移动计算中基于Rough Set的时间序列研究与应用

提出了基于Rough Set在移动计算环境中进行数据挖掘的系统模型，给出了进行数据挖掘的具体算法，介绍了由实时时态信息系统转换为时态信息系统的平均时间间隔方法，以及由时态信息系统转换为传统信息系统的增量分析方法，最后给出了实例和应用结果.     

时态信息系统转换方法研究

利用粗糙集理论来进行时间序列数据分析,关键是将时态信息系统转化为适用粗糙集方法处理的传统信息系统。目前,已有的将时态信息系统转化为信息系统回溯的方法,当回溯时间片很大时,转换后的信息系统产生大量的属性,不利于进一步利用粗糙集进行约简及规则获取,具有一定的局限性。文中提出了一种基于时间粒度的转换方法,运用该方法进行系统转换后的信息系统中产生较少的属性,特别适用于处理大规模数据集。     

时态信息系统转换方法研究

利用粗糙集理论来进行时间序列数据分析,关键是将时态信息系统转化为适用粗糙集方法处理的传统信息系统.目前,已有的将时态信息系统转化为信息系统回溯的方法,当回溯时间片很大时,转换后的信息系统产生大量的属性,不利于进一步利用粗糙集进行约简及规则获取,具有一定的局限性.文中提出了一种基于时间粒度的转换方法,运用该方法进行系统转换后的信息系统中产生较少的属性,特别适用于处理大规模数据集.     

不完备信息系统下的不确定性度量方法

在不完备信息系统中，不确定性度量是Rough Set理论中的一个难题。文中通过分析现有完备信息系统的不确定度量方法以及不完备信息系统的特性，提出了广义相似关系，并以之为基础给出了一个直接度量不完备信息系统不确定性的方法。通过实例分析，验证了该方法的有效性。     

基于RSNN的煤自燃预测方法

本文提出一种基于粗糙集神经网络(Rough Set Neural Network,RSNN的煤自燃预测方法.该方法针对综放面采空区,在已测到的漏风强度Q和煤体温度Tc 的基础上,利用Rough Set(RS)的约简理论对测量数据约简.在此基础上构建了一种基于粗糙集的神经网络(Rough)然后利用该Rough预测最小浮煤厚度.实测数据验证表明,该方法比常规AMAX预测方法简便且精度高.该方法为基于网络的远程煤矿安全生产监测监控系统奠定了良好的基础.􀁱     

一种基于粗集的值约简方法

针对Rough Set理论中的值约简问题进行了研究，对基于决策间不可区分关系的值约简算法进行了改进，使其能够处理信息系统出现的各种情况。     

基于Rough Set理论的推理机制的研究*

对Rough Set理论中属性域约简、决策表及Rough算子等问题进行了研究,分析了Rough Set理论与模糊集理论及证据理论的关系,着重对基于Rough Set理论的推理机制进行了研究。     

基于Rough Set理论的网络入侵检测系统研究

本文提出了一种基于Rough set理论(Rough Set Theory，RST)的网络入侵检测系统，用于监控网络的异常行为。该方法使用Rough set理论对网络连接数据提取检测规则模型。使用Rough set理论提取规则模型，能有效地处理数据挖掘方法中存在的不完整数据、数据的离散化等问题。实验表明，同其它方法相比，用Rough set理论建立的模型对DoS攻击的检测效果优于其它模型。     

Rough集理论及其在地质图形系统中的应用

20世纪80年代初,波兰数学家Z.Pawlak提出Rough Set(RS)的数学理论,直到10年之后,由于这个理论在机器学习、从数据库中发现知识、决策支持与分析等方面的应用,才引起人工智能(AI)研究者的关注.介绍了Rough理论基本概念和方法,并将Rough集理论引入地质图形系统领域,给出了Rough集理论用于地质图形系统中属性分析和知识发现的方法.为地质图形系统的属性信息处理开辟了一条新途径.     

基于时态关联规则的网络故障预报

该文针对网管告警数据库中时间序列存在的连续性、不确定性和模糊性问题,提出了一种基于时态关联规则挖掘告警库的新方法。该方法引入告警数据的时间序列,可预测出一些告警(联合)事件的发生将导致哪些告警(联合)事件的随后产生。通过对某校园网的告警数据库进行规则挖掘实验,表明该方法可以准确、有效的挖掘出隐含在海量网管告警数据库中大量有意义的时态关联规则,规则中的概率参数(置信度和支持度)可作为网络管理的先验知识用来指导网络故障的诊断和预报。     

不完备信息系统的属性约简方法研究

该文从经典的粗糙集对完备信息系统的属性约简方法入手,为避免不完备系统的完备化处理,修改了传统意义上的差别函数,在不生成分辨矩阵的情况下,提出基于按桶散列的物理存储方法,并利用逻辑运算中的吸收律直接对不完备信息系统进行约简。     

基于粗糙集和神经网络的信息融合方法

在运用粗糙集理论和神经网络理论进行信息融合的基础上,分析了其各自的优势和存在的问题,设计了将两者综合的信息融合方法.该方法主要思想是利用粗糙集理论对神经网络待处理的数据进行属性约简,借此来简化神经网络的结构.利用这种方法对煤矿中各种与瓦斯危险相关的信息进行融合,以此对其瓦斯安全性进行评价.结果表明,这种方法减少了训练次数而且收敛效果比传统神经网络效果好.     

改进集对粗集模型

粗糙集理论在数据挖掘中的成功应用已成为近来研究的热点,人们将经典粗糙集中的等价关系放宽后使粗糙集理论的运用更加广泛,但在不完备信息系统中的运用仍受到了限制。论文在文犤1犦的基础上利用集对联系度定义了不完备信息系统中集合的上、下近似运算,并得到比文犤1犦定义的近似运算更为完善的一些基本性质;通过实例说明了这种方法是可行的,在一定程度上将粗集用于研究不完备信息系统方面进行了推广。     

一种基于粗糙集的集成算法及应用

粗糙集理论的主要思想是在保持信息系统分类能力不变的前提下，通过知识约简，导出问题的决策和分类规则：本文提出一种基于信息量的属性约简和规则提取的集成算法，并结合汽车里程试验数据进行验证，通过仿真实验，表明了该算法的有效性和可行性。     

火灾识别中RS-SVM模型的应用

提出了一种基于粗糙集-支持向量机（Rough Set Support Vector Machine,RS-SVM）的火灾识别算法。首先利用粗糙集理论,将描述火灾特征的6个变量映射为粗糙集的知识系统,再去除冗余信息,对该系统进行属性约简,获取该知识系统的规则集;利用SVM泛化和非线性逼近能力,将以上规则集作为训练火灾识别SVM的样本集,最终得到分类准确、优化的火灾识别算法。实验仿真表明：该算法对火灾识别精度高、速度快、抗扰性好、非线性能力强,且适用范围广,对于火灾及时准确识别具有重要意义。     

Rough集理论中知识与运算的矩阵表示

同一问题在不同知识表示下算法难度不同。Rough集理论把知识定义为对对象的分类能力,并提供了一套基于代数系统的知识表达和处理方法。然而在代数表示下,知识的本质以及运算直观性较差,不易于理解。同济大学苗夺谦教授建立了知识与信息之间的关系,在此基础上给出了Rough集理论中概念和运算的信息表示,并给出了知识约简在代数和信息两种表示下的等价性证明。现进一步将知识及其运算表示成粒矩阵形式,继而给出了知识约简在代数、信息和粒矩阵3种表示下的等价性证明。     

基于粗集的汉语词语义项知识的获取

由于自然语言语序的灵活性,使得自然语言知识的自动获取很困难。本文基于粗糙集理论的属性值约简方法,结合基于记忆的学习(Memory Based Learning,简称MBL) ,提出了一种汉语多义动词义项知识的获取方法,用该方法获得的知识可用于词义消歧。     

粗糙集理论在故障诊断规则获取中的应用

本文的目的是给出一种利用粗糙集理论解决故障诊断的规则获取问题的方法 ,该方法的特点是可以处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取 .以规则形式表示的知识接近于人脑推理过程 ,因此基于规则的诊断方法在故障诊断中得到广泛使用 ,但规则获取是其瓶颈之一 .粗糙集 (RS)理论是为开发自动规则生成系统而提出的 ,其主要思想是在保持分类能力不变的前提下 ,通过知识约简 ,导出概念的分类规则 .因此 ,可以把 RS理论用于规则的故障诊断中 .本文给出了基于决策矩阵和决策函数的获取规则方法的流程图 ,以故障诊断实例说明其使用方法 ,并验证了其有效性     

粗糙集在销售决策系统中的应用

在销售决策支持系统中,存在着大量的信息和很多不确定的因素,这使得做出科学合理的决策变得很困难。粗糙集理论是处理不确定性知识与不完整数据的有效工具,因此可以根据粗糙集理论通过分析推理找出销售数据中存在的有用的知识。依据粗糙集理论实现了一种对销售决策表知识简化的方法,采用粗集理论处理大量销售信息,从中提取有用规则,通过分析和推理产生最小决策规则。通过实例分析,验证了粗糙集理论与销售决策支持系统相结合方法的可行性。该方法有效地解决了智能销售决策支持系统中决策规则的获取与理解等问题。