基于粗糙集的不完备信息系统的知识获取

根据不完备信息系统(IIS)的数据不完整或不完备的特性,从粗糙集(RS)等价类的概念出发,提出了基于粗糙集理论的不完整数据集知识获取方法,利用该算法不仅可以从不完整数据集中提取规则,并且能够解决在学习过程中对训练事例属性未知特征值的估计问题.最后,给出具体的算例利用所给的算法求得信息系统的知识获取,并对所得的结果进行比较,从而说明所给算法的有效性和实用性,也证实了该算法可以有效地应用于复杂工业过程的专家系统知识库的建立.     

不完备形式背景中基于OE-cp-近似概念的规则提取

在许多实际的应用场景中，数据测量的误差、对数据的理解和传输失真等都会导致数据的丢失，这种数据不完整的形式背景即为不完备形式背景。为了丰富不完备形式背景中的知识获取模型，文中结合三支思想在不完备形式背景中利用正算子与粗糙集理论中的必然-可能性算子构造了共同-可能(cp)近似概念，讨论了对象诱导的共同-可能(cp)近似概念与经典概念、面向属性概念、对象诱导的三支近似概念的关系，提出了由经典概念和面向属性概念构造对象诱导的cp-近似概念的算法。进而，基于OE-cp-近似概念讨论了不完备决策形式背景中近似决策规则的获取，提出了OE-cp-协调的不完备决策形式背景下的正规则和可能性规则，并给出了与基于经典概念的决策规则之间的关系。     

基于模拟退火算法的知识获取方法的研究

从优化角度提出了从事例中获取知识的机器学习方法。该方法利用模拟退火算法,按照预定的优化目标,从事例中生成最优的产生式规则,给出其算法,并以旋转机械故障诊断知识获取为例,阐述了基于模拟退火算法的知识获取机制及其实现方法。     

智能故障诊断系统中的知识发现方法

从数理统计和关联规则的综合性出发，提出了一种从事例集中获取知识的机器学习方法。该方法利用Matlab进行编程，按照预定的优化目标生成最优的产生式规则。以旋转机械故障诊断知识发现为例进行了仿真实现，从中可获取各类故障的最优判别功能。结果表明，该方法是可行的，它验证了该方法在旋转机械故障诊断中的实用性和有效性。     

支持向量机及其在密闭鼓风炉故障诊断中的应用

针对密闭鼓风炉故障诊断中难以获得大量故障数据样本以及特征提取和诊断知识获取困难等不足,提出了应用支持向量机(SVM)进行故障诊断的新方法.采用改进"1对其余"算法构建多个SVM,利用可靠性数据分析技术中一些基本概念处理原始样本数据作为特征向量,输入到由多个SVM构成的多类分类器中进行故障分类.经实验证明,该方法简单,重复训练量少,训练、分类速度快,准确度高.     

计算机硬件维修知识库的知识表示和知识获取

本文以计算机硬件售后的维修服务为模型,为计算机硬件出现的故障及对应解决方案创建知识库.硬件故障知识采用事例表示法和产生式规则表示法两种方法,并将知识分为事例知识和规则知识两类.在事例知识的获取方面采用了自动获取和人工干预两种形式,在规则知识的获取方面采用的是人工干预形式.     

基于流向图的不完备信息下导弹故障诊断知识获取

针对导弹故障诊断过程中出现信息缺失、数据不完备的问题,提出一种基于流向图的导弹故障诊断知识的获取方法;首先,提取故障特征信息,并利用特征关系对故障诊断知识进行分类处理,得到同一特征关系下的故障诊断实例集合;然后,建立不完备故障诊断流向图,并表述出各个节点之间的置信度和覆盖度,作为衡量完整路径的指标,构建导弹故障诊断知识获取框架;最后,结合实例分析,验证该故障诊断知识获取方法具有较好的直观性,为导弹故障诊断工作提供有效参考。     

基于模糊贝叶斯风险和T-S模糊模型的故障诊断

为解决复杂装备故障诊断中的知识获取和决策制定问题,提出一种数据驱动的故障诊断方法。利用模糊贝叶斯风险模型以风险最小化原则挖掘数据中有价值知识,得到相对最优属性子集,其中生成的概率分布用于T-S(Takagi-Sugeno)模糊规则提取,以分段线性化思想逼近复杂的数据知识。在数值实验中,以C-MAPSS(Commercial Modular Aero-Propulsion System Simulation)发动机数据为研究对象,验证本文方法的有效性,结果表明本文方法适用于复杂装备的故障诊断。与其他知识获取方法对比表明,本文方法可得到更高的诊断准确率。     

基于RS与LS_SVM的密闭鼓风炉故障诊断

针对密闭鼓风炉故障信息的复杂性和不完备性,建立了基于粗糙集（RS）和最小二乘支持向量机（LS_SVM）相结合的故障诊断模型。首先运用等频率划分法对故障诊断数据中的连续属性进行离散化,然后采用粗糙集理论进行故障诊断决策系统约简,获得最优决策系统。将约简结果与LS_SVM相结合,建立了故障诊断模型。实验结果表明,该模型提高了诊断效率和判断准确率。     

粗糙集在大同房地产市场分析中的应用

粗糙集理论具有很强的定性分析能力,能够有效地表达不确定的或不精确的知识,善于从数据中获取知识,并能利用不确定、不完整的经验知识进行推理。利用粗糙集理论,以房地产信息为实例,通过粗糙集的属性约简和规则提取方法,得到更多房地产信息中潜在的规律,为购房者提供更多的参考。     

一种基于模糊粗糙集知识获取方法

本文介绍了粗糙集和模糊粗糙集的上下近似。并且利用模糊粗糙上下近似算子，论述了在不完备模糊信息系统中知识获取的一种方法。应用这种方法能够让隐藏在不完备模糊信息系统中的知识，以决策规则的形式表示出来。最后给出了一种实现算法和实例。     

Learning rules from incomplete training examples by rough sets

Machine learning can extract desired knowledge from existing training examples and ease the development bottleneck in building expert systems. Most learning approaches derive rules from complete data sets. If some attribute values are unknown in a data set, it is called incomplete. Learning from incomplete data sets is usually more difficult than learning from complete data sets. In the past, the rough-set theory was widely used in dealing with data classification problems. In this paper, we deal with the problem of producing a set of certain and possible rules from incomplete data sets based on rough sets. A new learning algorithm is proposed, which can simultaneously derive rules from incomplete data sets and estimate the missing values in the learning process. Unknown values are first assumed to be any possible values and are gradually refined according to the incomplete lower and upper approximations derived from the given training examples. The examples and the approximations then interact on each other to derive certain and possible rules and to estimate appropriate unknown values. The rules derived can then serve as knowledge concerning the incomplete data set.     

Knowledge acquisition in incomplete fuzzy information systems via the rough set approach

Abstract: Machine learning can extract desired knowledge from training examples and ease the development bottleneck in building expert systems. Most learning approaches derive rules from complete and incomplete data sets. If attribute values are known as possibility distributions on the domain of the attributes, the system is called an incomplete fuzzy information system. Learning from incomplete fuzzy data sets is usually more difficult than learning from complete data sets and incomplete data sets. In this paper, we deal with the problem of producing a set of certain and possible rules from incomplete fuzzy data sets based on rough sets. The notions of lower and upper generalized fuzzy rough approximations are introduced. By using the fuzzy rough upper approximation operator, we transform each fuzzy subset of the domain of every attribute in an incomplete fuzzy information system into a fuzzy subset of the universe, from which fuzzy similarity neighbourhoods of objects in the system are derived. The fuzzy lower and upper approximations for any subset of the universe are then calculated and the knowledge hidden in the information system is unravelled and expressed in the form of decision rules.     

不完备信息系统中知识获取算法

粗糙集理论是一种新的处理模糊和不确定知识的软计算工具.应用粗糙集理论,可以将隐藏在系统的知识能够以决策规则的形式表达出来.根据粗糙集上下近似的概念,决策规则能够分成确定性规则和可能性规则两种.本文将介绍从不完备信息系统中知识获取的算法,通过这些算法能够从不完备决策表中生成一种确定性的规则和两种可能性的规则,同时也介绍了不完备决策表中描述约简的算法.     

基于数据流的视频解码微控制器设计

针对数字视频解码芯片设计中多种视频协议的解析问题,提出一种专用微控制器设计方法。该方法采用面向视频解析的指令集,针对视频解析过程的特点对指令进行特别优化,采用配合该专用微控制器的视频解析模型,较好实现了MPEG1/2、AVS、H.264等视频协议的兼容,保证了解码效率且不会增加芯片面积和功耗。     

优势关系下属性值粗化细化时近似集分析

基于优势关系粗糙集模型反映属性间的偏好情况,实际上多数数据库中的数据是动态变化的。如何利用已有的信息更新近似集对于提高知识发现效率有重要意义。提出不完备信息系统在优势关系下属性值粗化细化的定义,讨论优势关系下不完备信息系统中属性值粗化细化时近似集的变化情况,对比分析优势关系下属性值粗化细化前后的粗糙近似精度和粗糙近似质量。通过实例分析验证了该方法的有效性。     

Theory and applications of granular labelled partitions in multi-scale decision tables

Granular computing and acquisition of if-then rules are two basic issues in knowledge representation and data mining. A formal approach to granular computing with multi-scale data measured at different levels of granulations is proposed in this paper. The concept of labelled blocks determined by a surjective function is first introduced. Lower and upper label-block approximations of sets are then defined. Multi-scale granular labelled partitions and multi-scale decision granular labelled partitions as well as their derived rough set approximations are further formulated to analyze hierarchically structured data. Finally, the concept of multi-scale information tables in the context of rough set is proposed and the unravelling of decision rules at different scales in multi-scale decision tables is discussed.     

A comparison of two MLEM2 rule induction algorithms extended to probabilistic approximations

A probabilistic approximation is a generalization of the standard idea of lower and upper approximations, defined for equivalence relations. Recently probabilistic approximations were additionally generalized to an arbitrary binary relation so that probabilistic approximations may be applied for incomplete data. We discuss two ways to induce rules from incomplete data using probabilistic approximations, by applying true MLEM2 algorithm and an emulated MLEM2 algorithm. In this paper we report novel research on a comparison of both approaches: new results of experiments on incomplete data with three interpretations of missing attribute values. Our results show that both approaches do not differ much.     

基于Rough集理论的Self集的构造和演化算法

提出了一种基于Rough集理论的Self集构造和演化算法。利用Rough集约简算法,对用户的安全访问行为的数据作规范化处理并进行约简,从中提取有效的最简规则,降低了安全数据的冗余,减轻了特征码构造的负担。使用Rough集上、下近似集原理,构造了上、下近似Self集,实现了Self的优化和扩展,有效地解决了Self集的自动演化问题。     

基于粗糙集联系度的数据挖掘算法及应用研究

粗糙集理论和模糊集理论都是用来处理不完整和不确定信息的理论，两者都可用来观察、测试数据并进行推理。将集对分析中的联系度概念应用于粗糙集中，说明了粗糙集联系度与下近似集和上近似集的值化的关系。文中分析了专家系统中规则抽取中存在的困难，用粗糙集理论和集对分析理论解决专家系统中规则的抽取和过滤问题，提出了一种新的规则提取方法，并给出了一个应用实例。