粗糙集理论在数据挖掘中的应用

粗糙集理论作为一种新型软计算方法，可以有效地分析和处理具有不完备、不确定性特征的信息。已经在诸多领域得到成功应用．在简要介绍粗糙集基本理论的基础上，详细讨论了粗糙集在数据挖掘领域的应用进展．     

粗糙集理论及其应用进展

粗糙集理论以其出色的处理模糊和不确定知识的能力，成为数据挖掘研究中的有力工具。文章首先描述了粗糙集理论的基本思想，接着介绍了基于粗糙集理论的数据分析过程，给出了作者等人的相关研究工作，最后论述了粗糙集的应用进展及未来的研究方向。     

电力生产系统OLAP与数据挖掘技术的实现

联机分析处理和数据挖掘技术是近年来数据库领域和人工智能领域研究的热点，它通过对大量数据进行分析和处理，得到隐含在这些数据背后有用的信息和知识，电力生产系统每天都积累了很多的生产销售数据，分析和挖掘出这些数据所隐含的深层次的知识对于企业来说是十分必要的，本文对OLAP和DM作了详细的介绍，针对企业的数据特点和应着重解决的问题，提出了适合电力生产企业的OLAP和DM任务，阐述了用于企业DM任务的粗糙集方法，最后，结合实例说明了粗糙集方法是如何应用到电力生产企业的数据分析和数据挖掘中的，并指出了OLAP和DM技术的实现给企业带来的效益。     

数据挖掘在网站网页设计优化中的应用

因特网的应用提供了前所未有的数据量，因而查找用户所需的信息成为一件困难又麻烦的事情。有效组织数据，简化用户的查找是构造网站数据库必须认真考虑的问题，但这取决于用户的使用模式。了解用户如何使用网站的各项内容是一个知识发现的问题。而数据挖掘技术的目的就是在大量数据中发现知识，它已经成为知识发现的核心技术。从而数据挖掘技术为网络领域提供了一个知识发现的手段。讨论了在网站网页设计优化中使用数据挖掘技术的问题。介绍了一个具体的应用于该方面的数据挖掘工具WDWT的设计与实现。论述了系统的结构，各组成部分的功能，关联规则的发现算法。     

一种改进的粗糙集属性约简启发式算法

作为数据挖掘的重要工具,粗糙集理论被广泛的应用于关系数据库中属性相关性描述、属性集约简、属性重要性度量、规则发现等方面。该文在分析基于信息系统的粗糙集理论的基础上,对基于分辨矩阵的属性约简算法进行了详尽的描述。针对该算法存在的时间和空间性能不理想问题,提出度量单个条件属性对系统概念贡献程度的关联度的概念,以此作为启发式信息对原算法进行改进,得到条件属性的约简。理论分析及实验结果表明该算法具有较好的约简效果及更高的运行效率,为粗糙集理论更广泛地应用于具体的实践提供了一种方法。     

不相容决策系统中获取规则的粗糙集方法

获取规则是数据挖掘的一项重要技术，近年来粗糙集方法在这个领域获得快速发展。面对大型数据库中存在不相容数据的客观现实，根据粗糙集理论，提出了不确定等价类的概念，在此基础上提出挖掘可能性规则的方法，该方法有效地利用了数据库中的统计信息，并给出了例子予以说明。     

粗糙集理论及其在故障诊断中的应用

介绍了故障诊断技术及粗糙集理论的发展状况,重点总结了目前粗糙集理论在故障诊断领域中的几种应用形式,即粗糙集理论与知识发现相结合用于故障诊断、粗糙集理论与专家系统相结合用于故障诊断、粗糙集理论与神经网络相结合用于故障诊断以及粗糙集理论与其他智能技术相结合用于故障诊断;同时,指出了粗糙集理论研究中存在的问题,并对今后的研究方向提出了具体的思路.     

数据挖掘方法综述

数据挖掘方法结合了数据库技术、机器学习、统计学等领域的知识,从深层次挖掘有效的模式,数据挖掘技术的常见方法,关联规则、决策树、神经网络、粗糙集法、聚类方法、遗传算法和统计分析方法被应用到各个领域,数据挖掘技术具有广泛的应用前景。     

关于粗糙集理论的一些探讨

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。文章介绍了Rough Set理论的基本思想及分析了粗糙集方法的特点,描述了一种基于粗糙集理论的知识发现步骤。     

图书馆数据挖掘服务系统中粗糙集算法的原理及应用

简要论述了粗糙集算法用于数据挖掘系统的原理和可行性,并以实例说明了粗糙集的核心之一——上、下近似规则抽取理论。首次提出了粗糙集在图书馆数据挖掘中的应用。     

一种基于差别矩阵的新的属性约简方法

在利用粗糙集理论进行数据挖掘得到知识规则时,最重要的一点就是基于粗糙集的属性约简,因此,在区分矩阵的基础上,改进了计算信息系统属性约简的方法,使属性约简计算量大幅度减小,可以快速得到给定要求下的属性约简．     

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。     

粗糙集和证据理论相结合的数据挖掘方法

在粗糙集和证据理论相结合的数据挖掘技术中,常用的方法是以证据理论为主,而将粗糙集作为获取证据权重的辅助手段.这种结合方法既不能有效发挥证据理论的数值计算作用,也不能很好利用粗糙集理论的分类功能.因此,文章提出一种新的粗糙集和证据理论相结合的数据挖掘技术.首先通过粗集理论对决策表进行约简,消除系统冗余,得到决策规则.其次对经过约简所得到的决策表进行数值处理,降低预测代价,并构建证据焦元空间.最后将证据焦元空间用合成规则进行融合.计算结果表明,文中所提出的粗糙集与证据理论相结合的数据挖掘方法,不但细化了决策规则,而且给出了决策系统规则的定量描述,有效地补充和扩展了证据理论的应用范围.     

数据挖掘在网站网页设计优化中的应用

因特网的应用提供了前所未有的数据量 ,因而查找用户所需的信息成为一件困难又麻烦的事情。有效组织数据 ,简化用户的查找是构造网站数据库必须认真考虑的问题 ,但这取决于用户的使用模式。了解用户如何使用网站的各项内容是一个知识发现的问题。而数据挖掘技术的目的就是在大量数据中发现知识 ,它已经成为知识发现的核心技术。从而数据挖掘技术为网络领域提供了一个知识发现的手段。讨论了在网站网页设计优化中使用数据挖掘技术的问题。介绍了一个具体的应用于该方面的数据挖掘工具WDWT的设计与实现。论述了系统的结构 ,各组成部分的功能 ,关联规则的发现算法     

基于粗糙集的故障诊断方法

利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识，从信息熵的角度分析系统知识不确定性的变化，提出了一种基于粗糙集理论的故障诊断新方法，研究了粗糙集理论在故障诊断中的适用性，在前向推理和反向推理的基础上，给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤，讨论了这种故障诊断方法的诊断性能及其在计算上的复杂度。通过这种方法能够进行故障的寻找和定位，实例分析的结果说明了利用粗糙集进行知识发现及建立智能故障诊断系统的可行件和有效件。     

基于RS理论的相容及不相容决策表简化对比研究

粗糙集理论是一种具有模糊边界的集合理论，它被广泛应用于相容和不相容有的规则提取中，本文针对RS理论中知识简化和核这两个重要问题进行了研究，提出了一种借助于逻辑推理运算得到的知识约减新方法，并应用具体实例对相容和不相容决策表的规则提取进行了比较。     

基于二进制可辨矩阵属性重要度的属性约简算法

粗糙集理论是一个新的数据挖掘方法,是在保持分类能力不变的情况下,利用等价类,通过属性约简和规则约简,达到挖掘知识并简化知识的目的.但属性约简是一个NP难题,需要通过启发式知识实现.文中提出了一种利用二进制可辨矩阵的属性重要度实现属性约简的算法,该算法能快速求最少属性且实现简单,并通过理论和实例证明了其正确性.     

粗糙集理论在无线电测控系统效能评判中的应用

粗糙集理论是在集合论基础上发展起来的一项强大的数学分析工具，是一种崭新的智能信息的处理手段，它可以有效地分析和处理不精确、不一致、不完整信息，目前主要应用于模式识别、专家系统、人工神经元网络、决策分析以及知识发现。而无线电测控系统本身的复杂性及规模的庞大性，使其在用一般方法进行效能评估时具有一定困难，故将粗集理论引入了此系统的效能评估中。     

粗糙集理论在商业数据挖掘中的应用

商业智能研究中的商业数据挖掘,是从数据库中抽取对商业零售企业进销存具有潜在应用价值的隐含信息.给出了基于粗糙集理论的商业数据挖掘完整过程,结合商场客户价值分析的实例,使用粗糙集数据挖掘系统(RSDMS)进行数据预处理,消去冗余属性,抽取决策规则.     

模糊粗糙集的扩张定理

模糊粗糙集(FR)是基于知识的不确定性提出来的，由于其处理信息系统中知识的不完善、不确定问题较粗糙集和模糊集有其自身的优点，近年来模糊粗糙集理论越来越受到国际学术界的关注，文章所讨论了模糊粗糙变换的性质并用模糊粗糙变换的保并性质证明了模糊粗糙集的扩张定理。