不完备信息系统中一个变精度粗糙集模型

针对不完备信息系统的知识获取,提出了一种基于相容度的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展.定义了这种模型上的知识约简,并给出了求约简的一个启发式算法.最后通过实例分析说明了算法的有效性.     

基于RS-ANN的汽车发动机故障诊断分析

利用粗糙集理论对知识的约简能力及神经网络的分类能力,构建粗糙集-神经网络（RS-ANN）故障诊断组合模型;并将该模型应用于汽车发动机故障数据进行实例验证,该模型诊断速度快,故障诊断正确率高.     

基于粗糙集和贝叶斯理论的决策规则挖掘研究

针对传统粗糙集在关键信息缺省较多,存在无法进行精确约简和分类等弊端,将贝叶斯原理引入到粗糙集理论中,利用贝叶斯分类器具有概率性语义和因果关系的优点,以及将先验知识和概率相结合的特点,探索和构建了规则支持度、置信因子、覆盖因子的规则获取算法,并通过实例对该算法进行说明和分析.     

基于粗糙集的数据挖掘

粗糙集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,文中以实例介绍了粗糙集的基本理论,并通过一个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. 该实例说明了基于粗糙集进行规则的挖掘是有效的.     

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.     

一种智能化的数据分类、分级及保护模型

结合本体和粗糙集理论,提出了一种数据分类分级及保护模型.从业务流程的角度出发对数据进行分类,建立分类数据本体;利用粗糙集理论对数据进行属性约简,并利用规则对约简后的数据进行智能分级,进而对不同等级的数据采取不同的保护措施;还利用粗糙集理论从历史数据中挖掘规则,进行本体学习.以某省电力系统为例进行实验.结果表明,该模型能按照不同单位的特点对数据进行合理分类分级.     

基于灰色粗糙集的评价指标筛选方法研究

针对传统综合评价指标的筛选方法主观性强、容易出错,并且需要大量数据等问题,提出灰色聚类理论和粗糙集属性约简相结合的指标筛选方法.利用灰色聚类代替经典粗糙集中的等价关系进行分类的方法,解决了经典粗糙集属性约简只适用于离散数据的问题,并且采用F统计量确定灰色聚类的临界值,实现了综合评价指标的筛选.该方法可以在评价数据不确定、不完整的情况下进行评价指标的筛选.最后,以物流供应商的选择为例,验证了该方法的应用特点和优势.     

粗糙集神经网络系统在车牌字符识别中的研究

以简化信息处理的复杂性并提高信息处理精度为目标,提出了基于粗糙集神经网络系统的车牌字符识别方法.提取训练样本的特征向量建立决策表,基于粗糙集理论对决策表属性进行约简,由约简后的属性构造神经网络识别器.车牌字符识别试验结果验证了系统的有效性.     

一种多属性和准则定序分类模型

针对经典粗糙集理论在解决定性属性、定量属性以及准则属性同时出现的定序分类问题时能力较弱的这种情况,对经典粗糙集理论进行扩展,并给出了一个基于扩展粗糙集的决策分析方法.该方法使用"不可区分-相似-优势"关系来代替经典粗糙集理论中的不可区分关系来获取知识的粗糙近似.实例验证表明该方法不但能够解决上述问题而且还能处理决策表中可能存在的不一致现象,具有较好的有效性与优越性.     

基于粗糙集的数据集预处理研究

针对分类模型在构造过程中存在冗余属性的特点,提出了一种基于粗糙集理论的分类预处理技术,利用其理论的属性约简与分辨矩阵得到属性的约简集.经实例证明,此方法对提高分类模型构造效率有较好的效果.     

模糊粗糙集理论介绍和研究综述

回顾了粗糙集理论,引出了模糊粗糙集的产生背景,介绍了模糊粗糙集模型的一些主要概念和性质,并给出了模糊粗糙集属性重要性的定义,探讨了模糊粗糙集合的应用和发展现状.     

New Image Recognition Method Based on Rough-Sets and Fuzzy Theory

A new image recognition method based on fuzzy-rough sets theory is proposed, and its implementation discussed. The performance of this method as applied to ferrography image recognition is evaluated. It is shown that the new method gives better results than fuzzy or rough-sets method when used alone.     

S-模糊粗集

针对实际生活中人们所涉及的模糊的不确定的知识或概念,依据S-粗集理论,提出了S-模糊粗集,给出了S-模糊粗集的两类形式:单向S-模糊粗集,双向S-模糊粗集,最后介绍了该理论的一个简单应用。     

S-变精度粗集

针对属性间无函数或不确定关系的动态数据分类问题,依据S-粗集理论,提出了S-变精度粗集,给出了S-变精度粗集的两类形式：单向S-变精度粗集,双向S-变精度粗集,最后介绍了该理论的一个简单应用。     

变异粗集在集对分析中的应用

根据变异粗集方法，将粗糙集应用到集对分析理论中，讨论了集对分析与变异粗集的结合方法，并通过一个例子来说明本文的可行性。     

变异粗集在集对分析中的应用

根据变异粗集方法，将粗糙集应用到集对分析理论中. 讨论了集对分析与变异粗集的结合方法，并通过一个例子来说明本文的可行性.     

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。     

粗糙事件序列的一个极限定理和一个不等式

借助于信赖性理论的公理化体系,利用信赖性测度的单调性,研究粗糙事件的比较问题,得到了粗糙事件序列的一个极限定理和一个不等式,由本文定理证明方法可得到更多独立粗糙事件序列极限定理的结论。     

粗糙近似算子在无限论域上的特征刻划

用构造性方法定义了无限集上的近似算子和粗糙集,讨论了无限集上的近似算子的一些性质,并得出各种类型的二元关系与粗糙近似算子之间的关系。用公理形式定义了粗糙近似算子,各种类型的粗糙集代数可以被各种不同的公理集所刻划阐明了近似算子的公理集可以保证找到相应的二元关系,使得由关系通过构造性方法定义的粗糙近似算子恰好就是用公理化定义的近似算子。     

基于粗糙集的分类和规则归纳法

对象的信息不一致性是从实例中进行归纳学习的最大障碍，为此提出了一种新颖的方法对相互矛盾的信息系统进行分类和归纳规则。它是将粗糙集和一种基于统计方法的归纳学习运算法则相结合来完成的，并提出了一种基于粗糙集分类系统模型框架。通过举例来说明这种模型系统，并讨论其有效性。