基于粗糙集信息观的决策表属性约简方法

粗糙集理论是近年来发展起来的一种有效的处理不精确、不确定、含糊信息的数学理论方法，它被广泛应用于相容和不相容决策表的属性约简和核属性计算。利用反例指出目前基于粗糙集信息观[2、6]的决策表属性约简和核属性计算方法的局限性。对决策表的性质作了深入的研究，研究发现文献[2、6]方法的不足原因是：它们没有考虑U／ind（C）中等价类的相客性。给出了基于U／ind（C）中等价类相客性的属性约简定义和核属性定义，并给出了一种新的基于粗糙集信息观的决策表属性约简和核属性计算方法。讨论了该方法同文献[2、6]方法的区别。最后用相同实例验证了该方法的有效性。     

概念的属性约简及异构数据概念漂移探测

粗糙集是粒计算的一种重要方法,数据异构性是大数据的一种特征.针对异构数据问题,探索了粗糙集属性约简的本质,提出了概念属性约简的定义,它兼容值约简、Pawlak约简和并行约简.探究了概念属性约简的性质,提出了异构数据的属性约简方法和概念漂移探测方法.理论分析和示例表明了这些方法的有效性.为粗糙集、粒计算融入大数据的时代潮流提供了一种新方法.     

RS理论在自组织调制识别技术中的应用研究

通信信号处理中最主要的问题是调制样式自动识别,其实质就是通过对输入信号的判别和归类进而理解该信号的结构和属性.本文研究了将粗糙集理论应用于自组织调制识别中的技术.它利用粗糙集理论进行信号的属性约简,求出约简和核;神经网络利用最简决策表构建分类器和提取主要特征参数.二者结合实现了信号自动调制识别,这不仅简化了网络结构和缩...     

属性约简的一种新计算方法

属性核的确定和属性约简是粗糙集理论研究的两个重要问题。目前的计算方法基本上是通过差别矩阵先求出属性核．然后在属性核的基础上再求出属性约简的。而这种方法具有较高的复杂度。因此在定义了相容样本集．证明了相对正域和相容样本集之间的等价性的基础上，提出属性约筒的一种高效方法。     

一种基于粗糙集理论的双向选择属性约简算法

文章首先对粗糙集的基本理论进行了简要介绍,然后重点讨论粗糙集理论中的属性约简问题,在总结分析现有属性约简算法的基础上,提出了一种双向选择属性约简算法--BSARA,并用一个例子与其它算法进行了对比分析,结果表明该算法是可行和有效的.     

利用粗糙集理论评估卫星导航系统效能

为了对卫星导航系统进行效能评估,提出了一种新的效能评估方法一粗糙集理论.在基于粗糙集理论的属性约简能力基础上,建立了卫星导航系统评估指标体系,确立了系统评价决策表和权重计算方法.通过对卫星导航系统实际测试数据的评估分析,得出了约简后的属性重要度和指标权重,与通常使用的层次分析法所得评估结果一致.表明利用粗糙集理论进行效能评估,可以克服传统方法确定权重系数的主观性,使得评估结果更具合理性和科学性.     

基于属性重要度约简算法在数据挖掘中的应用研究

属性约简是粗糙集理论研究的核心内容之一,本文通过对属性重要度的计算,以核为基础计算条件属性集中除核以外其他属性的重要性来确定最小的约简,最后通过实例分析验证了算法的有效性与可行性.     

粗糙集-遗传神经网络在挖掘机故障诊断中的应用研究

针对当前单一的故障诊断方法不能满足实际需求的问题,提出了一种粗糙集-遗传神经网络分类器模型,实现对挖掘机故障分类.该模型首先利用粗糙集理论对神经网络的输入进行属性约简,以减少神经网络的工作量;利用遗传算法优化BP神经网络,解决神经网络易陷入局部极小和收敛速度慢的问题;最后利用约简结果和优化的BP网络进行网络训练.实验结果验证了该方法用于故障诊断的有效性.     

一种基于知识粒度的决策系统属性约简算法

本文针对决策系统给出了一种新的知识粒度模型,并给出了知识粒度下的核属性定义和分析了知识粒度模型的属性约简与正区域模型的属性约简的等价性.在此基础上利用知识粒度的重要性作为启发式信息构造了决策系统的属性约简算法.算法能够快速获取决策系统的属性约简,算例分析进一步说明了算法的可靠性.     

粗糙集属性约简方法研究

属性约简是粗糙集理论研究的核心内容之一。传统的属性约简研究并未考虑决策信息系统的树形结构,为解决这一问题,本文基于粗糙集理论,首先给出了决策信息系统的树形表示结构,该树形结构以粗糙集理论中的不可分辨关系为基础。基于本文构建的树形表示结构,文中给出了一种判断属性是否可约简的树形结构求解方法。通过理论分析表明,本文提出的树形结构求解方法能够大大减少属性搜索的步骤,压缩属性约简所消耗的时间。因此本文提出的属性约简算法是行之有效的。     

一种基于粗糙集理论的支持向量机分类算法

粗糙集理论和支持向量机在数据挖掘方面具有较强的互补特性,基于粗糙集理论的上近似集、下近似集和边界域概念,结合支持向量机的分类原理,提出了一种支持向量机分类算法。首先,在支持向量机分类中定义样本分类的粗糙集规则,然后在边界域寻找两类样本中使判别式绝对值取值最小且分类正确的样本来确定最优分类面,脱离了对惩罚系数C的寻优问题,有效避免了过拟合问题,并通过循环迭代算法寻找合适的参数b,获得分类性能更优的支持向量机,最后通过对一个二维样本数据库进行分类实验,验证了此算法的有效性与可行性。     

An Incremental Rule Acquisition Algorithm Based on Rough Set

1　Introduction　Rough set theory introduced by Pawlak (1982)[1] is avalid mathematical theory developed in recent years, whichhas the ability to deal with imprecise, uncertain, and vagueinformation. It has been used successfully in such field asmedicine, pharmacology, market analysis, engineering,pattern recognition, data mining etc. Pawlak showed that theproblems of machine learning could be explained, analyzedand disposed within the framework of rough set theory[2]. Inhis paper[2], t…     

关于粗糙集属性约简的进化算法研究和应用

粗糙集理论是一种新的处理模糊和不确定知识的数学工具．属性约简是粗糙集理论研究中的重要内容之一。本文提出了用其构建科学、合理、简洁有效的科研项目评审指标体系，为科研智能管理提供新的解决方法。本文中提出一种基于进化算法的知识相对约简算法。通过在知识表达系统中引入决策属性支持度的概念．来描述由条件属性所提供的知识对整体决策的支持程度．并通过决策属性支持度定义条件属性对决策属性的相对重要性。以此作为启发式信息求出相对核。并将相对核加入进化算法的初始种群中以加快算法的收敛。同时．在适应值函数中引入惩罚函数。可以保证所求约筒既含较少的属性又有较强的支持度，能够获得最佳的搜索效果。     

浅谈粗糙集理论及其应用进展

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。目前已在人工智能、知识与数据发现、模式识别与分类、故障检测等方面得到了广泛应用。首先描述了粗糙集的基本算法及其复杂度，包括等价关系，上下近似及约简算法；然后对粗糙集在一些领域中的应用进展情况进行了论述，例如模式识别与人工神经元网络等，最后给出了建议的研究方向。     

基于粗糙集和遗传算法的知识发现方法

粗糙集理论是一种处理不确定和不精确问题的新型数学工具,为数据挖掘提供了一条崭新的途径。提出了结合粗糙集理论和遗传算法的知识发现方法。首先通过粗糙集理论对数据进行预处理,在实现属性约简中采用了遗传算法,以提高搜索效率,然后进行规则提取。以农业病虫害诊断知识发现应用为实例说明了该方法的可行性。     

基于变精度粗糙集的粗集神经网络

本文研究了基于变精度粗糙集模型下的粗集神经网络设计,对近似约简条件进行了弱化推广,同时提出了近似约简的选取原则。在对Brodatz纹理图像的分类实验中,比较了经典粗集神经网络RNN和变精度粗集神经网络VPRNN的性能,VPRNN不仅具有更为精简的结构和更短的训练时间,而且具有更强的近似决策和泛化能力。     

多特征融合技术应用于中医舌象分析的初步研究

本文对中医舌象信息的融合方案进行了初步探讨.对于舌象多特征融合,通常认为可采用特征层、决策层或特征层与决策层联合融合等不同方案.本文进行有关算法实验的结果表明,由于诸多因素影响,这些方案对于舌象多特征融合难以获得理想的效果.我们认为基于粗糙集理论的方法在舌象多特征确定中医证候方面可以获得比较好的结果,并进行了初步探讨.采用粗糙集理论可根据舌象特征确定部分证候,对于不能确定证候的样本可获得可能的结果,这在一定程度上避免了误判,对于中医辅助诊断是非常重要的.