粗糙集层次分析法在学生综合评价中的应用

在对学生成绩综合评价中引入粗糙集理论和层次分析理论.利用粗糙集理论特有的属性约简和属性重要度原理能对有限的指标数据进行有效挖掘,具有客观性;而层次分析理论则从主观上进行补充,两种方法的结合能优化综合评价过程.通过实例分析,证实了该方法的可行性和有效性.     

基于粗糙集的组合属性重要度确定单属性重要度新方法

为改进属性重要度概念,给出了一种基于粗糙集理论的单属性重要度和组合属性重要度结合的确定属性重要度的方法。通过实例考证表明,改进的粗糙集重要度计算方法具有普适性,解决了在文献[3]中提出而没有解决的问题。     

变精度粗糙集与基于变精度粗糙集的知识模糊度量

变精度粗糙集是对标准粗糙集理论的一种扩展 .它通过设置阈值参数 β ,放松了标准粗糙集理论对近似边界的严格定义 .文中讨论了变精度粗糙集的置信阈值 β ,通过算例给出了信息系统中基于变精度粗糙集的规则提取方法 ;将变精度粗糙集模型应用于模糊集 ,提出了在变精度粗糙集中知识的一种模糊度量方法 ,对这种方法的一些性质进行了研究 ,并用该模糊度量方法描述了近似算子 .研究表明 ,该方法可合理解释模糊隶属函数 ,清晰说明了隶属度的含义 .     

模糊故障树和FMECA的数控机床综合评价方法

针对某高端五轴联动数控机床各子系统的复杂性及发生故障的随机性,提出了基于模糊故障树和故障模式、影响和危害性分析(FMECA)的数控机床综合评价方法。首先对数控机床各子系统及所属故障的发生频次进行整理,采用模糊集合论及故障树分析方法相结合,建立数控机床模糊故障树,并计算其模糊重要度;其次运用FMECA分析法算出各故障危害度,了解各故障对数控机床整体的影响程度;最后运用综合指数评价分析综合各基本事件的模糊重要度及危害度,计算出其综合指数排序,得出数控机床可靠性信息。研究表明,该方法能更为准确地求出该机床主要故障部位,从而使维护人员能更有针对性地对数控机床进行维护保养,降低其故障频次,提高机床运行时间。     

模糊粗糙集的模糊度

粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题，前者基于信息系统中知识的不可分辨性，后者基于信息系统中知识的模糊性，将二者结合形成了模糊粗糙集。模糊度是模糊集的一种重要的数字特征，我们用模糊度来刻画模糊集的整体模糊程度。本文讨论模糊粗糙集的性质，定义了模糊粗糙集的模糊度。并在此基础上，分别给出了模糊粗糙集的Minkowski模糊度，Haming模糊度，Euclid模糊度。     

粗糙集正域在心理健康测量中的应用

分析粗糙集正域的相关理论,提出一种基于粗糙集正域的决策表约简算法,用属性重要度的大小来判断属性是否被约简.通过对心理健康量表数据实例验证,该算法在约简后得到影响测量结果的重要属性,为构建更为科学、合理的测评量表提供理论依据,具有一定的实用价值.     

基于粗糙集的家庭用电评估指标体系约简方法研究〖JP〗

居民家庭电能管理是智能电网中智能用电环节的出发点和落脚点。针对目前家庭电能管理所面临的缺少完整的指标体系、重要指标不能量化、评估结果不够客观等问题,提出了一种基于粗糙集理论的家庭用电评估指标体系评价模型,为居民家庭电能管理提供了参考依据。采用数据统计和数据挖掘方法,设计了家庭电能效率评估的初步指标体系;利用粗糙集理论属性约简方法确定指标重要度,并对指标体系进行了指标筛选;以结果集和隶属度函数为依据构建“优度”评价模型,得出了指标体系优选模型。通过对真实家庭用电数据的处理以及电能效率评估,验证了该模型的正确性。     

一种改进的基于粗糙集的决策树算法

将数据挖掘中的决策树与粗糙集理论进行了有机结合,提出了一种基于粗糙集技术的决策树构造算法.该算法通过将计算属性相对于划分的重要度作为选择扩展属性根结点的标准,递归地生成决策树,可以克服ID3算法偏向于选择取值较多的属性的不足.     

一种基于粗糙集与BP神经网络集成的新方法

在分析了粗糙集理论和神经网络理论各自优势和存在问题的基础上,设计了将两者综合集成的新方法。该方法主要思想是利用粗糙集理论对神经网络待处理的数据进行属性约简,借此来简化神经网络的结构。利用该方法对航材的消耗进行预测,实验结果表明,该方法减少了训练次数并且预测效果比传统神经网络效果好。     

汽车制动系的可靠性分析

应用故障树分析法对某大型客车制动系进行可靠性分析,采用演绎法首先建立了各故障模式的子故障树然后建成以制动系功能失常为顶事件的综合故障树,严格地分析了系统所有的故障模式及故障原因;在故障树的定量分析中提出了一种早期不交化方法,并开发了故障树综合分析的计算机应用程序,可以迅速准确地给出制动系的累积失效概率、事件概率重要度等可靠性指标,为以后开展汽车制动系可靠性增长工作奠定基础。     

带隶属度及权重的粗糙集模型的构建

提出了带隶属度及权重的粗糙集模型。在这种模型中,给出带隶属度及权重的信息系统,进行噪音的处理。这种粗糙集的拓广模型克服经典粗糙集分类过于严格、对噪音过于敏感、某些隐藏在边界中的规则丢失等缺陷,并用算例验证了该模型是可行的。     

基于Rough集理论的数据挖掘属性约简技术的研究

经过20多年的发展，Rough集理论获得了广泛的认识和运用，特别在数据挖掘、知识发现的研究中发挥着越来越大的作用．属性约简是大数据集压缩冗余数据的关键技术，Rough集理论基于数据分类的原理，提出了属性约简判定理论，并发展了多种约简技术，使数据挖掘中的属性约简难题摆脱了依赖主观处理的阶段，得到了有效的处理，并向高效约简的方向发展．     

基于粗糙集和模糊聚类的网站日志数据挖掘实例分析

粗糙集理论是有效处理不精确、不确定和含糊信息的软计算工具,模糊聚类分析是依据客观事务间的特征、亲疏程度和相似性,通过建立模糊相似关系对客观事务进行分类的方法.网站日志数据通常是大量的,冗余的,日志中的页面之间的关系也是模糊的,不确定的.该文利用粗糙集理论和模糊聚类的方法对某学校网站的日志数据进行实例分析,抽取用户感兴趣的模式,理解用户的浏览兴趣行为,以便进一步改善网站结构,为用户提供个性化服务.     

组合赋权法在矿山地质环境综合评价中的应用

针对矿山地质环境综合评价过程中的权重确定问题,基于粗糙集（RS）理论和层次分析法（AHP）提出了组合赋权法．该方法综合考虑了指标的主、客观成分,将专家判断和客观分析相结合,可以得到较为理想、合理的权重值．通过实例分析说明这种组合方法具有可行性和科学性．     

动态约简技术探讨

利用标准的粗糙集方法来产生约简,即直接在原决策表的基础上计算所有的约简集,然后利用这些约简计算决策规则集合来分类未知对象。这种方法对于未知对象的分类不总是足够充分的,因为该方法没有考虑到约简集的属性部分可能是混乱、不规则的。动态约简是来自于在决策表的众多随机采样的子表中具有最大的出现频率的约简,在此意义上来说,利用动态约简来分类未知对象是最为稳定、可靠的。     

抽取等价类算法在基于Rough Sets的数据挖掘中的应用

主要讨论抽取等价类算法在基于粗集（Rough Sets）的数据挖掘中的应用．     

基于粗糙集的数据推理在教学实习管理中的应用

粗糙集理论作为智能信息处理技术的一个新成果．提供了一种对不确定、不完整数据进行分析的新方法．是现今计算机应用中一个新的非常重要且发展迅速的研究和应用领域．在知识发现、数据约简、决策支持、分类、模式识别和控制等领域中特别有效。本文首先对粗糙集基本概念和理论进行了介绍．给出了基于粗糙集的数据约简和决策支持方法。然后对实习学生教学情况初始评价表进行推理，获取了一些指导规则。这些在对实习学生的指导过程中有非常重要的作用。     

Rough知识发现在焊接领域中的应用

不同的现场条件、工件情况,选用不同的焊接方法会得到不同的接头质量.本文利用rough知识发现理论,对大量实验数据进行清理,归纳出二维决策表.通过对决策表进行的等价类的划分,推出知识,进而找到不同焊接方法的规律.     

基于粗糙集理论的区间数模糊综合评判

针对评判指标较多,且指标的权重没有给出的情况,利用粗糙集的相关理论,先对评判指标进行约简,再确定剩下指标的权重,最后利用区间数模糊综合评判方法得出评判结果.     

顾及粗糙集理论的CART改进算法及其应用

CART算法是数据挖掘技术中的一种常用的方法,对CART技术产生、基本思路及主要挖掘步骤及其优缺点等进行了概略介绍,利用粗糙集理论求取属性重要度并对CART算法作了改进.最后给出了改进算法在教学中的应用实例.