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。     

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。     

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。     

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。     

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.     

基于RS与ANFIS的投标报价决策研究

针对建设工程投标报价中标高金的确定这一多因素决策问题,提出了粗糙集理论(RS)与自适应模糊神经网络(ANFIS)集成的标高金决策方法.首先利用自组神经织网络(SOM)对决策系统中的连续属性值离散化后,通过粗糙集理论约简属性,去除冗余信息,计算出标高金决策系统的约简;根据这一约简,经过减法聚类获得模糊推理规则数目,确定ANFIS的初始结构,最后应用ANFIS对文章中30个典型国际工程案例的标高金进行计算和预测.研究结果表明,与一般BP神经网络相比,该方法网络规模大大减小,网络结构透明,学习速度更快,而且保持了较高的预测精度.     

一种基于决策树算法的耕地地力等级评价

以吉林省德惠市的图斑数据作为实验数据,选择有机质、全氮、速效磷、速效钾4个方面作为耕地地力等级的评价指标,利用数据挖掘中的决策树分类技术建立耕地地力等级评价模型.通过实验分析,得到的分级结果与实际情况基本一致,表明该方法对耕地地力等级评价具有有效性和可行性.     

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.