基于变精度粗糙集决策树的构造算法

在构造决策树的过程中,分离属性选择的标准直接影响分类的效果.基于变精度粗糙集的理论将属性重要度作为选择分离属性的标准.经实验证明,使用该方法构造的决策树与经典ID3决策树算法相比,具有复杂性低,能有效提高分类效果的优点.     

基于粗糙集的决策树规则提取算法

针对ID3算法用信息增益作为在各级非叶节点上选择属性的标准的局限性,结合统计学独立检验思想,给出一种新的属性依赖性和重要性定义,以新的属性重要性为启发式信息设计决策树规则提取算法。实例分析的结果表明,该算法能提取更为简洁有效的决策规则。     

一种基于粗糙集理论的变压器故障多变量决策树诊断方法

本文介绍了一种基于粗糙集理论来构建变压器故障诊断多变量决策树的算法。该方法选择变压器故障决策表的相对于决策属性的范化作为决策树的根节点,再选择粗糙度最小的条件属性作为下一个分枝节点的检验属性,形成结构更为简洁合理的变压器故障诊断多变量决策树。通过实例比较验证了该方法的有效性。     

基于粗糙集方法的信息系统中属性划分方法研究

针对目前数据挖掘隐私保护中信息系统属性分类问题,基于粗糙集理论提出了一种信息系统中属性划分方法.首先对信息系统中的易获知属性和敏感属性进行定义和描述,然后在属性依赖度和属性重要度的基础上,提出了信息系统中属性的敏感系数的定义.实验结果表明:该方法简单、直观,对信息系统进行属性划分与属性约简得到的结果是一致的.     

基于粗糙集的综合评价方法研究

粗糙集特有的属性约简和属性重要度原理能对有限的指标数据进行有效挖掘, 且具有客观性, 能优化综合评价过程.根据这种思路, 提出了基于粗糙集的综合评价流程及各步骤方法, 并通过同行评议专家的科技信用评价验证了该方法的实用性.     

一种基于粗糙集理论的变压器故障多变量决策树诊断方法

本文介绍了一种基于粗糙集理论来构建变压器故障诊断多变量决策树的算法。该方法选择变压器故障决策表的相对于决策属性的范化作为决策树的根节点,再选择粗糙度最小的条件属性作为下一个分枝节点的检验属性,形成结构更为简洁合理的变压器故障诊断多变量决策树。通过实例比较验证了该方法的有效性。     

基于粗糙集的决策树优化算法

在粗糙集理论的基础上提出了一种新的决策树算法,把粗糙集中的近似分类精度及决策规则的确定性因子应用于决策树的构造,在算法形成的过程中提出抑制因子,对决策树进行修剪,避免了先生成决策树再修剪的繁琐步骤,且在每次划分时对条件属性值和决策属性值进行匹配考察,避免不必要的计算,进一步提高了算法速度．     

粗糙集-决策树在数据挖掘中的应用

目的将数据挖掘技术应用在胶合板缺陷检测数据中，提取出有效的、正确的规则信息．方法通过分析比较粗糙集软计算方法和决策树方法的特点，利用两种方法具有的优势互补性，将其进行有机集合，构造数据挖掘模型．结果从胶合板缺陷检测数据中挖掘出对用户有价值的决策规则，并将其用“IF—THEN”语句表达出来．以便指导以后的决策过程．结论基于粗糙集和决策树结合的数据挖掘方法提高了获取规则的快速性，降低了计算的复杂度，增强规则的可解释性，取得了良好的研究结果．     

基于粗糙集的决策树在电子商务中的应用

将数据挖掘中的决策树与粗糙集理论进行有机结合,提出一种基于粗糙集属性依赖度的决策树算法,将该算法应用到电子商务的客户管理中,进行电子商务客户价值研究,提取分类规则,为企业管理客户提供决策支持.     

一种基于粗糙集理论的决策规则提取方法

粗糙集理论是一种新兴的数学工具,用于分析、处理不确定或不完整的复杂信息,适合于从大量复杂的数据中发现隐含的、潜在有用的规律。提出了一种基于粗糙集理论的决策规则提取方法,通过重要度分析和属性约简,找出影响决策属性的关键因素。通过值约简,得出决策规则。运用该方法对大学生自主学习风气与能力培养之间的关系进行研究,实例分析表明,这种新的方法具有实际应用价值。     

一种改进的粗糙集理论分层递阶约简算法

粗糙集的分层递阶约简算法是根据属性的获取方式、采集成本和实时性要求等对属性进行分类,使决策系统中的所有属性在单层次和单粒度上的知识表示变为部分属性所构成的知识在多种层次和多种粒度上的表示,从而可以逐层对决策系统进行约简.在此基础上,文章根据规则获取者的需要即属性的重要度考虑进行分层递阶简约.文章的最后将该算法应用于某单位人才引进决策的获取中,证实了其有效性.     

一种改进的基于粗糙集的启发式值约简算法

在求得决策表中属性值核的基础上,用属性重要度指导增加后续属性值,还引入包含度和支持度统计度量,生成了不同置信度水平下的决策规则集,并设计了基于规则集的分类算法。对Monk数据集的对比实验表明,该算法是有效的。     

粗糙集在数据挖掘分类规则中的应用研究

数据集中的冗余性会降低数据挖掘结果的解释能力和精度，介绍了数据集中挖掘分类规则的基本原则，并利用粗糙集理论中核及决策类覆盖的概念，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，并简化带有不同相容规则的决策系统的数据挖掘算法，并应用一简单的例子说明如何在数据库中发现分类规则。     

蚁群算法融合粗糙集理论的属性约简算法

为了克服属性约简过程中寻找最小属性集算法存在时间复杂度高搜索空间大等不足,把属性抽象为节点,通过蚁群算法搜索得到节点的最少组合,使得其能代替原有的属性节点并保持决策系统的粗糙分类能力.针对蚁群算法初期信息素匮乏,收敛速度慢的问题,将蚁群算法和粗糙集理论融合,采用粗糙集理论的相关算法确定属性核,并将其作为蚁群算法的初始节点.利用蚁群算法的搜索能力,用于最小属性集的搜索.理论分析和实验结果表明,该算法可行有效.     

基于粗糙集的道路交通事故预警算法研究

按照历史道路交通事故数据分析,把交通事故分为具有不同特征的道路交通事故类型,归纳造成不同特征的道路交通事故发生原因(人,道路,车辆,天气等),利用粗糙集理论在事故原因与事故类型之间建立一个映射规则,为道路交通事故的预警提出了既快又简的融合算法。通过安装在汽车上的算法数据库,建立道路交通事故监测预报系统,根据监测驾驶员可在事故来临之前做出正确的调控措施,把道路交通事故消灭在萌芽状态中。     

Heuristic Genetic Algorithm for Discretization of Continuous Attributes in Rough Set Theory

1 Introduction Intelligent information processing is a research hotspot in information science. However, knowledge acquisition is a bottleneck in intelligent systems. Pro- posed by Pawlak in 1982[1], the rough set theory (RS theory) is based on a classification mechanism and regards knowledge as partition over data using equi- valence relationships in a given domain. The RS is a tool to deal with expressing, studying and reasoning of incomplete data and imprecise knowledge, which has been wi…     

基于粗糙集相关矩阵的属性约简算法

利用粗糙集相关矩阵采用贪婪策略构造了寻找最小属性约简的启发式算法，证明了算法的正确性并作了复杂性分析，通过实例和与基于属性频率重要性算法进行的对比分析，发现该文算法能快速逼近最小约简，且获得的知识容易理解。     

基于粗集理论缺省数据的改进算法

在对粗集理论研究的基础上，利用对象间的属性值差异引入粗糙相似度的概念，提出一种改进的ROUSTIDA算法，指出改进后的算法使更多的数据得到科学的补齐．实例表明此方法是比较有效的．     

ID3算法在硕士研究生报名中的应用

论述了ID3算法的基本思想和实现方法,分析了节点选择的方法,并将该算法应用于硕士研究生报考人员的资格审查,提高了工作效率,体现了ID3算法的优点.