一种基于Rough集的数据约简方法

在对Pawlak的属性约简数据分析方法和Skowron的分明矩阵方法进行深入研究后,通过引入排斥矩阵提出了一种新的数据约简方法,经过实践证明这种方法在对决策表进行数据约简时可以和Pawlak的属性约简数据分析方法取得同样的效果.     

基于小生境遗传算法的粗糙集属性约简

利用小生境遗传算法在解决多峰最优问题的快速搜索能力,解决了目前用一般的启发式约简方法不能解决的找到粗糙集的多个属性约简的问题.并通过matlab编程,验证了几个典型的决策表约简,试验证明这种方法是正确、可靠的.最后分析了算法的时间复杂性.     

基于ROUGH集方法决策规则的全局补偿及其在手写识别中的应用

对于经典Rough集理论中某一类决策或模式识别问题，其样本空间或决策表中客观存在的任何两个样本实例体现的决策规则不可能完全相同。本文对此进行了讨论并提出了RS邻域拓展的全局补偿RS方法。基于上述方法对脱机手写识别英文字母的模板匹配算法进行了优化，说明了其有效性。     

概念格的规则约简与属性特征

在研究了概念格形成的偏序结构的基础上，引进了由两个形式背景形成的决策形式背景，讨论了外延集类上等价关系和交一致关系，给出了决策形式背景下规则提取与属性约简方法．同时对于在规则约简中起不同作用的属性，区分了核心（存在于任何约简中）、相对必要属性（存在于某些约简中）和不必要属性（不存在于任何约简中），给出了各类属性的特征和判别方法．这些方法为概念格规则提取的启发式算法打下了基础．     

基于DSM的知识约简方法研究

根据对象属性的差异性与相似性，以及对DSM(difference-similitude matrix)矩阵元素m^dij，m^sij；的特性分析，定义了属性的重要度和合并度，给出了最佳属性约简集的修正子集的求解方法，从而提出了基于：DSM的知识约简方法，该方法能在保证规则相容的情况下生成少量规则，同时只使用部分条件属性。通过约简UCI机器学习数据库，并与粗集理论约简的结果比较，表明了该方法的合理性和有效性，并在约简效率和规则的正确率上都要好于粗集理论。     

多元组粗糙集合在规则生成中的应用

多元组粗糙集合是对传统粗糙集合的一种推广,它具有比传统粗糙集合描述更直接,更方便等优点,并能导出决策表中相应的确定规则,可能规则和否定规则,通过比较发现它能有效的提高规则生成效率,文中所给出的算法特别适合于具有重复元组的决策表。     

基于基数排序及属性约简的雷电预报因子提取方法

雷电预报因子筛选是构建雷电预报模型的关键,也是提高雷电预报准确度的一个瓶颈问题。本文提出了一种基于粗糙集正域属性约简的雷电预报因子提取方法,该方法采用基数排序方法快速求解决策表的正域,引入可分辨度概念度量属性的重要性,提出了基于可分辨度的核属性与非核属性的提取方法,设计了相应的面向雷电预报因子提取的属性约简算法。真实气象数据集测试结果表明,该方法能有效提取最小集合的雷电预报因子,并较以往方法具有更好的性能。     

基于知识约简的故障案例重用方法

案例重用是使用旧的经验去解决新的问题,可以提升基于案例推理的故障诊断系统解决问题的能力,本文提出一种基于知识约简的故障案例重用方法,主要包括针对静态案例的值约简算法（improved attribute value reduction algorithm based on discernibility matrix,IAVRADM）以及新增案例情况下的值约简增量式更新算法（incremental updating algorithm for attribute value reduction,IUAAVR）,其中,IAVRADM算法利用吸收律和互信息增量作为启发式信息,改进了已有算法中分辨矩阵构造和搜索过程,提高了决策规则的生成效率,IUAAVR算法分析总结出需要进行规则更新的3种情况.实验结果表明,IAVRADM算法的适应性强、时间开销低,IUAAVR算法在获得相同数量的决策规则情况下与案例的数量无关且更具时间优势.     

混合信息系统属性约简

将属性分为基于等价关系的离散属性及基于优势关系的连续属性,利用U/{a}划分及正域方法对系统属性进行约简并提取规则,选用UCI中的6个数据集验证了方法的有效性。     

Rough集中不一致决策表的一种处理方法

Rough集理论在对不一致决策表的处理上一直是较为困难的问题。给出一种处理不一定决策表的方法，可将原决策表加工成为人们决策时满意的决策表。     

针对k-匿名数据的判定树构造算法

数据挖掘问题是提高k-匿名隐私保护模型下数据可用性问题之一.通过分析发现,k-匿名表中准标识符属性值与利用精确表生成的判定树的部分非叶结点的属性值均是通过泛化产生的,根据这一对应关系,本文提出了一种基于k-匿名表的判定树生成算法.该算法直接以k-匿名表作为输入,避免了经典ID3算法运行前的数据准备工作.实验表明,该算法节省了建立概化层次树的时间,并且行之有效.     

基于粗集理论的MIB变量开采

利用粗集理论对大量的MIB（Manager information base)变量进行数据挖掘,找出反映网络故障现象的MIB变量组及其逻辑组合关系,通过对网络故障采集的MIB变量离散化,运用粗集方法去处错误和不必要的数据,提取表现故障现象的规则,并将规则用于设计计算机网络故障诊断程序,给出了具体的分析过程和算法的实现步骤。     

自适应推理的知识求精

简要分析了传统的决策支持系统中的自适应知识库求精问题,提出了一种基于神经网络块间联系的规则的自适应推理知识求精算法.该算法能够有效地检查知识的一致性与相容性,及时发现并排除知识库知识之间的冗余和矛盾.该算法能够更好支持决策过程.     

基于遗传算法的图论聚类方法

针对传统图论聚类算法对初始聚类中心的敏感性以及聚类结果与样本输入次序等问题,提出了基于遗传算法进行图论聚类分析的基本原理和实现方法.实验结果表明,遗传算法应用于图论聚类分析能够搜索到更为精确的聚类中心值,其结果明显好于传统图论聚类算法.     

基于重叠块小波变换的遥感图像高速压缩算法

针对大尺寸图像进行分块小波变换带来的块效应问题，采用重叠分块的方法，对各重叠块分别进行整数小波变换，并在分析单块图像整数小波变换的基础上提出了基于子带位平面的编码算法；解码时，对逆变换后得到的各个块按照原空间位置重叠相加，即可得到重建图像．实验表明，该算法复杂度低，占用内存少，速度快，无块效应，且各块的码率分配接近于最优方案，适合于遥感图像的高质量压缩编码．     

基于人工神经网络的区域经济子系统可持续发展指标预测研究

可持续发展系统是“黑箱”,至少是“灰箱”,各因素是间否存在因果关系还十分清楚,人工神经网络可以较为逼真地模拟该系统,本文以人工神经网络BP模型为工具,借助Matlab语言对区域可持续发展经济子系统指标进行预测研究,通过数据采集、网络结构模型设计、程序设计、网络训练等给出指标预测图并进行分析,最后提出建议,结果表明,用人工神经网络来模拟持续发展经济子系统是可行的。     

应用于城市道路网的启发式深度优先有向搜索算法

针对具有大量道路节点的大型交通网络,提出了一种改进的深度优先算法.该算法在搜索过程中,首先对节点进行方向性选择,缩小了搜索的范围,同时引入启发式搜索函数,优先选择权值较低的点进行扩展,降低了深度优先的盲目性.因此,算法不仅能够在搜索早期找到最短路径,还能够提供多条备选路径.