基于粗糙集理论的知识约简及应用实例

在保持分类能力不变的前提下 ,通过利用粗糙集理论中的知识约简方法 ,在保护知识库分类不变的条件下 ,删除其中不相关或不重要的知识 ,从而导出问题的决策 .利用基于决策表的粗糙集模型算法 ,实例分析如何数字化表示决策表 ,并对其进行属性约简和属性值的约简 ,从而提取决策规则 .     

基于概念格的决策形式背景属性约简及规则提取

给出了决策形式背景下的属性约简与规则提取方法.为此,针对属性约简中起不同作用的属性,区分了必要属性与不必要属性,给出了各类属性的特征和判别方法;在此基础上得到了决策形式背景下的规则提取与属性约简方法,并通过实例表明了该约简方法的可行性与有效性.     

基于粗糙集理论的区域经济分析

粗糙集理论在保持知识可靠度不变的前提下,通过知识约简,导出其分类规则或决策规则,是分析不确定系统的一种有力的工具。本文运用粗糙集理论的属性约简以及属性值约简方法,结合我国华东地区的经济数据,对该地区的经济发展特征及其变化进行了探讨,实证结果表明产业构成与成本费用利用率是影响华东地区经济的重要因素,优化产业结构,提高经济效益是该地区经济发展的关键,并给出各省市的经济特征规则。     

基于粗糙集的经济预警规则发现

应用粗糙集的理论和方法对经济预警有关数据进行分析,挖掘其中隐含的有用信息,提取规则并对规则进行约简,从而求取表达经济预警信息的最小决策规则,为经济预警有用信息的获取提供一种有效的方法.     

多源环境下学生综合素质的决策分析

在现实生活中,多源环境下大学生综合素质分析是一个非常重要的课题。针对此问题,本文从粒计算的角度出发,结合粗糙集决策的方法,构建了多源环境下大学生综合素质决策信息系统,用Matlab对该系统进行约简,并根据约简进行规则提取,对获得的规则进行分析和验证,得出了大学生综合素质决策结论。本文是多粒度粗糙集应用的一个范本,具有重要的理论和实践意义。     

决策信息系统的变换及其变换规则形式化

传统的粗糙集分类、约简、规则挖掘方法处理的对象是某个时间点上的静态信息系统,因而获得的知识也是静态的.实际上信息系统通常表现为易变性和过程性,为了挖掘决策信息系统动态变换的趋势和规则,本文扩展了粗糙集中传统的分类、约简、规则挖掘的应用模式,提出决策信息系统基于时间序列单步和过程变换模型, 建立面向决策信息系统变化趋势的类划分机制和相应的语义,对条件属性变迁与决策属性变迁的相关性进行研究,并给出变换规则的形式化表示.     

不协调目标信息系统知识约简的比较研究

研究不协调目标信息系统的各种知识约简之间的关系。证明分布约简既是β上分布约简，也是β下分布约简，并且在一定条件下,β上、下分布约简与不协调目标信息系统的分配约简和最大分布约简等价。     

基于粗糙集理论的相关关系预测方法研究

本基于粗糙集理论给出了对象与规则可信度的概念，提出了一种经济系统中相关关系预测法。利用信息熵的概念，评价因素的重要程度和约简因素，由此提取基本相关规则。在对象与规则之间的可信度基础上，建立了预测模型。与传统的回归预测法比较，这个方法不需要进行相关性判断、模型识别和检验，它直接从数据出发，在不损失信息的条件下约简冗余因素，寻找经济指标与影响因素之间的相关关系，能同时处理定性、定量因素以及不确定因素。算例计算说明了所提方法的有效性。     

多尺度优势模糊目标决策系统的粗糙集、最优尺度选择及约简

多尺度决策系统的知识获取是当今的研究热点之一。然而,在处理实际数据时,多尺度决策系统中的条件属性值之间可能存在优劣关系,决策属性取值可能为模糊数。针对这一类多尺度决策系统的知识获取问题,本文构建了多尺度优势模糊目标粗糙集模型,给出了该模型的最优尺度选择算法,并讨论了获取所有最优尺度约简的分辨矩阵法和获取一个最优尺度约简的简便算法。最后将本文提出的多尺度优势模糊粗糙集模型、最优尺度选择和规则获取算法应用于计算机审计风险评估,得到较为合理的评估规则。     

知识约简和属性约简的转化及等价性

研究了知识库的知识约简和知识表达系统的属性约简的转化和联系,证明了这两种约简在一定意义下可相互转化且是等价的。     

模糊粗糙集及粗糙模糊集的模糊度

1965年,Zadeh提出了Fuzzy集理论,1982年,Z.Pawlak提出Rough集理论。将二者结合而形成的模糊粗糙集（FR集）及粗糙模糊集（RF集）近年来越来越受到国际学术界的关注。本文所研究的FR集及RF集的模糊度,是对FR集及RF集模糊程度的一种度量,进而引进了相应的明可夫斯基距离,明可夫斯基模糊度和Shannon模糊度。     

几种新的截集及其应用

本文从“邻域”和“重域”的观点出发引入了三种新的截集：下截集，下重截集和上重截集。我们给出这些截集的性质及相应的分解定理，表现定理和扩展原理，作为应用，我们讨论了两方面的内容；一是利用落影表现理论，将一个模糊集看作“重云”的落影，然后用下生截集和落影表现理论来定义模糊集的运算，得到了与“２”一致的结果。     

模糊粗糙集的表示及应用

一个模糊粗糙集是一对模糊集,它可以用一簇经典粗糙集表示出来.本文研究了模糊粗糙集的表示问题,利用模糊集的分解定理证明了一个模糊粗糙集可以用一簇粗糙模糊集表示出来,利用这个结果可以证明模糊粗糙集的一些重要性质.     

基于Shadowed Sets的连续属性离散化

基于Shadowed Sets理论研究了粗糙集连续属性离散化问题,提出一种新的基于Shadowed Sets 理论的候选断点集提取算法.该算法根据实例在单属性上的分布,对数据样本进行分类,采用Shadowed Sets计算出各类的上下近似,最终提取出候选断点集.使用多组UCI数据对此算法的性能进行检验,同时还与其它候选断点集提取算法做了对比实验.实验结果表明,此算法能有效地减少数据集候选断点的数目,提高离散化算法运行速度和识别率.     

粗糙Vague集及其相似度量

对粗糙V ague集的基本操作和性质进行了研究。另外,对粗糙V ague集的相似度量问题进行研究,首先构造一种粗糙V ague值的相似度函数并给出其基本性质,然后给出一种粗糙V ague集的相似度函数以及一种粗糙V ague集的加权相似度函数。     

基于粗糙集的模糊决策算法

给出一种从连续决策表中提取模糊决策规则的规则提取算法。首先,转化连续属性值为模糊值;然后,给出两个不同对象的模糊属性值关于相应连续属性的相似度;其次,给出了λ相似关系与λ相似类的定义。根据λ相似关系,给出粗糙-模糊空间中的下近似与上近似概念;最后,结合模糊集与粗糙集理论的思想,给出一种从连续值域决策表获取决策规则的算法,并通过实例说明该算法的有效性。     

直觉(λ,η)-函数粗集

利用函数S-粗集,提出直觉(λ,η)-函数粗集,给出它的数学结构和特性,又探讨直觉(λ,η)-函数粗集与函数S-粗集的关系。从解决实际问题的角度来说,直觉(λ,η)-函数粗集是函数粗集的一般形式,函数S-粗集是直觉(λ,η)-函数粗集的特例。直觉(λ,η)-函数粗集是粗集研究的一个新方向。     

双枝模糊集与直觉模糊集的关系(Ⅲ)——分解定理

在重新定义的直觉模糊集的水平截集概念的基础上进一步讨论了双枝模糊集的分解定理与直觉模糊集的分解定理的关系,从而使需要用双枝模糊集解决的问题也就进一步可以用直觉模糊集来解决.     

一种基于Rough理论的知识推理冲突消解策略

知识推理中的冲突消解,不仅受到知识粒度的影响,还与所采用的具体方法有关.首先讨论了应用Rough理论对规则的粒度进行客观刻画,在此基础上采用距离概念构造了刻画规则相近性的规则距离公式,并在公式中引入了Rough理论中属性重要性算子,然后在分析传统冲突消解策略的基础上,提出了知识推理过程中规则集进化的概念,最后通过实例说明了此策略在知识推理中的具体应用.     

模糊仿射集与模糊向量子空间的再定义

利用模糊直线定义模糊仿射集，研究其有关性质。在此基础上，定义模糊向量子空间，证明一个模糊集为模糊仿射集的充要条件是该模糊集是一个模糊子空间的平移。