粗糙集在农业决策支持系统中的应用

设计了一个基于粗糙集的农业决策支持系统,并将其用于魁栗病害的诊断决策过程,采用不完备决策表属性约简算法对目标信息系统进行了属性约简处理,得出约简属性,获得了诊断规则,对具体的诊断实例进行了推理,得出了诊断结果,从而计算出结果的可信度概率。实证研究表明农业决策支持系统中可以应用粗糙集,此应用可以实现不确定知识规则的获取和推理。     

粗糙集理论在农业中的应用

主要提出一种基于粗糙集理论的属性约简算法,并将其应用在农业中。通过具体实例,证明该算法的正确性和有效性。同时,该算法在农业中具有一定的实用价值。     

基于对象导出三支概念格的形式背景粒约简方法

形式背景的属性约简是形式概念分析的重要研究方向。针对形式背景人们提出了多种属性约简标准并建立了属性约简方法。本文研究形式背景基于对象导出三支概念格的约简问题,通过刻画对象之间的区分属性提出了一种新的粒约简计算方法,该方法无需构造基于对象导出的三支概念格;并证明了基于三支概念格的形式背景粒约简与基于粗糙集理论的分类约简等价。     

基于对象导出三支概念格的形式背景粒约简方法

形式背景的属性约简是形式概念分析的重要研究方向。针对形式背景人们提出了多种属性约简标准并建立了属性约简方法。本文研究形式背景基于对象导出三支概念格的约简问题,通过刻画对象之间的区分属性提出了一种新的粒约简计算方法,该方法无需构造基于对象导出的三支概念格;并证明了基于三支概念格的形式背景粒约简与基于粗糙集理论的分类约简等价。     

基于粗糙集的WEB日志挖掘

采用基于粗糙集的WEB日志挖掘技术,对web日志数据进行预处理,然后利用粗糙集理论分析和处理该数据,最终发现其潜在的规律,发掘用户行为,为个性化网站设置提供依据。粗糙集的核心是属性约简,这里采用遗传算法约简。     

基于粗集理论的数据库知识发现的属性约简算法

讨论了Rough集理论中属性约简问题,提出了数据库知识发现过程中用于属性约简的基于属性重要性的约简算法,基于差别矩阵的属性约简算法和基于遗传算法的属性约简算法,从而可以导出数据库中属性约简问题的相对最优解。     

一种基于粗糙集理论的特征选择方法

目的 特征集中特征质量的好坏能够影响到文本分类的精度,所以选择一种好的特征选择方法对于文本分类的效果起着重要的作用.方法 粗糙集理论为研究不精确数据的分析、推理,挖掘数据间的关系、发现潜在的知识提供了有效的工具.提出了一种基于粗糙集的特征选择方法.结果 通过实验结果表明该方法利用粗糙集的约简理论降低了特征维数,同时保证了分类性能.使用该方法进行特征选择时比目前常用的特征选择方法获得较好的分类效果.结论 粗糙集的属性约简理论可以用在规则提取和特征选择上,利用粗糙集的属性约简理论进行特征选择时能够获得较理想的分类效果.     

基于粗糙集和群决策特征根法的区域水资源可再生性评价

【目的】基于水资源可再生的特点,将粗糙集理论引入到水资源可再生性评价中,建立区域水资源可再生性评价的准确方法。【方法】针对水资源系统信息的不确定性和不一致性以及水资源中经常遇到的群决策问题,将粗糙集理论和群决策特征根法相结合应用于水资源评价,即将粗糙集作为数据的预处理工具,先构造决策表,再用粗糙集进行属性约简,对约简后的指标集用多属性群决策的定量评价方法进行了评价。【结果】实例计算表明,因粗糙集能较好地处理不确定、不完备、不一致信息,故能得到更为准确、详细的评价结果。【结论】将粗糙集和群决策特征根法相结合用于水资源可再生性评价是可行的。     

1种基于可变精度粗糙集的网络入侵检测模型

当前各网络入侵检测算法的准确率仍不尽人意;针对此问题,提出1种基于可变精度粗糙集(Variable Precision Rough Set)的网络入侵检测模型.模型通过粗糙集对不确性数据进行筛选,再利用粒子群算法对数据进行约简,然后再根据设定的阀值,用可变精度粗糙集导出规则并得到检测结果.实验结果表明,本模型运用的粒子群算法数据约简速度高于利用遗传算法的同类模型,且基于可变精度粗糙集的入侵系统检测准确率比基于非可变精度粗糙集的检测系统高.     

1种基于可变精度粗糙集的网络入侵检测模型

当前各网络入侵检测算法的准确率仍不尽人意；针对此问题。提出1种基于可变精度粗糙集（Variable Precision Rough Set）的网络入侵检测模型。模型通过粗糙集对不确性数据进行筛选。再利用粒子群算法对数据进行约简，然后再根据设定的阀值，用可变精度粗糙集导出规则并得到检测结果。实验结果表明。本模型运用的粒子群算法数据约简速度高于利用遗传算法的同类模型，且基于可变精度粗糙集的入侵系统检测准确率比基于非可变精度粗糙集的检测系统高。     

一种基于粗糙集理论的神经网络图像分割方法

神经网络用于分割图像时需要大量的训练数据,由于数据量大,计算速度相当慢,不适合实时数据处理.基于此,将粗糙集理论与神经网络相结合,提出基于粗糙集的神经网络图像分割方法.利用粗糙集理论中的约简的计算方法,从图像属性中获取精简的规则,根据这些规则构造神经网络各层的神经元个数,并根据粗糙集理论中的属性重要性来修正神经网络的权值.实验结果表明,该方法抗噪能力强,提高了精度,在大大缩短网络训练时间的同时改善了分割效果,满足图像处理的实时性要求.     

粗糙集理论在农业知识发现中的应用研究

针对农业知识的特点,提出了基于粗糙集理论的知识发现方法。对数据进行预处理后,采用了基于遗传算法的属性约简,可提高搜索效率,最后进行规则提取。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。     

变精度多粒度粗糙集的约简研究

首先以容差关系为基础,在变精度粗糙集和多粒度粗糙集的基础上,提出了变精度多粒度粗糙集的概念,分别包括变精度乐观多粒度粗糙集和可变精度悲观多粒度粗糙集;其次,为了讨论变精度多粒度粗糙集的约简问题,给出了变精度乐观多粒度近似质量和变精度悲观多粒度近似质量的定义,并对这两种近似质量的基本性质进行了讨论。借助这两种近似质量,分别定义了变精度乐观多粒度约简和变精度悲观多粒度约简,并设计了两个启发式算法以求得这两种约简。最后在 UCI的4个不完备数据集上实现了约简的算法,并对约简的结果和约简率进行了分析与讨论。     

粗集理论中基于差别矩阵的属性约简算法

在传统差别矩阵的基础上,提出了改进的差别矩阵属性约简算法和基于逻辑差别矩阵的属性约简算法,提高了生成差别矩阵时的效率,减少了存储差别矩阵所用的存储空间,并提出了基于回溯思想的逻辑差别矩阵属性约简算法,得到最小约简。     

粗糙集和决策树方法在土壤评价中的应用研究

应用粗糙集与决策树相结合的数据挖掘方法评价吉林省某地的土壤地力等级.研究数据共有161条记录,16个属性,使用粗糙集对土壤属性进行约简,去除了5个土壤冗余属性,得到属性约简集;使用决策树方法对土壤数据建立决策树模型,得到了土壤评价的决策树模型,并提取了分类规则.实验表明:将粗糙理论与决策树相结合的数据挖掘方法能去除冗余属性,同时保留了原始数据的内部特点,相对于单-使用决策树方法,决策树规模减小,规则集较精简,提高了分类的效率.     

基于知识量的决策表约简算法

提出决策属性集相对于条件属性集的知识量的概念,对决策表中属性的重要性进行了新的度量,并在此基础上,设计了一种基于知识量的约简算法,实例分析表明该算法能够有效得到决策表的约简。     

粗糙集理论在农业干旱灾害中的应用

粗糙集理论是一种新的处理不完备和不确定信息的有效方法,属性约简是粗糙集理论的重要知识点之一,在众多领域都得到了广泛的应用.本文将以云南省干旱作为实例,运用属性约简方法,提取出影响干旱发生的相关因素,进而提出相应的预防措施.     

粗糙集和决策树方法在土壤评价中的应用研究

应用粗糙集与决策树相结合的数据挖掘方法评价吉林省某地的土壤地力等级。研究数据共有161条记录,16个属性,使用粗糙集对土壤属性进行约简,去除了5个土壤冗余属陛,得到属性约简集;使用决策树方法对土壤数据建立决策树模型,得到了土壤评价的决策树模型,并提取了分类规则。实验表明：将粗糙理论与决策树相结合的数据挖掘方法能去除冗余属陛,同时保留了原始数据的内部特点,相对于单一使用决策树方法,决策树规模减小,规则集较精简,提高了分类的效率。     

聚类、粗糙集与决策树的组合算法在地力评价中的应用

 【目的】地力评价方法大多数有一定的主观性,较少考虑土壤各属性间的依赖关系。论文旨在采用数据挖掘方法,寻求地力等级划分的新方法。【方法】结合农安县耕地调查数据,应用K-means聚类方法、Johnson粗糙集属性约简算法与C4.5决策树算法相结合的优化算法评价地力等级。【结果】使用K-means聚类方法,得到最佳学习样本数;使用粗糙集属性约简和决策树相结合的方法,去掉了冗余属性7个,决策树模型共有节点317个,其中叶节点个数为159个,生成规则159条,模型准确率为82.08%。与未聚类和未约简的方法相比,决策树结点个数减少41.62%。【结论】使用该组合算法,在保证模型准确率的同时,降低了算法的时间和空间复杂性,提高了挖掘效率。     

基于粗糙集和BP神经网络的粮食产量预测研究

为提高粮食产量的预测精度,提出一种基于粗糙集和BP神经网络的粮食产量预测方法。该方法以吉林省粮食总产量的历史数据作为研究对象,利用粗糙集理论的属性约简特性,识别与粮食产量相关性较大的影响因素,剔除非主要影响因素,利用约简后数据建立RSBP神经网络预测模型。结果表明,粗糙集理论能有效减少数据的维数及噪声,减少神经网络的计算量,结合两种方法能有效提高预测速度和精度。