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。     

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。     

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。     

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。     

变精度粗糙集模型研究

在经典粗糙集模型的基础上引入了参数β(0≤β0.5),得到变精度粗糙集模型。讨论变精度粗糙集模型上、下近似算子的一些性质,即随着分类误差β的增大,X的正域与负域均扩大,边界缩小。同时通过经典的例子,说明变精度粗糙集模型相对于经典粗糙集模型其精确性提高了。     

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.     

基于优势粗糙集的证券投资决策研究及其应用

粗糙集方法在金融及投资领域发挥着越来越大的作用,然而经典粗糙集理论不能发现偏好多属性决策表中与偏好属性相关的不相容性。本文基于优势粗糙集理论的知识约简算法,提出了基于优势关系的属性重要度约简算法,并构建了基于优势粗糙集的证券投资分析模型,针对中国上市公司财务数据为连续值、分布未知、含有偏好信息等特征,对证券样本进行综合排序,得到最终的综合排序和评价,并对算法进行有效性分析。     

一个基于差别矩阵的属性约简改进算法

介绍了决策表的基于差别矩阵的属性约简方法,针对AM-RASR约简算法的不足,将叶东毅的对不相容决策表的求核思想融合进来,提出一个改进的算法,新算法通过在扫描数据过程中用冲突对象对差别集进行修正,可以有效地减少数据的存储量和计算量,并能适用于不相容决策表.最后通过一个UCI数据集的实验说明改进的算法是有效的.     

基于粗糙熵的时序数据属性约简及规则提取研究

分析了近似质量在提取非确定性规则方面的不足，并基于粗糙熵的预测成功度概念，结合时序数据特点，提出一种属性约简及规则提取策略．该策略在对时序数据进行属性约简时，采用粗糙熵与时间距离相结合的方法，使得最终得到的约简在时序方面是较优的,最后使用UCI数据库进行仿真实验，效果良好．该策略在工程领域处理时序数据方面有一定的应用价值．     

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。     

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。     

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.     

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。     

一类新的自适应信赖域算法

提出了一类新的自适应信赖域算法．该算法利用相邻迭代点的实际下降量与预测下降量的比值加权和来衡量二次模型的近似程度,同时信赖域半径迭代准则采用由以．函数给出的一类自适应迭代准则．在一定假设的条件下,算法具有传统信赖域算法的全局收敛性．数值实验表明,算法是稳健和有效的．     

城市燃气管网的风险识别

鉴于风险识别的方法大多以定性为主而缺乏客观评价的状况,提出了一种基于故障树分析和粗集理论的风险识别方法。利用故障树分析可以全面系统地找出影响燃气管道安全的各种因素,借助粗集理论中的属性约简算法对这些因素进行属性约简,最终识别出影响城市燃气管网的风险因素,可以为风险分析评价提供必要的依据。     

RBF神经网络在线学习方式及其在大坝位移监测中的应用

针对目前RBF神经网络训练算法存在的问题,提出了一种模拟人类学习方式的自动调整隐层节点数的在线训练方法,对其理论依据进行了分析,并用实例对其进行了验证。结果表明,此种学习方法速度快、拟合精度高、新旧知识均可记忆,克服了以往算法的不足,具有很大的实用性。