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。     

基于可变精度的不完备信息系统粗集扩展模型及属性约简

在变精度的基础上,定义了变精度的重要性算子和变精度的近似约简等概念,并由此给出了一种基于变精度的属性约简算法.算法既能保证属性约简的准确性,又能通过对相似度α和精度β的调节增加其灵活性,从而得到一个满足相似度和精度要求的近似约简.同时,它也是完备信息系统的属性约简算法的推广(当α=1,β=0时).且通过实例分析说明算法的可行性和有效性.     

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.     

局部多粒度覆盖粗糙集

为了拓展多粒度覆盖粗糙集模型,本文利用覆盖粗糙集中最小描述转化后的粗糙集经典表示,并结合局部粗糙集的概念,提出了多粒度空间下的局部多粒度覆盖粗糙集模型.在此基础上,深入探讨了在多粒度空间与单粒度空间下模型的内在联系,讨论了局部多粒度覆盖粗糙集的基本性质,研究了在乐观策略和悲观策略下的局部多粒度覆盖粗糙集上、下近似集的关系.研究结果表明本文的模型在特定条件下可转化为多粒度覆盖粗糙集模型,是对原有模型的有效拓展.     

基于VPRS理论的航空发动机送修等级决策

应用变精度粗糙集理论研究了发动机状态信息与单元体性能参数之间的关系，提出了一种基于信息熵属性约简的航空公司发动机维修等级决策方法，从而在维修决策时能够更加客观地反映发动机实际损伤程度。最后以CF6型发动机维修等级决策规则生成为例说明了该决策方法的有效性。     

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。     

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。     

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.     

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。     

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．     

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。     

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。