基于粗糙集决策网络的故障诊断规则提取方法

针对故障诊断信息的不一致性,提出一种基于粗糙集决策网络的故障规则提取方法。将故障诊断决策系统通过分辨矩阵和分辨函数进行属性约简后,构造出一个不同简化层次的决策网络。将属性约简集作为网络初始节点,根据网络节点得到决策规则集;同时,为了有效滤除噪声,在置信度的基础上引入了规则覆盖度的概念,对提取的规则进一步评价,最终提取有效的诊断规则。旋转机械故障实例验证了该方法的有效性。     

面向对象Petri网的约简和系统死锁的检测

提出一套保持面向对象Petri网性质的约简规则和检测方法。该方法运用面向对象的概念和技术,为对象子网进行分层,且在保持子网性质的前提下,利用约简规则依次简化每层对象子网,并同时检测对象子网以及相应对象子网间的死锁关系,直到所有对象处理完毕。最后通过实例对所提出的方法进行了验证,验证结果表明该方法的提出大大减少了网中的节点,有效降低了面向对象Petri网中死锁检测的复杂度。     

SDG故障诊断规则的知识约简

符号有向图(SDG)是揭示流程系统深层知识的定性模型,用于描述流程系统的状态变量及其变量间的故障信息传递关系.当系统的状态变量过多,运用SDG故障诊断算法生成的故障规则过于庞大,推理困难.粒矩阵的知识约简算法能有效约简冗余属性.因此,将粒矩阵的知识约简算法引入SDG故障诊断,以电站除氧器系统为例,使用粒矩阵的知识约简算法约简主要故障的故障规则,简化规则中的冗余节点,提高故障诊断效率,最后验证了约简后的故障诊断规则的正确和有效.     

不协调决策信息系统的知识约简及决策规则优化研究

针对不协调决策信息系统的知识约简及决策规则的优化问题,引入分布约简和最大分布约简理论,提出一种基于分布区分对象集的知识约简算法,并得到具体的优化决策规则获取方法。该算法通过求解分布区分对象集和最小析取范式从而得到知识约简集,依据属性约简集挖掘出最优决策规则集。理论分析和实例结果表明该方法的有效性和实用性。     

基于粗糙集的决策规则约简

粗糙集理论是一个新的数据挖掘方法，正越来越被人们所重视。其主要思想是保持分类能力不变的情况下，利用等价类，通过属性约简和决策规则约简，达到发掘知识并简化知识的目的。但是属性约简是一个NP问题，对属性的约简和决策规则的约简只能通过启发式算法实现。该文针对属性约简和决策规则约简，各提出了一个启发式算法。     

基于粗糙概念格的属性约简及规则获取

基于粗糙集和概念格理论进行结合,给出了决策背景下的多属性约简与规则提取方法。为此,针对决策背景的辨识矩阵和辨识函数给出了决策背景属性约简的具体属性约简方法;在此基础上得到了决策背景下的规则提取与属性约简方法,并通过实例表明了该约简方法的可行性与有效性．     

粗糙集在客户分类中的应用研究

粗糙集理论的主要思想是在保持分类能力不变的前提下,通过属性约简和值约简,提取决策规则。设计了一个基于粗糙集的客户分类模型,并利用粗糙集的知识约简和决策规则提取算法对超市客户进行了分析。通过决策表约简,剔除冗余属性、消除过剩规则。最后得出了属性约简的最小化结果以及决策规则。     

动态粗糙模糊集及其在模糊规则提取中的应用

基于粗糙模糊集的规则提取方法通常分为两步:首先利用粗糙模糊集进行属性约简,然后采用提取模糊规则的方法提取规则.在规则提取的预处理阶段通过属性约简某种程度上可以缩短规则提取的时间,但其固有的不足导致不利于产生良好的规则.在模糊规则产生过程中避开属性约简,可以提高规则提取方法的适用性,降低计算复杂度.本文提出了动态粗糙模糊集的概念,基于此的规则提取算法不再依赖于属性约简,而是基于粒度序和逐步缩小的论域.首先,通过两种不同方式定义了动态粗糙模糊集并得到一些重要性质;在此基础上提出一种新的模糊规则提取算法;最后通过对比实验说明了算法的有效性.     

基于矩阵的最简决策规则获取

获取决策表规则时,通常需要进行属性约简和属性值约简。该文分析属性值约简,针对协调决策表提出一种通过构造决策矩阵直接获取最简规则的方法。将原来考虑条件属性集和决策属性集决定的等价类之间的关系,转变为仅考虑决策矩阵同行元素之间的代数关系。通过实例验证了该方法的可行性。     

基于粗糙集的变电站故障诊断规则提取方法研究

运用粗糙集理论研究了变电站故障诊断规则提取,提出了基于属性重要度和分辨矩阵的诊断规则提取算法.通过改进基于属性重要度的粗糙集属性约简算法,得到决策表的一个最小约简,然后将分辨矩阵引入值约筒中得到决策规则.采用该算法对变电站故障决策表进行属性约简和值约简,抽取出变电站故障诊断的精确规则库进行故障诊断.实验结果表明了该方法的有效性.     

基于Rough集的规则分辨矩阵研究

文章提出了一种新的规则分辨矩阵,相比原对象分辨矩阵节省了存储空间,减少了比较计算量。在此规则分辨矩阵的基础上,提出了求决策信息系统信息论观点下核属性及约简的方法,还利用此矩阵分析了约简过程中决策信息系统不确定性的变化,并对同一决策信息系统的不同约简的不确定性差异进行了比较。     

基于分辨矩阵和属性重要度的规则提取算法

研究了Rough集理论中的属性约简和值约简问题,将分辨矩阵引入值约简中,从属性依赖度的角度重新定义了属性重要度,提出了基于分辨矩阵和属性重要度的分类规则提取算法。该算法在保持分类能力不变的前提下,得到最小属性约简,再经过值约简后得到精确的规则,与现有算法相比,能减少时间和空间耗费。实验结果验证了该算法的有效性。     

基于优化可辨识矩阵和改进差别信息树的属性约简算法

运用可辨识矩阵表示信息系统中所有对象的区分信息,为研究属性约简提供了新方向。然而,传统的可辨识矩阵在构造结束后才利用核属性消除冗余元素项,忽略了核属性在矩阵构建过程中的作用。针对这一问题,文中做了以下研究:1)优化可辨识矩阵的构造方式,在计算任意两个对象的区分信息之前,先判断核属性上的取值是否相等,如果不相等,则直接将对应元素项记为Φ,忽略对其他条件属性的判断;2)提出属性加权重要度的概念,综合考虑每个条件属性占可辨识矩阵中非空元素项的比率(称为宏观重要度)与每个属性对区分对象的贡献程度(称为微观重要度),并通过例子说明了该度量方法的合理性;3)针对优化后的矩阵仍然存在大量冗余元素和空集这一缺陷,结合差别信息树的概念提出基于优化可辨识矩阵和属性加权重要度的差别信息树。按照属性加权重要度对优化可辨识矩阵中所有非空元素项进行排序,使得重要度高的属性被更多的节点共享;且在构建过程中将不包含核属性的元素项映射到树中的一条路径上,而包含核属性的元素项则被直接忽略。最后,提出基于优化可辨识矩阵和改进差别信息树的约简算法HSDI-tree。在UCI的5个数据集上分别比较了HSDI-tree算法与CDI-tree,DI-tree和IDI-tree算法的约简结果和节点个数,实验结果表明HSDI-tree算法能有效找到最小属性约简且空间压缩能力更好。     

An improved attribute reduction scheme with covering based rough sets

Attribute reduction is viewed as an important preprocessing step for pattern recognition and data mining. Most of researches are focused on attribute reduction by using rough sets. Recently, Tsang et al. discussed attribute reduction with covering rough sets in the paper (Tsang et al., 2008), where an approach based on discernibility matrix was presented to compute all attribute reducts. In this paper, we provide a new method for constructing simpler discernibility matrix with covering based rough sets, and improve some characterizations of attribute reduction provided by Tsang et al. It is proved that the improved discernibility matrix is equivalent to the old one, but the computational complexity of discernibility matrix is relatively reduced. Then we further study attribute reduction in decision tables based on a different strategy of identifying objects. Finally, the proposed reduction method is compared with some existing feature selection methods by numerical experiments and the experimental results show that the proposed reduction method is efficient and effective.     

不协调区间值决策系统的最大分布约简

分布式约简可以保证约简前后决策系统各规则的置信度保持不变,是属性约简的重要方法之一。最大分布式约简保持了约简前后决策系统中可信程度最大的规则不变,提取置信度较大的规则在智能决策中具有广泛的应用价值。本文在相容关系下的不协调区间值决策系统中引入最大置信度的概念,构造最大分布保持不变的可辨识矩阵,并给出基于可辨识矩阵的最大分布约简算法。分析了不协调区间值决策系统的最大分布约简算法与其它约简算法之间的关系。最后,利用UCI标准数据集进行了实验验证,实验结果表明了算法的有效性。     

基于相对决策条件的规则提取方法

提出一种多重查询调度算法——连续读取特性(CRP)调度算法,该算法应用连续读取特性,使查询的数据可以重组出某些连续关系,从而使之具有连续读取特性,解决了现有算法中有部分系统资源闲置的问题,提高查询速度。仿真实验结果表明,CRP调度算法的系统利用率和系统性能均优于其他算法。     

改进的基于简化二进制分辨矩阵的属性约简方法

在基于二进制分辨矩阵的属性约简方法中,删除法即从属性全集中依次删除冗余属性,直至剩余的属性集是一个最小约简.针对传统的基于二进制分辨矩阵的删除法效率较低且得不到最小约简的问题,提出一种改进的二进制分辨矩阵属性约简方法.首先对决策表进行简化,然后给出一种改进的简化二进制分辨矩阵方法;其次通过一个新的属性约简度量方法一次性删除多个属性,并从理论上分析了该方法的可行性;最后通过实验证明了得到的约简结果是最小约简.     

Rough Set 规则自动生成的关键算法改进

基于RoughSet理论,研究从Skrowon分辨矩阵到规则自动生成过程中的关键算法的改进问题。提出由分辨矩阵到合取项矩阵的计算方法,建立了从属性约简的合取项矩阵到析取项矩阵转换的数学模型,基于数学模型,提出直接搜索的转换方法。同时,提出了属性值约简的改进方法,使得改进后的算法从总体上节省了运算空间,降低了算法的时间复杂性,提高了规则生成的效率。最后通过UCI数据库的实例验证了改进算法的有效性。