糙集的推理通道消除

基于粗糙集理论对推理通道问题进行了研究。通过采用属性约简和属性值约简方法对数据库中的数据进行处理。在属性值约简基础之上,采用一种改进算法找出了数据库中推理规则集。进一步,将推理规则集中属性频率高的属性安全级别提高至决策属性的安全级别,从而消除推理通道。最后通过一个实例表明提出的消除通道算法是有效的。     

基于粗糙集和神经网络理论的规则提取算法

提出了一种基于粗糙集和神经网络组合进行规则提取的方法。首先对初始数据集进行离散化,并利用粗糙集对决策表中的条件属性进行初步约简,然后利用神经网络对数据进行学习和预测,并通过删除网络不能分类的数据来对决策表中的噪声进行过滤,最后再由粗糙集值约简算法进行规则提取。实验表明,该方法相对于传统规则提取算法快速有效,在保留神经网络高鲁棒性的同时,避免了从神经网络中提取规则的困难。     

基于粗糙集的医疗数据挖掘研究与应用

医疗数据挖掘能够对现有病历数据库中数据进行自动分析并且提供有价值的医学知识。针对临床病历数据库中存在大量重复样本和冗余属性,从而影响医疗诊断的精度和速度这一问题,建立了基于信息论的粗糙集理论模型和SQL语言之间的关系,提出了基于SQL语言的条件信息熵属性约简算法,利用数据库查询语言实现了数据清洗、求核和属性约简等过程。实验结果表明该算法实现简单,运行效率高,为粗糙集理论更广泛地应用于具体的医疗数据挖掘提供了一种方法。     

一个基于粗集的决策树规则提取算法

决策树是数据挖掘任务中分类的常用方法。在构造决策树的过程中,分离属性的选择标准直接影响到分类的效果,传统的决策树算法往往是基于信息论度量的。基于粗糙集的理论提出了一种基于属性重要度和依赖度为属性选择标准的决策树规则提取算法。使用该算法,能提取出明确的分类规则,比传统的ID3算法结构简单,并且能提高分类效率。     

核属性蚁群算法的规则获取

蚁群算法是一种新型的模拟进化算法,研究已经表明该算法具有许多优良的性质,并且在优化计算中已得到了很多应用.粗糙集理论作为一种智能数据分析和数据挖掘的新的数学工具,其主要优点在于它不需要任何关于被处理数据的先验或额外知识.本文从规则获取和优化两方面研究基于粗糙集理论和蚁群算法的分类规则挖掘方法.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识理论,将粗糙集理论与蚁群算法融合,采用粗糙集理论进行属性约简,利用蚁群算法获取最优分类规则,优势互补.实验结果比较表明,算法获取的分类规则,具有良好的预测能力和更为简洁的表示形式.     

一种基于粗集的目标识别信息提取算法

目标识别的原始信息往往很粗糙难以直接用于计算.粗集理论是一种对数据进行处理和挖掘的不确定性系统理论,基于此理论提出一种对原始数据进行信息提取的算法.采用关系表存储原始信息,通过简化关系表删去冗余信息,达到提取有用信息的目的.该方法运用粗集理论强大的属性约简和规则生成能力,生成的规则简单准确.与其它计算方法比较,粗集在处理粗糙信息方面有计算量小、抗扰性和传递性好的优点.     

基于二进制可辨矩阵的决策规则约简算法

决策规则的约简是利用决策逻辑分别消去每一条决策规则中的冗余属性值,是粗糙集理论知识约简的重要内容,一般是在属性约简之后采用启发式信息实现决策规则的约简。基于二进制可辨矩阵给出一个简单的直接求取决策规则核的方法,并提出一种决策规则的约简算法。所给算法简单直观,不但适用于相容决策表,也适用于不相容的决策表。     

基于等价关系的最小乐观概念格生成算法

决策信息系统的规则提取是数据挖掘的研究内容之一,概念格理论与粒计算理论是该领域研究的主要数学工具。文中通过探究这两大理论间的关系,利用等价关系定义了最小乐观概念格及其结构,最小乐观概念区别于传统经典概念,但是具有格的结构。在此基础上,提出了一种决策信息系统的规则提取算法,该算法引入了粒度思想,通过求取每一粒层中的最小乐观概念,并根据最小乐观概念的外延与决策属性等价类间的蕴含关系进行决策规则提取,通过设置算法的终止条件来加快其收敛速度,以达到针对决策信息系统知识约简的目的。最小乐观概念的定义比经典概念的定义更宽泛,其生成过程也更简单。最后,通过理论证明、实例验证以及数值实验对比验证了该方法的正确性与优越性。     

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.     

基于半监督学习的启发式值约简

提出一种基于半监督学习的粗糙集知识约简算法(SLRS).SLRS基于对信息论基本概念的引申定义,描述了各条件属性的重要程度以及相互之间的依赖关系.对于数据库中某些记录属性域存在的缺失值,基于半监督学习进行启发式属性值约简,进而求取粗糙集约简决策表,即使在现有知识不足或信息不完备的情况下,也能通过半监督学习构造新的规则补充到知识库中.样例分析及在UCI数据集上的实验结果均表明了所提出算法的合理性和有效性.     

区间值属性决策表的数据挖掘

Data mining in incomplete information systems is a hard problem but inevitable in uncertain decision. In thispaper ,an extended rough set model based on dominance relation is combined with fuzzy set theory for data mining ininterval valued decision table ,then decision rules can be obtained from the decision table. Simulation results show that the method is effective.