连续属性信息系统规则提取方法研究——基于模糊粗集包含度的视角

为了从连续属性的信息系统中提取决策规则,提出了将模糊集和粗糙集理论相结合,首先使用模糊聚类技术将连续属性信息系统转化为模糊信息系统,然后使用包含度算法提取决策规则,最后通过实例验证了该方法具有较强的抗噪声能力,得出的决策规则易于应用。     

基于粗糙集与模糊集理论的图书馆最优购书算法

本文将粗糙集理论与模糊集理论结合起来,给出一种图书馆最优选书算法.该算法首先从已知数据的初始信息系统出发,计算各选书方案之间的相似度,从而构造相似矩阵,然后根据相似矩阵的传递闭包对各方案进行聚类,并根据粗糙集理论求各属性重要性,最后利用加权综合的思想及最小距离方法选择最优买书方案.     

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。     

决策树C4.5算法结合模糊判决算法的土地评价方法（英文）

为了传统土地评价过程中影响因子存在连续值时难以构建评价模型的缺点,提高土地评价知识表达的可解释性,通过对语义属性采用多重分支,利用分支的统计显著性的启发式技术来实现剪枝,提出了基于C4.5算法挖掘分类规则。并利用模糊推理的方法,给出模糊匹配程度的概念,计算出被评价土地样本与各C4.5规则匹配的模糊程度,然后从中找出模糊匹配程度最大的所对应的规则,被评价样本即可被评价为该规则的结果所示的土地等级。文章提出了一种基于C4.5算法和模糊判决算法的土地资源评价模型构建方法,通过广东省土地评价数据库的实验结果表明,该方法能够适用于土地评价当中,当选取100条规则作为规则库进行土地评价时,获得了86.67%的数量准确率和84.80%的面积准确率。     

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。     

基于粗糙集的决策规则提取

讨论了粗糙集(rough sets)在数据分析方面的应用,基于粗糙集的数据分析来源于对数据表(即信息系统)的分析。通常我们将信息系统中的属性划分为条件属性和决策属性,这种信息系统又称为决策表。对每一个决策表,都有一系列的决策规则与之相对应,这些相关的决策规则被称为决策算法。将这些决策算法与贝叶斯(Bayes’)定理相比较,从而得出基于粗糙集的数据分析方法优于贝叶斯定理。     

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.     

一种高效的关联规则挖掘算法及应用

针对传统Apriori算法在生成频繁项目集时出现的瓶颈问题以及难以对非精确的或者模糊的概念进行挖掘的不足,给出了一种高效的关联规则挖掘算法。算法首先利用模糊集知识对数据库中的数值属性进行了合理的非精确语义转换,然后通过高效剪枝的挖掘方法对频繁项集进行挖掘,并将其应用到农业气象数据库的灾害分析中。试验结果表明,该算法在时间性能上有很大的提高。     

基于风险模式提取的农户生猪饲养规制研究

在抽样调查数据基础上,利用模糊聚类分析对生猪散养农户行为进行了划分,给出了3种风险类型。在此基础上利用模糊粗糙集理论提取了农户饲养过程决策依赖属性和决策知识规则,通过对规则研究提取了生猪散养方式的风险结构;根据该风险结构和决策知识规则提出了降低与控制生猪散养方式风险的散养技术标准、养殖规范体系、经济规制体系。     

基于粗糙集(Rough Set)理论的数据挖掘(KDD)过程及其实现

数据挖掘是从数据库中抽取隐含的具有潜在应用价值得信息,进行数据挖掘的方法很多,其中基于粗糙集的数据挖掘方法简单可行。粗糙集是一种处理模糊和不确定性数据的工具,本文结合银行申请信用卡的实例利用粗糙集进行数据挖掘,消去冗余属性,抽取决策规则。     

测度贴近度及其集值统计估值

在定义模糊集上的测度的基础上，通过对随机集测度均值的讨论，定义了一个无穷论域上的贴近度－测度贴近度，为贴近度的计算提供了新方法，充实了贴近度的定义开式。又根据模糊集与随机集落影响的理论，给出了有严格理论基础和应用性较强的对贴近度进行集值统计的方法，并且证明了这种估计的一致性。     

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。     

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.     

一种有效的估计关系数据库中空值的方法

由于客观世界的复杂性,信息缺失、不确定信息是普遍存在的。数据库作为表达现实世界的一种工具,使用空值来表达信息缺失的问题。针对关系数据库中的空值问题,提出一种基于模糊聚类和线性回归的空值估计方法。该方法首先对数据表中的数据进行挖掘,找出与被估计属性相关联的属性集。该过程仅利用数据本身提供的信息,避免了由专家决定条件属性时由于主观性造成的误差。其次根据所得属性集进行模糊聚类得到对原始数据的一个划分,再基于所得分簇和线性回归给出一个估计关系表中空值的方法。最后利用平均绝对错误率来衡量算法估值的准确率。实验结果表明该方法估值的结果与其他方法相比具有较高的准确率。     

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。     

基于改进模糊聚类的烟草品质集成评价模型

针对烟草化学成分与烟草品质之间难以建立确定的数学模型的问题,提出了一种基于改进模糊聚类的烟草品质评价方法。该方法以烟叶样品的化学成分的差异性为依据,以模型分类结果与专家评吸结果的一致性为目标,利用模拟退火算法对现有的模糊聚类算法进行优化改进,建立基分类器;在此基础上,利用Ada Boost将基分类器对于不同样本集的多个分类结果进行集成,形成最终的烟草品质评价模型。以130组烟叶作为烟草样本,测定了各烟叶样品中总糖、还原糖、总氮、烟碱、氧化钾、氯离子、蛋白质7种化学成分含量,并采用改进的模糊聚类方法与神经网络算法、模糊聚类算法进行对比试验,该方法的误检率为6.7%,具有提升小样本数据的辨识能力,优于所比较的其他2种方法。     

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.