粗糙集理论中新的知识发现方法

与现有的基于属性简约的知识发现方法不同 ,本文基于粗糙集合理论定义了 2类新的知识发现 ,即 1、2类知识发现 ( FCKD,SCKD) ,目的是在知识系统动态变化后 ,通过减小知识的粗糙度 ,发现原规则中没有的、有决定性作用的新属性。在此意义下改变规则中属性结构 ,并发现新的规则。定义了两个用于发现新属性的算子 ,并给出两个定理 ,一个推论及其证明 ,最后通过实例 ,对提出的方法作了说明。     

模糊知识发现中数据采掘的概念树方法

数据采掘是数据库中知识发现的核心 ,概念树方法是数据采掘较常用的方法之一 ,该文详细描述了该方法在模糊性问题中的应用     

粗糙集与模糊集的比较研究

近来许多研究致力于不确定性问题的知识获取，不确定产生于许多方面：它可以来自于对事物进行描述的术语的模棱两可；也可以来自描述过程中对规则的怀疑；或者数据的错误、丢失．处理不确定性问题的理论有很多，粗糙集与模糊集都是有效手段，它们有联系有区别，可以相互补充有机结合起来解决更多问题．     

基于粗糙集方法的知识发现

属性约简和属性值约简是租糙集理论中的重要研究内容,也是粗糙集理论应用于知识发现的主要方法.但求取任意问题的最小属性集是一个NP难问题.本文利用属性间的知识依赖度,提出了一个求取属性约简的贪心算法,它可以在多项式时间内得到一个约简.同时,把粗糙集方法应用于知识发现,通过属性约简删除信息系统的冗余属性,减少数据量,再利用属性值约简,获取决策规则.最后通过实例说明了基于粗糙集方法的知识发现过程,验证了方法的有效性.     

数值仿真结果中知识发现的模糊-粗糙集方法

分析了塑性成形过程数值仿真结果的特点和采用离散化作为粗糙集数据预处理方法的不足,提出用模糊-粗糙集算法对仿真结果进行数据挖掘,并以NUMISHEET’93中盒形件拉伸为例进行了数值仿真,从中提炼出对加工工艺和模具设计有指导意义的产生式规则,且每条规则都有可靠性度量,有利于知识推理中的规则调度．研究结果表明,该算法是一种适用于本领域特点的更有效的算法．     

粗糙集理论在模糊神经网络中的应用研究

应用粗糙隶属度及粗糙神经0元对模糊神经网络进行讨论，得到了一种利用神经网络修正不完善粗糙规则的方法，以及一种粗糙模糊神经网络。以日本大阪湾的COD浓度为例，取得了良好的拟合及预测效果，从而具有广泛的应用前景。     

一种基于粗糙集的机械装配知识发现方法

为了解决机械装配行业工艺知识提取困难的问题,提出一种基于粗糙集理论的装配知识发现方法,给出其计算机软件实现方案,并用实例验证方法的有效性。该方法运用粗糙集中属性重要度的概念和方法,实现属性核和属性约简的求解,并根据约简挖掘隐含在经验数据中的专家知识,形成相应的决策规则。实例验证结果说明,该方法可以有效地提高装配效率和装配知识的学习。     

基于偏序结构理论的知识发现方法

大数据中的知识发现是大数据应用中的核心热点.本文从高度抽象认知事物视角出发,以表征事物普遍性为特征的概念驱动与表征事物特异性为特征的数据驱动两种方法学为哲学原理,提出了基于属性偏序结构图和对象偏序结构图的知识发现方法.分别从群结构、子群结构、支路、节点等角度对数据特征之间的结构关系进行讨论分析.属性偏序结构图将数据中具有某些共同特征的对象聚类到一起,是数据共性的表达;对象偏序结构图中,通过数据的独有属性可以快速有效的将特异性对象区分于其他对象.最后,以中医药方剂配伍研究问题为例,对张锡纯治疗中风的32个处方进行数据挖掘和知识发现,证明了该方法的有效性和实用性,为大数据知识发现研究提供了新的思路和方法.     

基于粗糙集的不确定性知识处理方法

本文针对在粗糙集理论中由来自给定论域里粗糙近似的边界这种原因而引起集合知识的不确定性,提出了一种粗糙可观察的处理方法。利用粗糙隶属函数及粗糙可观察的概念,使粗糙集合可近似用论域上的基本集的并来表示,即近似为一个可定义集,从而实现粗糙集合不确定性知识的确定化。     

基于粗糙集的转炉炼钢知识发现模型

针对转炉炼钢知识发现的特点,采用粗糙集理论进行分析,应用数据清洗、标准化及离散等方式对转炉炼钢生产数据进行预处理,以炼钢生产的主要影响因素作为知识发现的条件属性,以转炉冶炼终点控制目标作为知识发现的决策属性,建立了基于粗糙集方法的转炉炼钢知识发现模型,实现转炉炼钢生产知识的自动发现、获取和规则提取。以转炉冶炼终点钢水温度的变化规律做为知识发现的决策属性,采用210 t转炉炼钢实际生产数据进行模型的应用测试,结果表明提取出的铁水硅含量、铁矿石质量、氧气消耗量等影响因素对转炉冶炼钢水终点温度存在重要影响,且模型提取出的转炉炼钢终点钢水温度知识规则与现行转炉炼钢现场的变化规律一致,证明基于粗糙集方法的转炉炼钢知识发现模型的有效性。     

一种基于粗糙集的知识约简方法

最佳知识约简问题是信息系统与知识发现中面临的一个重要问题.提出了基于粗糙集的理论对信息系统生成的差别矩阵进行约简的方法.该方法先对连接差别矩阵进行一致化处理,然后再将差别矩阵进行约简,最后在约简后的矩阵中作最佳知识约简.     

基于粗糙集的不完备信息系统知识获取方法

经典粗糙集理论是面向完备信息系统的，为处理不完备信息系统．需要进行理论扩充．本文首先介绍了粗糙集理论的基础知识，然后对经典粗糙集理论在不完备信息系统中的几种扩充模型进行了介绍和分析，并对现有基于粗糙集理论的不完备信息系统知识获取方法的研究进行了总蛄，最后展望了谊理论未来的发展方向．     

粗集理论及基于集合论的学习方法

运用了粗集理论的基本原理，对不精确、不完整、不确定的数据进行上近似和下近似的计算和分类，对数据进行简约，寻找其隐含的关系和模式，产生规则，确定规则的可信度，并通过举例加以说明。     

基于Rough Set理论的商务决策支持系统知识发现的研究

针对商务决策支持系统中存在信息不确定、冗余数据量大的问题,提出了一种基于Rough Set理论的提取最小规则算法。该算法的核心是改进的分明矩阵属性约简和启发式的属性值约简。通过算法对原始数据表中的冗余属性和属性值进行约简,得到了决策表和最小决策规则。最后,对商务决策支持系统的实例进行数据约简,挖掘其中的隐含知识,获取了有价值的决策信息。     

基于粗糙集理论的知识库分解与规则获取

粗糙集理论可以通过对数据的约简从例子中学习,获取决策规则。但是,当知识库规模较大、条件属性个数较多时,存在提取规则速度慢、规则长度长等缺点。本文介绍了粗糙集理论的基本概念,提出了一种基于粗糙集的知识库分解算法。首先引入决策属性支持度的概念,在此基础上定义了一个属性选择量度,选择最佳目标属性对知识库进行分解,直到所有对象都被精确分类,从而得到具有一定支持度的规则集,得到的规则长度短,提取速度快。通过对一个简单实例的分析,证明了该算法的可行性。     

基于两种新型算子的粗糙集运算

定义了基本致粗因子和基本致粗相关因子,将边界域划分为两部分·并以这两个因子为基础,定义了确定增量算子和不确定减量算子,给出并证明了这两类新型算子的一些重要性质和定理·进一步讨论了基于这两类新型算子的粗糙集运算·利用这两种新型算子可将对粗糙集理论影响较大的两个不等式转化为等式·同时,粗糙集的并、交、补运算被重新定义·这些新定义的运算在运算过程中不会丢失任何信息且具有良好的运算性质,特别是这些运算满足互补律和德摩根律·这使得粗糙集理论中的许多方面都得到了改善,进而拓宽了粗糙集的应用·     

基于粗集理论的数据离散化新算法

连续属性值的离散化一直是机器学习领域中殛待解决的关键问题之一，他对于提高后继学习算法的运行速度、降低算法的实际空间要求和时间消耗、提高学习结果的聚类能力等都具有极其重要的意义。本文首先分析了基于粗集模型的数据离散化方法的特点和基本思路，研究了候选断点重要性的衡量方式，在此基础上提出两种新的从候选集合中最终确定离散化断点的启发式算法。这两种算法考虑并体现了粗集理论的基本特点和优点，选择的断点都能够保证信息系统的分辨关系，并能够取得较理想的离散化结果。     

一种基于粗集的信息排序新算法

对有序信息表的排序问题进行了研究,在将有序信息表进行转化的基础上,应用粗集理论对信息表进行简化,通过将属性值标准化并构造排序度量函数,提出了一种基于粗集的总体排序算法,与传统算法相比,该算法不需要领域专家的参与,而且有效地降低了时间复杂度.     

基于粗集理论的模糊知识权重计算方法及其应用

文章给出了一种模糊专家系统中基于粗集理论的模糊权重计算方法,通过专家经验所得到的主观权重和由粗集方法得到的客观权重进行综合,定义了模糊知识的综合权重。并给出了在羊疾病防治专家系统的应用。