数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法.数据挖掘研究的实施对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便.关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点.粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取.该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的.     

粗糙集理论数据处理方法及其研究

粗糙集理论是一种对数据进行约简,提取规则的数据挖掘的有效工具,在自动控制、电子科学、计算机科学、机器学习、医学、经济学等方面有着广泛应用.根据粗糙集理论处理数据方法的过程,分析和阐述了不完备数据处理、连续数据离散化、属性约简、属性值约简和规则提取、不完备决策系统和不相容决策系统等非标准信息系统的约简、粗糙集理论数据处理方法和其他理论数据处理方法相结合的扩展模型和最新研究进展,及粗糙集理论数据处理的软件实验系统等.     

一种基于Web用户不完备信息的规则获取方法研究

Web日志是一个很不完全且存在多样性特点的数据集,在获取决策规则的过程中经常会出现不一致、不完全规则的情况.提到了粗糙集理论,利用粗糙集理论在处理不完全知识上的特有优势来解决此种问题.首先把重要的用户行为特征值离散化作为属性值和值的约简,然后通过粗糙集缺省规则获取算法获得决策规则.其中条件属性的提取主要是一个对用户行为观察和分析的结果,而离散化处理方法就是应用粗糙集理论中的典型方法.这种处理方法有利于最后规则提取的进行,经过实例分析效果良好.     

基于粗糙集的规则的挖掘

随着计算机技术的发展,急剧产生海量的数据.如何从这些数据中提取有用的信息是一个重要的问题.一种新的数据分析方法--粗糙集理论被提出.该理论在分类的意义下定义了模糊性和不确定性的概念,是一种处理不确定和不精确问题的新型数学工具.文中首先对近年兴起的粗糙集的基本理论进行了讨论,在此基础上运用粗糙集理论对从数据库中规则的挖掘方法进行了研究.并通过一个实例详细地说明了具体挖掘过程,该实例说明了基于粗糙集进行规则的挖掘是较简单的.     

Rough集在软件测试用例选择中的应用

文中首先阐述了软件测试相关的基本概念,然后介绍了粗糙集理论基本概念和基于粗糙集理论的数据约简.并将粗糙集数据约简方法引入到软件测试用例的选择中,在保证不降低测试效果的同时减少了测试用例的属性个数,从而达到了优化测试用例的目的.     

粗糙集在智能系统知识维护中的应用

在基于知识的智能系统中 ,知识的维护对于提高系统的整体性能具有重要意义 .在一定程度上 ,知识的维护过程可以看成是对系统本身的优化过程 .本文中的漏焊智能检测系统是一个基于知识的智能系统 ,用软计算方法对知识加以处理是当前众多国内处研究人员所关注的热点 .粗糙集理论是近年来出现的处理不精确、模糊、不确定数据的有效数学工具 ,是一种新兴的软计算方法 .使用粗糙集理论处理数据不需要任何先验知识 ,可以最大限度的减少主观因素的影响 ,在这一点上粗糙集理论明显优于模糊集理论、神经网络等其它软计算方法 ,所以在实际中应用粗糙集理论具有极大的潜力 .本文在这方面做了积极的尝试 ,给出了漏焊智能检测系统的知识维护过程中基于粗糙集理论的数据处理方法以及知识维护的具体步骤     

融合粗糙集和DS方法的空中目标类型识别算法

通过分析粗糙集和Dempster-shafe(DS)方法在描述不确定信息上的相似性,将这两种理论融合建立统一框架,提出了融合粗糙集和DS方法的空中目标类型识别算法.该算法通过知识库推导得出基本概率分配函数,采用基于粗糙集的信任函数作为可信度度量,使得改进后的算法更有理论深度.实验结果表明,算法具有良好的运行效果.     

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法。数据挖掘研究的实旌对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便。关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点。粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取。该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的。     

粗糙集理论在图像处理中的应用

将粗糙集理论应用到图像处理中,在很多场合具有比传统方法和精确算法更好的效果.介绍了粗糙集理论的基本概念和模型的发展状况,描述了粗糙集用于图像处理的特点,详细论述了粗糙集理论在图像滤波和平滑、图像增强、图像分割以及图像特征提取与分类的研究方法与应用.研究表明粗糙集理论与其他智能方法的结合在图像处理中具有良好的应用前景.大数据集、高效约简算法、并行计算以及混合智能算法研究等问题仍是粗糙集研究的主要方向.     

一种基于粗糙集的离散化算法

粗糙集理论以其独特的数据约简能力在不确定信息处理的相关领域得到广泛关注和研究,而连续属性的离散化是粗糙集方法及其它归纳学习系统中的重要环节.将离散化视作一种信息概括、抽象和约简,利用粗糙集理论提出一种全局的离散化算法.算法通过定义一致性度量,实现全局离散,弥补了局部离散化MDLP方法引入不一致的缺陷.然后在保持一致性前提下,进一步对离散中分割点的冗余进行约简.实验采用ID3和粗糙集分类工具ROSETTA在多个大数据集上对提出的离散方法进行分类验证,实验结果表明该算法的有效性和优越性.     

Rough集之间的相似度量

Applications of rough set theory in incomplete information systems are a key of putting rough set into real applications. In this paper, after analyzing some basic concepts of classical rough set theory and extended rough set theory, the measure of similarity is developed between two rough sets in the classical rough set theory based on indiscernibility relation and between two rough sets in the extended rough set theory based on limited tolerance relation. Then,some properties of these two methods for measuring similarity are developed respectively. At last,these two measure methods of rough set theory are compared.     

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。     

概率犹豫模糊决策理论与方法综述

概率犹豫模糊集是在犹豫模糊集的基础上为每个隶属度添加与之相对应的概率值.与犹豫模糊集相比,它可以更加准确和全面地表达专家给出的初始决策信息,因此,基于概率犹豫模糊集的决策理论与方法更加可靠且符合实际.这里对概率犹豫模糊决策理论与方法进行综述.首先介绍其发展过程;然后分别对它的信息融合理论、偏好关系理论以及决策方法等进行阐述;最后展望了概率犹豫模糊决策理论与方法的未来研究方向.     

基于差异关系的变精度粗糙集知识约简算法研究

有效的知识约简算法是粗糙集理论的重要研究内容.粗糙集是一个去掉冗余特征的有效工具.经典的粗糙集方法要求数值用离散数据表达,对于连续值则在处理前必须进行离散化处理.真实数据往往存在连续值,为了避免运用粗糙集方法所必需的离散化过程带来的信息丢失,将差异关系应用于粗糙集的知识约简.为进一步增强差异关系粗糙集对噪声数据的适应能力,提出基于差异关系的变精度粗糙集知识约简算法,并分析差异关系下变精度粗糙集模型参数的特性,给出依赖度和参数范围关系描述,将参数取值从点扩展到区间范围.在UCI数据库的数据集上进行实验,结果证明了所提方法及相关理论的有效性.     

二型模糊决策理论与方法研究综述

二型模糊集(type-2 fuzzy set, T2FS)是将模糊集中的隶属函数拓展为一型模糊集而产生的集合,其具有表示更深层次不确定性的优势,能够极大程度地增强对客观世界不确定性的刻画能力.因此,近年来围绕二型模糊环境下的决策理论与方法研究得到了蓬勃发展.鉴于此,对二型模糊决策理论与方法进行系统性综述,梳理该领域的发展脉络,阐明现有工作的研究态势,总结二型模糊信息集成与决策的主要研究成果.首先,介绍二型模糊集的发展历程和基础理论研究现状;然后,分别针对基于二型模糊信息的决策基础理论(信息融合理论、偏好关系理论和测度理论)以及决策方法的研究现状进行概述;最后,对二型模糊决策理论与方法的未来研究方向进行展望.     

Rough集理论及其在地质图形系统中的应用

20世纪80年代初,波兰数学家Z.Pawlak提出Rough Set(RS)的数学理论,直到10年之后,由于这个理论在机器学习、从数据库中发现知识、决策支持与分析等方面的应用,才引起人工智能(AI)研究者的关注.介绍了Rough理论基本概念和方法,并将Rough集理论引入地质图形系统领域,给出了Rough集理论用于地质图形系统中属性分析和知识发现的方法.为地质图形系统的属性信息处理开辟了一条新途径.     

粗糙集理论在心脏病诊断中的应用

简要介绍了粗糙集理论的基本原理和主要方法，给出了一个基于粗糙集理论设计的Rosetta软件对心脏病进行诊断的应用实例。     

粗糙集理论在心脏病诊断中的应用

简要介绍了粗糙集理论的基本原理和主要方法,给出了一个基于粗糙集理论设计的Rosetta软件对心脏病进行诊断的应用实例。     

粗集理论在空间数据挖掘中的应用

粗集理论能支持数据挖掘与知识发现的多个步骤,如数据预处理、数据简化、规则生成、数据依赖关系获取等,为数据挖掘与知识发现提供了新的思路和方法。本文将粗集理论引入空间数据挖掘领域,介绍了粗集理论的基础理论和一系列方法,给出了应用实例,并探讨粗集理论在空间数据挖掘中的应用。     

Vague集向Fuzzy集转化的两种新方法

指出了陈玉明等提出方法存在的不足之处,结合Vague集理论及投票模型下的解释,给出了Vague集向Fuzzy集转化时应满足的约束条件,提出了Vague集向Fuzzy集转化的两种新方法,并说明了其有效性。