一种基于属性重要性的变精度粗糙集属性约简算法

结合胡可云算法中对属性重要性的描述,以条件属性在可辩识矩阵中出现的频率作为启发信息,提出一种基于变精度粗糙集模型的属性约简算法.实验证明,该方法能够有效地对决策表进行属性约简,并具有一定的抗噪声能力.     

基于VPRS的决策树分类算法

本文将粗糙集理论应用到决策树生成过程中,利用变精度粗糙集理论属性约简的特性在决策树生成过程中在保证分类能力不变的前提下减少分支数目,并考虑到实际问题中噪声数据的影响。     

一种基于变精度粗糙集理论的属性约简算法

属性约简是粗糙集理论研究的核心问题之一,而且现已证明寻找一个决策表的最小约简是NP-hard问题.针对变精度粗糙集理论的属性约简问题,从相对可辨识矩阵,属性的重要度作为启发式的信息,给出变精度粗糙集的属性约简算法的改进,在一定程度上简化了属性约简的计算,提高了属性约简的效率.最后通过实例证明了改进的算法给出信息系统的属性约简结果的正确性.     

浅议公安情报分析之网络舆情分析研判

本文从目前国内大量爆发的突发性公共危机事件,特别是涉警危机事件出发,以公安情报分析实务理论为基础,详尽介绍了了网络舆情及其社会影响,具体分析了公安机关目前应对网络舆情工作模式,并且提出了加强公安网络舆情分析的途径。     

基于粗糙集的考试成绩分析

粗糙集理论作为处理模糊性的新型数学工具已在模式识别、知识获取等方面取得成功应用。在介绍粗糙集理论的基本概念后,着重阐述如何将属性重要性度量方法具体运用在英语考试成绩的分析中。通过实例可知,基于粗糙集方法的英语成绩分析能简便有效地分析出影响成绩的最重要因素,为今后的英语教学侧重点提供了理论依据。     

公安情报分析的演变趋势及启示研究

准确认识公安情报分析的演变趋势,有利于更好地开展公安工作。公安情报分析呈现出方法科学化、系统智能化、人员专业化的演变趋势,需要树立正确全面的大数据思维、加强系统建设和技术应用、大力培养公安情报专业人才。     

连续值属性决策表中的可变精度粗糙集模型及属性约简

属性约简是粗糙集理论研究的一个核心问题.为了有效地处理决策表中连续值属性约简,提出了连续值属性决策表中的可变精度粗糙集模型以及基于此模型的连续值属性约简算法.仿真实验结果表明,该算法可以对连续值属性进行约简,而且比经典粗糙集相关方法在处理连续值属性约简方面更有效.     

基于粗糙集理论的一种属性约简算法

MIBARK算法在度量属性的重要性时计算量很大,它需要多次计算不同条件属性组合与决策属性之间的互信息。论文的改进算法以属性的频率作为选择属性的启发信息,由过滤差别矩阵得到属性的频率。实验表明,在获得相同属性约简的前提下,该算法与MIBARK算法相比,属性约简的计算量较少,提高了计算速度。     

大数据背景下的公安情报分析

大数据时代的到来,给传统社会带来颠覆性变革,也给公安情报分析带来机遇和挑战.通过对大数据的挖掘,创新了情报"耳目、尖兵、参谋"作用,使"情报主导警务"成为公安工作的重要变革方向.本文在阐述大数据背景下公安工作面临新环境、情报分析面临新需求的基础上,对公安情报分析的实现路径进行论述,并对需要把握的问题进行说明.结果表明通...     

基于粗糙集理论对影响高校学生成绩因素的分析

运用粗糙集理论对采集到的大量课程成绩进行分析,对数据进行属性约简,辨别出数据之间的依赖程度,从而得到影响学习效果的关键因素.此研究有利于在教学过程中改进教学方法,提高教学效果.     

一种基于粗糙集理论的组合分类器构造方法

首先分析了粗糙集理论和神经网络这两种理论的特点及其互补性,然后提出了一种构造组合分类器的新方法C3RST。新方法包括两个步骤,先对训练数据集进行约简,以此确定单个神经网络分类器的结构以及在组合分类器中要包含的分类器数目;然后将这些分类器组合起来,组合过程中各单个分类器的权值由粗糙集理论中的基本概念——属性重要性来决定。最后,在一些标准数据集上做实验验证C3RST的分类性能,结果表明该方法是有效的。     

基于依赖空间的变精度粗糙集属性约简

针对求解变精度粗糙集模型属性约简问题,在对象集上定义一种上下近似二元关系.利用此关系建立属性集上的等价关系,由此构造出依赖空间,从而得到变精度粗糙集的上下近似协调集的判定定理.同时建立一种保持每个决策类的上下近似不变的属性约简方法.最后通过实例验证方法的有效性.     

基于变精度粗糙集与变权综合的多属性决策

针对多属性决策,提出一种基于变精度粗糙集的多属性决策方法,提出基于属性依赖度和信息度来确定属性重要性,并且与变权综合结合,从而得到属性的权重。通过实例说明该方法是有效的。     

基于变精度粗糙集理论的决策树生成方法的研究

文章在基于变精度粗糙集模型的基础上,研究了具有置信度规则的一种新的决策树构造方法。新算法对基于粗糙集的决策树生成方法进行改进,新算法以变精度加权平均粗糙度作为属性选择标准构造决策树,综合分析训练数据的噪声数据,引入在构造决策树的过程中存在的不一致性。在决策树生长过程中引入置信度,以控制决策树的生长,得到具有确切置信度的决策规则。     

基于变精度覆盖粗糙集的入侵检测方法

精准且快速地识别异常用户行为是入侵检测系统（IDS）的重要任务。针对入侵检测数据维度高、样本量大的问题，提出了基于变精度覆盖粗糙集的相关族属性约简方法，并将其运用至入侵检测数据中。首先，基于覆盖决策表生成条件属性的变精度相关族；然后，在所有条件属性变精度相关族的基础上利用启发式算法求得决策表的属性约简；最后，在上述的基础上结合分类器对入侵检测数据进行检测。实验结果表明，所提方法具有计算属性约简时间短的优点，在大样本数据集上，基于模糊粗糙集依赖度的属性约简算法NFRS运行所需时长为该算法的96倍。在入侵检测数据集NSL-KDD上，该方法可快速识别关键属性，剔除无效信息，其整体准确率可达到90.53%，且对Normal的识别准确率可达到97%。     

基于变精度粗糙集理论的属性约简

针对变精度粗糙集理论的属性约简问题,从属性依赖度增量、互信息增量以及条件属性相对于决策属性的覆盖度与准确度相结合的量度等角度对属性重要度进行分析,并分别以这三个属性重要度的度量作为启发式信息,给出变精度粗糙集属性约简的启发式算法,同时将以上算法应用Matlab程序进行实现。最后,给出具体的算例利用所给的算法求得信息系统的在不同启发式信息下的属性约简,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。     

粗糙集理论在肝病辅助诊断中应用

粗糙集理论主要研究由论域和属性集构成的知识表达系统。医疗诊断中,大量病例、疾病症状和疾病诊断结果构成了一个医学信息决策系统。通过决策属性对条件属性依赖度和重要性分析,发现诊断结果与临床症状之间的关系,提取医学决策规则。实验表明,粗糙集用于肝病辅助诊断方法是正确可行的。     

变精度模糊粗糙集的一种定义

模糊粗糙集模型同经典粗糙集模型类似,容易受到噪音数据的影响.针对该问题,受变精度粗糙集模型的启发,提出了变精度模糊粗糙集的概念.针对现有变精度模糊粗糙集模型尚不能满足一些基本性质的缺陷,重新定义了模糊近似空间中某一模糊集的β-下近似和β-上近似,该定义方式能够满足上述的基本性质.     

粗糙集理论在肝病辅助诊断中应用

粗糙集理论主要研究由论域和属性集构成的知识表达系统。医疗诊断中,大量病例、疾病症状和疾病诊断结果构成了一个医学信息决策系统。通过决策属性对条件属性依赖度和重要性分析,发现诊断结果与临床症状之间的关系,提取医学决策规则。实验表明,粗糙集用于肝病辅助诊断方法是正确可行的。