连续值属性决策表中的知识获取方法

 提出了一种从连续值属性决策表中获取知识的方法KACVA(Knowledge Acquisition from decision tables containing Continuous-Valued Attributes).该方法将经典粗糙集理论对数据空间的等价划分转换为相似划分,把传统粗糙集理论中正域的表示方法扩充到连续值属性决策表中;通过计算连续值属性决策表中各条件聚类对决策类的分类能力,生成决策规则.不同数据集的实验测试结果表明:对连续值属性决策表中的知识获取,KACVA方法与传统的粗糙集相关知识获取方法及C4.5决策树分类方法相比,有更高的分类准确率.     

IMIS中基于Rough集的知识推理

粗糙集理论作为智能信息处理技术的一个新成果,是对不完整数据进行分析的新方法。毫无疑问,它是除模糊集理论外的又一种最具挑战性的领域,也是现今计算机应用中一个新的,非常重要且发展迅速的研究和应用领域。粗糙集是知识发现、数据约简、决策支持、分类、模式识别和控制等领域中新的,有效数学方法。首先对粗糙集基本概念和理论进行了介绍,给出了基于粗糙集的知识推理方法。然后以一个实际例子讨论如何利用粗集理论从现有学生综合素质数据库中进行知识约简,获取新决策规则,并使之用于对学生的操行评定。     

粗糙集理论在步战车故障诊断专家系统中知识自动获取的应用

根据粗糙集理论,实现步战车故障诊断专家系统知识自动获取。首先根据历史故障数据建立决策表,利用粗糙集数据挖掘算法对决策表进行属性约简,对得到的决策表消除冗余,再利用属性值约简算法对决策表进行属性值约简,最后得到决策规则。知识库由条件表、结论表和事实表组成,保存在Access2003中。把条件属性保存到知识库的条件表中,把决策属性保存到知识库的结论表中,这样就很方便的建立了知识库。     

基于粗糙集理论的油泵车故障诊断专家系统的知识获取

在传统的故障诊断专家系统的基础上,引入粗糙集理论以解决专家系统较难获取完备知识系统的瓶颈问题。该系统从历史故障数据所形成的决策表出发,通过粗糙集数据挖掘算法获取故障诊断的最小约简属性集和潜在的诊断规则,并建立诊断规则知识库。通过计算规则隶属粗糙度来表示诊断规则的置信程度。本文中以YYBC-2型航空液压油泵车液压系统中的故障诊断分析为例进行了验证。     

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。     

基于可信度的决策规则处理

在Rough集理论中,利用信息表通过数据预处理、属性约简、值约简等处理后,可以得到一组决策规则知识,其应用能够大大提高决策水平,但这些获取的知识完全建立在数据源的支持上。数据源在产生和处理的过程中容易受到一些事件或人为因素影响,因此所得到的规则知识可能和现实存在一定的偏差,如果不加处理将其直接应用于逻辑推理系统,可能影响决策的质量和效果。为此,提出了数据支持度、专家支持度和规则可信度的概念,引入专家的经验判断,利用专家的知识对获取的规则知识进行评价,形成规则知识可信度的排序,然后去除不可靠的规则知识,得到了具有较高可信度和实际应用价值的决策规则知识。     

基于可变精度粗糙集的决策规则格构造

基于概念格理论提出了决策规则格的概念，格中的每一节点均可表示为相应的决策规则。针对格节点之间存在偏序关系的特点，文中给出了三种剪枝策略。特别地，将粗糙集知识约简的思想和可变精度粗糙集的β下近似思想应用于决策规则格的构造，有效地减少了格中节点的数目，并有较强的抗噪声数据干扰能力。     

粗糙集在诊断规则提取中的应用

为了克服专家在诊断规则提取时的主观性,把粗糙集理论引入诊断规则提取之中.根据电子设备故障征兆及故障特点,提出一种基于粗糙集理论的诊断规则提取方法,并通过实际电路验证了该方法的有效性.该方法为智能故障诊断中规则知识的自动获取提供了一条道路.     

基于粗糙集理论的电力线路运行状态研究

提出了一种基于粗糙集理论的电力线路运行状态分析新方法。应用粗糙集理论建立电力线路决策表,并进行属性约筒,得出决策规则;分析计算了各条件属性对电力线路运行状态的不同权重,克服了传统方法确定权重系数的主观性;结合现场取回数据的具体算倒进行分析并计算分析了电力线路的运行状态,取得了良好的结果。     

基于决策规则格的入侵检测

概念格是近年来获得飞速发展的数据分析的有力工具.本文对概念格进行扩展,提出了决策规则格的思想,并将其应用于入侵检测环境中,可以直接从决策规则格的格节点获取入侵行为模式.同时,将变精度粗糙集的β下近似思想应用于入侵检测规则获取,提出了β-约简,使入侵行为规则集的平均特征属性长度大大减小,而且规则集中规则的数目很少,可以有效、快速地实现对入侵行为分类,并能达到较高的分类正确率和很低的虚警率.     

基于粗集和多Agent技术的分布式数据挖掘

在分布式数据库基础上,对各个站点的数据库使用粗集的方法进行挖掘,产生各个站点的规则,将这些规则库组合起来,产生一个全局的规则库,从而可以为管理者提供决策的依据.但是,产生的全局库中往往会有不一致的规则出现,一方面,是由于数据库本身的不一致等原因,导致了规则的不一致;而另一方面,则由于各个站点都追求规则的简洁性,使得直接从全局数据提取的规则不矛盾,在分布式环境下却得到矛盾的规则.对于第一种情况,可以通过现有的增加规则的可信度等方法加以避免;而对于第二种情况,本文提出了三种算法来解决了这个问题,并对这三种算法的效率、得到的一致规则的长度等问题进行详细的分析,说明了算法3是一种高效实用的算法.另外,本文对局部站点的核和全局站点的核的关系进行了研究,并证明了一个定理.     

粗集理论原型系统的集成与实现

粗集理论主要基于集合近似的概念，给出了知识划分和规则提取的一套方法．主要有不可分辨类的数据划分定义、上下近似和相对正区域求解方法、最小决策规则生成等。针对粗集中这些重要理论．文章主要介绍开发粗集理论原型系统的设计要求、系统组成以及实现粗集理论中相关算法理论依据，并包含有通用数据库接口．因此有着一定的应用价值。     

语音技术在塔台模拟机上的应用

基于空管模拟训练机对空管人员训练的重要性和优越性以及塔席特点,利用计算机实现飞行器动态特征的场景再现,设定多场景、多任务的训练科目是目前采用的普遍做法。文章依托塔台模拟机性能特点,采用有限词汇量识别方法,结合空管发音规则、语法结构、发音标准以及中英双语等特点,采用动态时间归正识别技术和语音同步叠加算法实现语音编码、识别与合成,实现了多局部最优化决策。     

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。     

基于粗集理论的最小化决策模型

随着Internet的出现，信息过程量已经成为电子商务经营决策人员必须面对的问题。如何才能在大量的可用信息资源中及时发现有用的知识，已经引起了广泛关注。粗集理论在数据挖掘节中的应用，提供了应用处理模糊和不确定知识的数学工具，获取知识、精炼知识和实现知识增值的方法。在粗集基本概念的基础上，探讨了根据粗集理论分析处理信息、提取有用特征的方法，以及通过分析、推理产生最小决策规则的方法。     

Rough set theory: a data mining tool for semiconductormanufacturing

The growing volume of information poses interesting challenges and calls for tools that discover properties of data. Data mining has emerged as a discipline that contributes tools for data analysis, discovery of new knowledge, and autonomous decisionmaking. In this paper, the basic concepts of rough set theory and other aspects of data mining are introduced. The rough set theory offers a viable approach for extraction of decision rules from data sets. The extracted rules can be used for making predictions in the semiconductor industry and other applications. This contrasts other approaches such as regression analysis and neural networks where a single model is built. One of the goals of data mining is to extract meaningful knowledge. The power, generality, accuracy, and longevity of decision rules can be increased by the application of concepts from systems engineering and evolutionary computation introduced in this paper. A new rule-structuring algorithm is proposed. The concepts presented in the paper are illustrated with examples     

粗糙XML函数依赖及其推理规则

随着XML成为网络信息表示和交换的标准以及不确定数据的广泛存在,不确定XML数据库管理技术成为了当今研究的热点.基于粗糙集理论提出了XML信息系统模型、粗糙XML树信息系统、粗糙冗余等定义,基于粗糙XML信息系统的上近似、下近似给出了粗糙XML函数依赖的定义及推理规则,并对推理规则的正确性进行了证明.为粗糙XML数据库理论的进一步研究奠定了基础.     

New heuristic method for data discretization based on rough set theory

Data discretization contributes much to the induction of classification rules or trees by machine learning methods. The rough set theory is a valid tool for discretizing continuous information systems. Herein, a new method is proposed to improve those typical rough set based heuristic algorithms for data discretization, by utilizing decision information to reduce the scales of candidate cuts, and by more reasonably measuring cut significance with a new conception of cut selection probability. Simulations demonstrate that compared with other typical discretization algorithms based on the rough set theory, the proposed method is more capable and valid to discretize continuous information systems. It can effectively improve the predictive accuracies of information systems while still conceptually keeping their consistency.