基于粗糙集理论与灰色理论的属性约简算法

约简是粗集理论的重要概念,由定义计算约简是一个典型的NP问题且由于约简的不唯一,在面对大数据集或高维数据集问题时获得的属性集往往并非是最小的属性约简集.文中针对Rough sets理论的属性约简进行了研究.研究了通过可辨识矩阵求得属性约简集,利用Rough sets与灰色理论相结合,提出一种属性约简的启发式算法,拟合结果表明本约简算法合有效.     

第6届中国Rough集与软计算学术研讨会（CRSSC2006）征文通知

由中国人工智能学会粗糙集与软计算专业委员会和中国计算机学会人工智能与模式识别专业委员会主办、浙江师范大学承办的“第6届中国Rough集与软计算学术研讨会”(CRSSC2006)拟定于2006年10月30日至11月3日在浙江金华召开.Rough集理论自1982年由波兰数学家ZdzisΙaw Pawlak教授提出以来,其理论模型得到不断完善和发展,并渗透到很多学科,成为研究数据挖掘、知识约简和粒计算的理论基础.Rough集理论自身也已成为完整、独立的科学领域.此外,Rough集理论与其它一些软计算理论,诸如Fuzzy集、粒计算、神经网络、遗传算法等均已经成为当前国内…     

基于Rough集理论的属性简约研究

为了从海量的数据获得知识，数据挖掘被广泛地应用于知识发现。粗糙集理论是一种研究不确定性知识的工具，该文从Rough集理论的基本概念出发，对基于Rough集的信息系统决策表的属性简约问题进行了研究，挖掘出隐藏于信息表中的统计信息。该文对Rough集属性重要性在属性简约中的应用进行了研究，研究发现熵作为一种衡量信息量的重要工具，将其引入属性重要性的定义，考虑该属性对于论域中不确定分类子集的影响，使属性重要性这一概念更加完善。文章将这一概念应用于水声信号的目标识别，给出仿真结果，提出了以后的研究方向。     

不完备系统中基于属性重要性的变精度模型

1引言 粗集(Rough set,RS)理论[1]由波兰逻辑学家Z.Pawlak教授于1982年提出的,而不完备系统的处理是粗集理论的一个难点.本文提出了一种量化容差关系,以及不完备系统的上下近似和关于入的模糊上下近似;同时,给出了计算基于属性重要性的属性约简算法.     

基于粗糙集理论与灰色理论的属性约简算法

约简是粗集理论的重要概念,由定义计算约简是一个典型的NP问题且由于约简的不唯一,在面对大数据集或高维数据集问题时获得的属性集往往并非是最小的属性约简集。文中针对Rough sets理论的属性约简进行了研究。研究了通过可辨识矩阵求得属性约简集,利用Rough sets与灰色理论相结合,提出一种属性约简的启发式算法,拟合结果表明本约简算法合有效。     

Rough集理论代数观与信息观的差异量化分析

决策表是Rough集理论的处理对象，其核属性的计算往往是信息约简过程的出发点和关键．代数观和信息观是Rough集理论研究中的两种主要理论观点和方法．本文将针对决策表核属性的计算问题，探讨Rough集理论代数观和信息观这两种形式的关系，通过仿真实验，得到它们在决策表核属性问题上的统计量化差异，并发现在包括大量不相容信息的决策表系统中这两种观点之间的差异将达到极端情况．     

增量式的高效属性约简算法

属性约简是Rough集理论的核心内容之一，计算所有的属性约简已经被证明是NP完全问题．在深入研究Rough集理论的基础上，仔细分析了对象集的增加与属性约简的关系，给出了增量式属性约简的判定定理，从而提供了计算所有属性约简的增量式算法，分析了算法的时间复杂度．理论分析和实验结果表明，该约简算法在效率上较现有的算法有显著提高．     

基于核属性的知识获取算法

Rough集理论是近年来发展起来的一种有效地处理不精确、不确定、含糊信息的数学理论方法,在机器学习、数据挖掘、智能数据分析、控制算法获取等领域取得了很大的成功.决策表是Rough Set理论的处理对象,用RoughSet对决策表进行规则提取通常有代数观和信息观两种主要理论和方法.使用哪一种方法提取的规则集更好是很多研究者的目标.本文针对Rough Set理论的核心内容之一的知识获取进行了研究,提出了一种基于属性重要性排序的知识获取算法,并且证明了在不相容系统中使用信息观方法比使用代数观的方法更好,能够提取更合理的规则集.     

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.     

基于属性约简的粗糙集海量数据分割算法研究

结合Rough Set理论研究了分布式处理海量数据中的关键同题,即分割海量数据集的问题.经典的Rough Set算法要求数据常驻内存,因此不能有效地处理海量数据.为了能够直接处理海量数据集,根据最佳分割的定义,结合属性约简的思想,提出基于属性约简的粗糙集海量数据分割算法(Mass Data Partition for Rough Set on Attribute Reduction,MDPRS-AR).通过实验表明,MDPRS-AR算法的分割效率比传统的算法约高70%,而且与处理整个数据集的算法相比,正确性损失不大.     

一种融合粗糙集与灰模的装备故障预测方法

结合粗糙集理论和灰色系统理论对不精确信息处理的优势,文中提出一种融合粗糙集理论与GM(1,1)灰色预测模型的故障预测方法,先运用粗糙集的属性约简算法对故障诊断决策表进行约简,推出最优诊断规则,再利用GM(1,1)灰色预测模型对约简决策表中的各条件属性测试值计算得到其预测值,从而代回约简的诊断决策表进行故障预测,最后在某型机载电台装备中以某一故障为例进行应用验证,结果表明故障预测效率和精度都较高,从而为提高装备的可靠性和维修性提供依据.     

基于粗糙集的属性约简算法

本文主要研究基于粗集理论的属性约简算法。提出了一种新的启发式约简算法,即基于加权平均和频度的双向选择约简算法。本文还通过实例验证了该算法的可行性和有效性。     

粗糙集理论的研究与应用

对粗糙集的基本理论进行了讲解,同时给出了基于加权平均和频度的双向选择约简算法。     

Rough集及在近似推理中的应用

本文介绍了Ｒｏｕｇｈ集的基本概念,阐述了Ｒｏｕｇｈ集与信息系统之间的关系,构造了一个基于Ｒｏｕｇｈ近似的距离函数,并使属性值区间化,且略述了开发的中医诊断专家系统,最后,展望了Ｒｏｕｇｈ集的研究前景。     

基于元信息的粗糙集规则并行挖掘方法

1.引言在当前的信息化时代,为从大量积累的历史数据中获取有用的知识,使得数据挖掘已成为研究热点。Pawlak教授提出粗糙集合理论,经过众多学者的研究和完善,已成为数据挖掘的重要手段。在大数据环境下,数据挖掘方法的速度将直接影响整个数据挖掘系统的性能,如何有效地提高数据挖掘方法的速度,是迫切需要解决的问题。与此同时,计算机网络存在大量的运算资源,充分利用这些资源是提高数据挖掘方法速度的有效途径。为此,本文提出     

基于容错粗集理论的知识约简

粗集理论(RoughSetsTheory,RST)在处理不完全、不精确、不确定性智能信息问题等许多领域已取得成功的应用。然而RST理论还存在某些局限性,比如对等价关系的定义使得知识约简相对复杂化。该文提出利用容错粗集犤1犦RST的概念,建立属性值之间的容错关系,用容错关系对对象进行分类。该方法首先采用遗传算法求出属性阈值的最优组合,然后分别建立属性和对象的特殊矩阵,最后求出属性的相对约简和对象的相对商集。采用容错粗集进行知识约简减少了量化的过程,从而提高知识约简的有效性。该文最后提供了一个实例表明该方法是可行的。     

一种改进的属性核计算方法

属性约简是粗糙集理论中的一个重要内容,其核心任务是得到属性集的核。论文对目前求核方法存在的问题进行了分析,提出了一种改进的属性核计算方法,并证明了方法的正确性。该方法适用于任何决策表(相容的或不相容的)。     

组合粗糙集和支持向量回归的船舶交通流预测

影响交通流变化的因素众多,为改进传统的船舶交通流预测精度不高,一种结合粗糙集和支持向量回归智能算法的交通流预测模型提出,通过ROSETTA软件进行属性约简预处理,筛选出影响交通流变化的关键影响因素,剔除冗余信息。筛选结果显示外轮进出艘次、对外贸易总额、港口GDP、集装箱标准箱、港口货物吞吐量为输入变量,运用Libsvm软件构建基于遗传算法参数寻优的支持向量回归模型预测2008年和2009年的交通流。算例结果表明,与BP神经网络和SVM模型相比,组合预测模型是有效和实用的预测工具。     

一种粗糙集属性约简算法

该文针对RoughSet理论的属性约简进行了研究。利用RoughSet和信息论的相关知识,研究了通过可辨识矩阵求得属性约简集,并利用条件熵来计算属性约简集中属性间的相关性,其平均值最小的属性集即为求得的最佳属性约简的结果。实验证明,它可以取得比较理想的效果。最后利用该文的方法给出了对UCI机器学习数据库的例子的约简结果。     

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。