基于优势关系的多属性群决策方法

借鉴多属性群决策和粗糙集理论,提出了基于优势关系的多属性群决策方法。该方法采用优势关系进行粗粒度划分,其适用于解决一些注重时效的实际问题。在多属性群决策问题中,利用优势粒结构的相似度确定各评价指标（属性）的权重;通过专家评价相似度定义各专家在群体中的共识程度,确定各评判专家在群体决策中的权重分量;集结群决策计算结果得到被评价者的综合能力排序,并通过实例验证了上述算法的有效性。     

一种基于改进粗糙集模型的归纳学习方法

对传统的粗糙集理论进行了扩展，提出了一种改进的粗糙集归纳学习方法。一方面，针对连续属性离散化，利用模糊集理论对连续属性进行模糊化，再根据模糊贴近度构造模糊相似矩阵，并用k-w方法粗略评估各连续属性的重要度，建立基于模糊相似关系的划分，最终生成相容的决策表。另一方面，针对解决最优属性的选择问题，提出一种加权求和的属性重要度定义。基于以上模型开发了一个原型系统，并以一个工程实例验证了此方法的有效性。     

基于粗糙熵权的模糊多准则决策方法及应用

提出度量粗糙集不确定性的粗糙熵概念，并基于粗糙熵对属性的重要度给出了定义，从而提供一种求解模糊多准则决策模型中准则权重的方法．根据备选方案的模糊评价系统，给出相关的知识表达系统,并建立删除冗余属性后的备选方案综合评价优选矩阵，通过比较各备选方案与理想方案的近似度求出最优方案．最后，通过实例计算证明了上述模型及方法的有效性．     

基于最佳分类数和粗糙集的故障诊断方法

提出了一种基于最佳分类数和粗糙集理论的汽轮机轴系振动故障诊断方法。该方法利用模糊C均值聚类算法（FCM）把数据的连续属性离散化,以形成隶属度矩阵及属性分类数,根据隶属度矩阵及属性分类数进行划分系数和划分熵的有效性评判,最终找到连续属性的最佳分类数。然后根据最佳分类数对数据的连续属性进行实际的离散化,将离散化后形成的离散数据根据粗糙集理论,进行数据挖掘,得到诊断规则,有效提高了汽轮机轴系振动故障的诊断水平。     

粗糙集在学生综合评价中的应用

粗糙集理论应用的广泛,简要介绍聚类分析及粗糙集理论.在高校学生综合素质评价中,先利用聚类算法对学生进行分类,再利用粗糙集及其属性重要度理论算出各个决策属性的重要度,并对学生的综合素质进行重新排名,进一步减少人为主观因素对评价结果的影响.     

基于专家知识库属性重要度的故障诊断方法研究

利用粗糙集理论中重要性度量的概念和专家知识库集成技术，研究了复杂系统故障诊断的一类新方法。首先，在给出多领域专家知识库集成系统定义和复杂系统状态赋值规则的基础上，利用粗糙集理论中的属性重要度的概念建立了专家知识库属性重要度模型；然后，提出了该模型运行机理的算法规则，并结合多领域专家知识库集成技术，构造了一种能对实时动态环境进行监控和故障诊断的网络化诊断系统；最后，仿真试验验证了该方法的有效性和合理性。此方法成功应用于复杂系统故障诊断的实际工程实例表明，这种诊断方法具有良好的更新能力和应用前景。     

一种基于改进粗糙集模型的归纳学习方法

对传统的粗糙集理论进行了扩展,提出了一种改进的粗糙集归纳学习方法。一方面,针对连续属性离散化,利用模糊集理论对连续属性进行模糊化,再根据模糊贴近度构造模糊相似矩阵,并用k-w方法粗略评估各连续属性的重要度,建立基于模糊相似关系的划分,最终生成相容的决策表。另一方面,针对解决最优属性的选择问题,提出一种加权求和的属性重要度定义。基于以上模型开发了一个原型系统,并以一个工程实例验证了此方法的有效性。     

信息熵与模糊综合评判融合的相似数据检测方法

针对大数据环境下数据冗余量大的问题,以粗糙集理论为基础,提出了一种基于香农信息熵（Shannon entropy）融合模糊综合评判的相似重复数据检测方法,首先基于香农熵对数据集中的属性进行约简,然后采用模糊综合评判方法获取约简后各属性的重要性权值,最后依据约简属性及其权值进行相似数据的检测。理论分析与实验对比表明,该方法在结构化大数据集的相似数据检测中,有较高的检测精度与效率。     

基于粗糙集理论的设备资源优化配置

分析了区域网络化制造中实现设备资源优化配置的过程及关键技术；基于粗糙集理论，提出了一种设备资源优化评价指标体系和各属性权重因子的确定算法。最后将算法应用于实践，证明了其可行性和有效性。     

改进的粗糙集属性重要度

粗糙集理论知识库的属性重要度,体现的是去掉某个或某些属性前后的知识库分类变化的程度。对现有粗糙集理论的属性重要度确立方法的不足,充分考虑条件属性对决策的直接和间接的影响,提出一种新的基于粗糙集属性依赖度的属性重要度确定方法。此外,针对原有属性重要度与改进重要度的差别,讨论改进的属性重要度的意义,并证明改进的属性重要度更加可信。最后,利用改进的方法对机械故障属性重要度进行仿真;对比原有属性重要度的数据,改进方法获得的数据不但更符合属性约简结果,并且具有更大区分度,十分有利于决策者快速做出判断。     

Interval Set Clustering of Web Users with Rough K-Means

Data collection and analysis in web mining faces certain unique challenges. Due to a variety of reasons inherent in web browsing and web logging, the likelihood of bad or incomplete data is higher than conventional applications. The analytical techniques in web mining need to accommodate such data. Fuzzy and rough sets provide the ability to deal with incomplete and approximate information. Fuzzy set theory has been shown to be useful in three important aspects of web and data mining, namely clustering, association, and sequential analysis. There is increasing interest in research on clustering based on rough set theory. Clustering is an important part of web mining that involves finding natural groupings of web resources or web users. Researchers have pointed out some important differences between clustering in conventional applications and clustering in web mining. For example, the clusters and associations in web mining do not necessarily have crisp boundaries. As a result, researchers have studied the possibility of using fuzzy sets in web mining clustering applications. Recent attempts have used genetic algorithms based on rough set theory for clustering. However, the genetic algorithms based clustering may not be able to handle the large amount of data typical in a web mining application. This paper proposes a variation of the K-means clustering algorithm based on properties of rough sets. The proposed algorithm represents clusters as interval or rough sets. The paper also describes the design of an experiment including data collection and the clustering process. The experiment is used to create interval set representations of clusters of web visitors.     

系统聚类在客户关系管理的的研究与应用

介绍了数据挖掘领域中对聚类分析的典型要求,讨论了粗糙集和集对分析对信息系统的知识约简,提出了一种基于粗糙集联系度的聚类分析方法,论述了该方法的聚类过程,并给出了聚类分析的实例。     

粗糙集理论在高校教学质量评价分析中的应用

应用FCM方法对我校1999年~2005年收集的教学质量评价数据进行了聚类分析,提出了高校教学质量评价系统的数学模型,并利用粗糙集理论给出了该系统中不同评价主体的权重挖掘算法,减少了人为主观因素对评价结果的影响。应用表明,提出的方案更科学、合理,评价结果得到了学校教师们的认可。     

基于粗糙近似的Web事务聚类方法研究

Web使用挖掘是数据挖掘技术在Web信息仓库中的应用.Web使用挖掘通过挖掘Web服务器日志获取的知识来预测用户浏览行为,是Web挖掘技术中的一个重要研究方向.通常发现的知识或一些意外规则很可能是不精确的、不完备的,这就需要用软计算技术如粗糙集来解决.提出一种基于粗糙近似的聚类方法,该方法能够实现从Web访问日志中聚类Web事务.通过这种方法可以有效地挖掘Web日志记录,从而发现用户存取Web页面的模式.     

最小归纳依赖关系在采掘聚类关联规则中的应用研究

数据集中的冗余属性会降低数据采掘结果的解释能力及精度。该文介绍了在非项目集类型的数据集中采掘聚类关联规则的基本原理,并利用RoughSet理论对属性间的归纳依赖关系进行了分析,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的算法,使采掘出的关联规则的精度及解释能力都达到令人满意的水平。     

基于RoughSet的经济效益综合评价

经济效益的综合评价对经济政策的制定具有重要意义,但目前诸多的综合评价方法在指标体系的选取和权重设置等方面具有较强的主观性。RoughSet理论是一种处理模糊和不确定知识的数学工具,文中根据RoughSet理论,在保持分类能力不变的前提下,对初选的指标进行约简,计算各指标的重要程度．从而确定评价指标体体系及其各自的权重,进而构造了经济效益的综合评价模型,消减了指标体系的规模,消除了权重设置的主观性,能更准确、科学地反映地区经济效益状况。最后对安徽省17个地市的工业经济效益进行了评价,验证了该方法的实用性、可行性。     

基于粗糙集理论的神经网络研究及应用

为了补偿神经网络的黑箱特性并提高其工作性能，将粗糙集理论同神经网络结合起来，提出一种基于粗糙集的神经网络体系结构．首先，利用粗糙集理论对神经网络初始化参数的选择和确定进行指导，赋予各参数相关的物理意义；然后，以系统输出误差最小化为目标对粗糙神经网络进行训练，使其满足性能要求．实验结果表明，粗糙神经网络能较好地完成数据挖掘任务，并能获得较高的分类精度．     

系统聚类在客户关系管理中的研究与应用

提出了一种基于粗糙集联系度的聚类分析新方法,首先用粗糙集和集对分析理论对信息系统进行知识约简,然后用聚类的方法对约简后的信息系统进行聚类分析,论述了该方法的聚类过程,并给出了聚类分析的实例。     

基于不完备信息系统的高速铁路舒适性评价规则优化方法

随着我国高速铁路的快速发展,对高速列车舒适性的研究显得十分重要。本文在基于粗糙集理论和模糊理论的高速铁路舒适性综合评价模型的基础上,利用粗集理论及不完备信息系统理论,构建了一种评价规则的提取和优化方法,通过实例分析,产生满意的约简规则,从而能够快捷迅速地指导舒适性的评价,进一步提高了系统的可靠性和适应性。