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.     

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。     

基于粗糙集的产品特征知识获取研究

针对制造业产品设计的个性化需求,将粗糙集理论应用于产品设计知识的属性约简和分类规则生成,发现产品或零部件间潜在的特征知识模式,从而为设计人员所能够提供的模糊对象进行分类或提供设计知识.     

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。     

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。     

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。     

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.