粗糙集理论及进展

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。本文给出了粗糙集理论的特点，主要阐述了几种粗糙集理论的扩展模型，然后讨论了近来粗糙集理论与其他方法的结合，并进一步讨论了粗糙集理论研究的前景。     

粗糙集理论及其应用研究

粗糙集理论是一种处理不确定和不完全数据的强有力数学工具,其主要思想是在保持分类能力不变的前提下,通过数据约简得出问题的决策或分类规则.目前,粗糙集理论已成功地应用于机器学习、决策分析、过程控制、数据挖掘等领域,是当前人工智能领域研究热点之一.现介绍了粗糙集理论及其应用的国内外研究现状,总结了主要研究方法,最后指出了粗糙集理论及其应用所面临的主要问题.     

粗糙集理论在雷达识别中的应用

基于粗糙集知识约简的思想,提出了一种雷达目标识别方法,该方法不仅能够找出雷达目标的有效特征集、降低目标识别的特征空间的雏数、减少目标识别的工作量,而且提高了目标的识别率.实践表明该方法是可行有效的.     

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。     

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。     

粗糙集理论及其在管理决策中的应用浅析

在管理决策过程中，人们经常接受到这样的信息，这些信息不能用精确的集合表示，从它们的特征上看，这类信息是粗糙的，不完备的。粗糙集理论是分析和处理不完备信息的有效工具，现就粗糙集理论本身的发展和其在管理学领域的最新应用进行分析和介绍，并提出在应用过程中存在的问题。     

基于熵的粗糙集属性简约算法

本文定义了四种条件熵，并在此基础上提出了四种基于熵的方法，以用于粗糙集数据分析中的属性简约。举例说明了这四种基于熵的属性简约算法各自的优缺点。最后对两个实际数据库进行了测试，结果表明了所提出的基于熵的属性简约算法的有效性。     

粗糙集理论及其在数据归约中的应用

数据预处理在数据挖掘中占有重要地位，传统的数据归约方法都有其局限性。本文介绍了粗糙集的相关概念及数据预处理的一些知识，并利用区分矩阵求粗糙集中核的思想，提出了一种知识归约的方法．为进一步的数据挖掘做准备。     

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。     

粗糙集的理论及应用研究

粗糙集理论是一种新的软计算方法,能效处理和分析不完备息。文章讲述了粗糙集理论的基本知识和相关算法,分析了粗糙集理论的相关应用,分析了粗糙集理论方法研究中的问题,并对粗糙集理论的发展进行了展望。     

基于粗糙集理论的动态目标识别及跟踪

在通信对抗中,通信电台及其装载平台的识别与跟踪一直是个非常困难的问题.本文提出了基于粗糙集理论的动态目标身份识别及其运行轨迹跟踪算法,并用实例对几种典型情况进行了详细的分析和讨论,实践表明这是粗糙集理论在数据融合领域的一个较为成功的应用.     

基于粗糙集理论对多传感器侦察数据初级融合处理

针对通信对抗系统多传感器侦察数据仓库中数据量大且不完整、不准确的特点,文中提出了一种基于粗糙集理论进行初级融合处理的方法。该方法利用粗糙集知识分类的功能对海量数据进行层层处理,去除冗余信息提高参数精度。仿真分析结果表明,这种算法能为进一步融合处理提供条件,在通信对抗情报分析中有很高的工程应用价值。     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果     

基于扩展粗糙集理论的信用风险分析

在对传统信用风险等级评价模型总结的基础上,提出了一种基于扩展粗糙集理论的评价方法.该方法首先将信用风险等级评价抽象成一个多准则分类问题,然后使用DRSA法直接从历史数据中提取决策规则,所得到的规则不仅可以用于企业的信用等级评价,还可以反映各指标与信用等级之间的关系.通过一组上市公司的实际数据验证了该方法的有效性.     

基于粗糙集理论的序列离群点检测

作为数据挖掘的一项重要任务,离群点检测已经引起人们的广泛关注.本文基于粗糙集理论来讨论离群点的定义与检测问题,提出了一种新的离群点定义--粗糙序列离群点以及相应的离群点检测算法RSOD.该算法利用粗糙集理论中的知识熵和属性重要性等概念来构建三种类型的序列,并通过分析序列中元素的变化情况来检测离群点.在UCI标准数据集上...     

基于粗糙集理论的梭式窑故障诊断专家系统

针对梭式窑运行故障多且难以快速检测和定位的问题,研究并设计出一种基于粗糙集理论的故障诊断专家系统。详细分析了专家系统粗糙集理论的信息表示、知识约简及诊断概率模型,重点设计并介绍了专家诊断系统中各个部分的详细组成,最后还给出了本系统的实际开发与实验情况。运行实践表明,该专家系统的知识模型适应性好,推理结果可靠稳定,具有较好的应用和推广价值。     

基于粗糙集理论的威胁估计方法研究

针对威胁估计中确定指标是否合理的问题,基于粗糙集理论,提出了威胁估计的步骤,研究了威胁估计条件属性集的约简方法,通过实例验证了粗糙集理论在威胁估计中指标约简的可行性。