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.     

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。     

基于粗糙集理论的板栗病害诊断研究

粗糙集理论可以处理不确定性数据,特别在处理农业领域的不完备数据方面具有优势.论述了采用粗糙集方法获取板栗病害的诊断规则以及进行诊断推理的详细过程和方法,主要包括数.据预处理、属性约简、规则获取和诊断推理等.通过实验验证,该方法可以用于板栗的病害诊断,并且能够得到准确的诊断推理结果.     

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。     

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.     

水产养殖水质预警指标约简算法研究

针对水质预警指标复杂冗余问题,提出基于关联属性重要度的水质指标属性约简算法。以属性依赖度和属性重要性为基础,根据每个条件属性对决策属性影响程度,引入属性关联重要性概念进行约简操作。通过计算属性关联重要性,挖掘水质指标之间的相互影响程度,进一步判别决策属性对条件属性的分类强度,并以鲈养殖水质为实例进行算法解析,以UCI数据集进行实验验证,结果表明此算法在冗余属性约简方面是有效可行的。     

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。     

基于连续型条件属性的模糊规则约简算法

针对粗糙集对于连续域属性决策表的处理能力差以及不容易获得模糊集之间关系等问题,提出一种把模糊集和粗糙集结合起来的连续型条件属性模糊规则约简算法。该算法首先引入三角隶属度函数将连续属性值转化为模糊值,并使用离散模糊神经网络方法获得数据集之间关系。实例验证表明,采用该算法,用户可以根据实际决策需要和领域知识更改阈值,从而获得满意的模糊规则结果。     

决策树可视化系统模型研究

基于数据挖掘可视化技术,构造了一个决策树可视化系统模型,对数据挖掘中决策树可视化模型进行了分析与研究,其中主要实现了数据可视化、属性约简和决策树可视化模块。针对传统的决策树ID3算法偏向取值较多属性的缺点提出了一个算法,将多类问题转换成2类问题,避免了ID3算法形成的决策树过细,分类不够准确等问题。该算法产生的规则比ID3算法更加简捷,更加概括化,避免了规则中包含不关键的属性。     

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。     

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。     

基于邻域粗糙集的支持向量机在污水处理故障诊断中的应用

提出了利用基于邻域粗糙集的支持向量机算法实现污水处理过程中出现故障的自动诊断.首先,对污水处理厂收集的监控数据进行预处理;其次,利用邻域粗糙集模型中对象邻域的上、下近似,寻找2种类别的交界部分,从而减小问题规模;然后,通过对交界部分样本进行混淆度分析,剔除异常样本或噪声数据;同时对样本集进行属性约简与加权处理;最后,在约简集上进行支持向量机的训练与测试.将试验结果与传统支持向量机方法的结果进行比较,表明该方法不仅提高了故障诊断的效率,而且降低了问题的复杂程度,同时还保持了较好的推广性能.     

隐私保护粒计算模型的研究

为了满足数据挖掘隐私保护的个性化需求,结合粒计算粗糙集理论的基本思想,提出了一种基于敏感属性个性化隐私保护决策度的隐私保护粒化模型,实验分析证明,该模型可以在一定程度上提高隐私保护的精确度、合理性;增强隐私保护的强度。     

基于SVM的农机装备水平组合预测模型研究

采用支持向量机的组合预测方法,对黑龙江垦区农机装备水平进行预测。在确定单一预测模型的基础上,运用自组织神经网络方法,将权系数确定问题转化为粗糙集理论中属性重要性评价的问题;计算各单一预测方法对组合模型的依赖度、重要度和权系数;利用建立的基于支持向量机非线性农机装备水平组合预测模型,对黑龙江垦区2002—2012年农机装备水平的历史数据进行检验。误差分析表明:该模型对农机总动力、大中型拖拉机、小型拖拉机、大中型拖拉机配套机具和小型拖拉机配套机具的预测平均相对误差为0.471%、1.328%、3.738%、1.193%、3.574%,均低于各单一预测模型的平均相对误差;利用该模型对黑龙江垦区农机装备水平进行预测,到2020年拥有农机总动力999.33万kW、大中型拖拉机88 921台、小型拖拉机38 453台,大中型拖拉机与配套农机具台数比为1.51∶1,小型拖拉机与配套农机具台数比为1.68∶1。所建模型适用于黑龙江垦区农机装备水平的预测。     

概念格理论与方法研究

概念格作为一种研究概念内涵与外延的有效工具,在规则提取与数据分析方面有着广泛的应用。讨论了概念格的构造、约简与规则提取,以及模糊概念格的相关内容,并对各种建格算法、约简算法加以论述,分析其与粗糙集的关系,最后提出了未来概念格的相关研究方向。     

粗糙集理论在土壤肥力评价指标权重确定中的应用

【目的】土壤肥力是土壤诸多基本特性的综合反映,科学、合理、实用地评价土地肥力将为指导农业生产、土地利用规划和管理提供理论依据。其评价过程是一个无决策属性的多属性决策过程,而解决多属性决策问题的重要前提是各属性权重分配问题。【方法】确定指标权重的方法主要有主观赋权法和客观赋权法,然而,主观赋权法往往需要大量的先验知识,评价结果有一定的主观随意性,而且较少考虑评价指标之间的依赖关系;客观赋权法没有充分考虑到各参评因素对评价的重要度不同,统计数据有相关性也并不意味着两个事件具有因果联系。综合考虑主、客观赋权法各自的优缺点,利用粗糙集理论中知识约简和相对正域理论在消除冗余信息和处理不确定性信息等方面的优势,探究土壤肥力评价过程中一种主观和客观相结合的权重确定方法,并利用作物产量对评价结果进行验证。【结果】粗糙集理论在土壤肥力评价中的具体赋权思路包括：数据的离散化、土壤肥力综合等级的初步确定、属性值约简、等价类划分、属性重要度的计算和指标权重计算等步骤。以北京大兴区农田土壤样点的肥力评价对上述赋权思路进行实例分析,对比传统特尔斐法和粗糙集理论赋权结果发现,特尔斐法确定的土壤有机质、全氮、有效磷和速效钾等指标的权重分别为0.300、0.250、0.250和0.200,利用其评价得到的土壤综合肥力指数（IFI）与产量显著线性相关,R2为0.77,均方根误差（RMSE）为1.25;而粗糙集理论确定的土壤有机质、全氮、有效磷和速效钾等指标的权重依次为0.455、0.111、0.111和0.333,利用其评价得到的IFI与产量也显著线性相关,R2达0.83,RMSE为1.09,精度均较特尔斐法有了提高,其中RMSE相对精度提高值达12.80%。【结论】粗糙集理论在土壤肥力评价中的具体赋权思路基本是可行的,且相对于特尔斐法其确定出各指标权重更为合理、准确,可为土壤肥力评价及相关领域的评价提供一个有益的思路。     

形式概念分析中的粗糙集方法

粗糙集理论的一个重要研究方向就是通过可定义集和概念来近似不可定义集合和概念,包括了构造可定义集和定义近似算子的过程。将粗糙集方法引入形式概念分析,针对形式背景下的三种不同类型的概念格,通过构造近似算子,将不可定义集合用上下近似描述。本研究加深了对粗糙集理论和形式概念分析进行数据挖掘的理解。     

基于粗糙集理论的大学生成绩影响因素分析

目的运用粗糙集理论对学生的成绩分析及数据挖掘,找出影响学生学习的因素.方法通过运用粗糙集理论对采集到的大学生学习过程中的大量数据进行属性重要度分析,对不必要的数据进行属性约简,从中得到影响学习效果的关键因素.结果通过研究粗糙集理论得出性格兴趣因素以及学校的软硬件条件对学生的学习有较大的影响;家庭经济因素、基础知识、教师水平等基本无影响或影响不大.结论该研究有利于在教学过程中有的放矢,改进与改善教学质量,提高教学效果.     

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。     

基于粗集的支持向量机在故障诊断中的应用

根据支持向量机分类的基本原理,通过应用粗集理论方法对样本数据进行了预处理,去除冗余特征,提高了支持向量机分类效率.通过对涡轮机故障诊断,认为该方法可以提高故障诊断精度和诊断效率.