属性依赖性及重要性度量

首先分析了粗糙集理论中现在常用的属性依赖性度量中的不合理性,然后结合概率统计中的卡方分布的思想,给出一种新的属性依赖性度量,根据这种依赖性度量,给出属性重要性的定义,最后详细讨论了它们的性质.     

基于粗糙集模型的银行信用卡发放研究

运用粗糙集智能数据分析建立了信用卡发放模型,分析了已有客户的数据,并提出一些重要的原则,计算了规则的匹配度与适用度,对该客户的分值进行融合,根据训练样本获得了最小的判别标准,使用算例证明了该方法的有效性.     

基于粗糙集的患者满意度评价模型及其实证分析

在文献阅读及实地调研的基础上,本文提出了患者满意度的定义,建立了影响患者满意度的指标体系,介绍了粗糙集的相关概念及利用粗糙集进行评价的步骤,提出了新的约简方法,构建了基于粗糙集的患者满意度评价模型并进行了实证分析,得出了影响患者满意度的关键指标,并计算了关键指标权重,对江西省十个医院进行了综合评价值的计算.     

一类广义区间值模糊粗糙集的公理化刻画

首先在一般区间值模糊关系上定义了两个论域上的一类广义区间值模糊粗糙集.借助区间值模糊集的截集给出区间值模糊粗糙上、下近似算子的一般表示.讨论了各种特殊的区间值模糊关系与区间值模糊近似算子性质之间的等价刻画.最后利用公理化方法刻画区间值模糊粗糙集.描述区间值模糊上、下近似算子的公理集保证了生成相同近似算子的区间值模糊关系的存在性.     

完全分配格上的覆盖粗糙集模型

将集合论中的覆盖概念抽象到完全分配格L上,利用它定义格L上关于覆盖的上(下)近似算子,给出格L上覆盖粗糙集模型.文中先讨论格L上覆盖的相关性质,进而研究了覆盖上(下)近似算子的性质,得到若干结果.     

优势关系下不协调目标信息系统的部分一致约简

在基于优势关系下的不协调目标信息系统中引入了部分一致约简的概念, 并得到了部分一致约简的判定定理以及辨识矩阵, 建立了不协调目标信息系统的部分一致约简的具体方法, 同时通过实例验证了该方法的有效性, 从而为优势关系下信息系统的知识发现提供了理论基础.     

基于粗糙集分类的群决策专家个体可信度权重确定方法

提出了一种基于粗糙集分类来判断群决策专家个体可信度权重的新方法。先根据专家给出的判断矩阵分别按照条件属性值和决策属性值将方案进行分类,再用概率分布函数来考察每个条件属性类在决策属性类中的分布情况,算出与均匀分布时的概率分布函数的距离和,将各个专家判断矩阵的距离和进行归一化处理,以此作为群决策专家个体可信度的权值;最后用算例给出了该方法的可行性和有效性。     

一种基于粗糙微聚集算法及属性重要度的匿名模型的数据质量评估

提出一种基于属性重要度的匿名模型并改进了微聚集算法,提出一种用于解决微聚集算法在处理分类型数据时存在的问题的方法。并针对改进算法,从粗糙集理角度出发,设计了一种度量函数来衡量匿名化数据的质量。仿真实验证明,改进的方法是有效的。 更多还原     

采用渐变与突变机制的反向人工蜂群算法

为克服人工蜂群算法容易陷入局部最优且后期收敛速度较慢的缺点,提出一种基于渐变与突变机制的反向人工蜂群算法并用于特征选择.采用反向学习策略,为每个初始解产生对应的反向解,并从所有解中选择最优的解构成初始种群,加快了收敛速度.引入渐变与突变机制,将个体按适应度大小分为渐变个体和突变个体,对它们采用不同的邻域搜索方法,避免了陷入局部最优.对比实验表明,新算法比其他特征选择算法能够得到更好的特征子集且具有更快的收敛速度.     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.