基于邻域粗糙集的生态安全指标选择

探讨了邻域粗糙集在生态安全分类预测中的应用。使用邻域粗糙集方法对各项生态安全指标进行评估和约简。根据特征对正域影响程度来选择重要特征,设计约简算法,处理数值型的特征数据,选出最重要的生态安全指标,去除冗余的生态安全指标而保证不影响生态安全的判断结果。实验分析结果表明：使用该方法能够有效地去除冗余指标,降低生态安全评价的复杂性。提高生态安全评价的效率。     

基于Rough Set的毕业论文质量决策分析

为了分析影响毕业论文质量的关键因素,以毕业论文评定表的原始数据为基础。利用粗糙集理论与算法对知识进行简化。对决策表采用了基于差别矩阵的属性约简算法、属性重要度分析、值约简和规则提取等操作,去除决策表中冗余的属性和属性值,得到了影响毕业论文质量的关键因素,对撰写好毕业论文做出了预测分析。     

基于粗糙集数据挖掘的瓦斯突出预测模型

提出了基于粗糙集理论建立瓦斯突出预测模型.针对粗糙集理论研究离散化数据的特点,考虑类分布信息,采用信息熵理论进行连续条件属性的离散化.在此基础上,利用粗糙集约简算法剔除冗余属性,得到约简属性,并进行规则提取,最后进行实例研究检验.结果表明,预测模型有较高的准确率.     

在关系数据库中提取关联规则的实现方法

利用粗糙集知识,提出了一个从关系数据库中提取关联规则的方法,并给出了完整的实现过程。在如何提高规则的有效性上,对冗余属性约简和规则兴趣度等方面进行了有益的研究和探讨。     

粗糙集理论与图形匹配相结合的规则提取方法

文章提出了在粗糙集理论中规则提取的新方法——利用图形的匹配来提取规则.粗糙集理论在数据分类应用中的主要思想是保持分类能力不变的情况下,利用等价类,通过属性约简和决策规则约简,达到挖掘知识并简化知识的目的.     

基于聚类分析的粗糙集模型及其应用

将聚类分析方法和粗糙集理论相结合,建立了一种基于聚类分析的粗糙集模型,该模型能够删除冗余的数据且保留必要的数据,起到对数据进行预处理的作用,使得属性和属性值约简后的规则更加简练．     

基于下边界的邻域粗糙集特征选择方法

粗糙集理论能够有效地处理不完整、不确定和不精确的数据信息。文章在邻域粗糙集的基础上,引入了下边界作为属性冗余性的判断条件。在全部特征的前提下删除某一特征后,根据样本集合的正域变化情况来确定被删除特征的重要性,从而确定特征是否为冗余特征。文中所使用的数据集合来源于UC I数据集。通过实验可以看出：这种方法可以从大量的特征中有效地选择出重要特征。     

基于模糊粗糙集属性约简的模糊决策树

作者基于模糊粗糙集理论,利用模糊等价关系、模糊上下近似,去除模糊信息系统的冗余属性,找出模糊信息系统的约简,然后利用模糊ID3算法,生成模糊决策树,产生一组模糊规则,实验结果证明了这种方法的有效性.     

试论如何将企业的绩效管理落到实处

企业的发展促进了企业领导者对现代人力资源管理的认识,尤其是国内企业的绩效考核水平成熟和提高了很多,但还有一些误区.比如一些企业的绩效考核指标还停留在考核德、能、勤、绩的概念上,对员工的考核成为上级的主观评价,考核结果也不公开,绩效面谈和反馈没有进行,员工不信服.绩效考核指标数据来源不科学,及时性差,不利于企业长期发展.考核重点不突出,导致企业管理者急功近利思想和短期投机行为,不利于管理者追求长期战略目标.绩效考核是一种管理工具和手段,不是管理的最终目的,其过程的管控也没有有效的措施和方法.绩效管理的真正目的应该是推动企业和员工达到高绩效,更重要的是引导员工和企业知道怎样去取得更好的绩效结果,并最终将绩效管理落到实处.     

启发式的属性值约简在隐形眼镜诊断中的应用

根据粗糙集理论,讨论属性值的约简方法。属性值约简是在属性约简的基础上,对决策表中的每一条记录去掉冗余属性值,从而构成一个最小的决策规则集。重点根据启发式值约简方法,对隐形眼镜数据进行分析,为后序的数据分析减少冗余信息。     

基于知识距离的不完备信息系统的决策规则提取

粗糙集理论是一种处理不精确、不确定和模糊知识的软计算工具,被广泛应用于知识发现领域.在实际问题中,信息不完备成为解决问题的障碍之一.该文通过基于知识距离提出的约简算法,针对不完备信息系统,提出了一种决策规则的提取方法,实例证明该方法求得的决策规则,较好的解决了数据不精确和缺省的问题.     

经济预警信息获取的粗糙集方法

本文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。     

应用R_Apriori算法提取决策表中蕴含规则

从决策表中提取蕴含规则是粗糙集理论的重要内容，现有的基于粗糙集理论的规则提取算法有极高的时间和空间复杂度，因而通常认为不适合用于大规模决策表。本文提出了R_apriori算法，将数据挖掘领域中经典的apriori算法与粗糙集理论结合起来，应用于决策表中蕴含规则的提取上。该算法首先将决策表按其决策属性值划分为若干子块，形成D_划分；再将D_划分子块继续切分为更小的子块，应用apriori算法来提取子决策表中蕴含的信息，并通过子决策表标志矢量来减少搜索范围，同时引入项集簇的概念，减少了项集组合次数，在一定程度上避免了组合爆炸，基于UCI数据集上的实验证明了该方法的有效性。     

变精度粗糙集在手术诊断中的应用

粗糙集理论是一种处理模糊和不确定知识的一种新型数学工具,在很多领域取得了成功的应用.但是经典粗糙集理论处理的分类必须是完全正确的,在实际应用中,缺乏对噪声数据的适应能力,为了克服这个缺点,提出一种变精度的粗糙集模型,以适应实际应用的需要.对变精度粗糙集理论的数据预处理、属性约简、值约简和规则提取等问题进行了分析和研究,提出属性约简算法和基于求核值属性的归纳值约简算法,并将其运用于医疗系统的手术诊断数据表的数据挖掘分析过程中,所得到的实验结果与专家诊断结果基本吻合,取得了较好的实际应用效果.     

关联规则的数据挖掘系统结构及模型的研究

数据挖掘是一种数据分析处理技术,其主要特点是对数据库、数据仓库或其它数据源中的数据进行抽取、转换、分析和其它模型化处理,从中提取辅助企业和科研决策的知识。关联规则挖掘是数据挖掘技术的一个重要研究方向。本文对基于关联规则的数据挖掘技术进行了研究,并提出了一个数据挖掘工具集原型。     

基于粗糙集的数据挖掘方法分析

文章从数据挖掘和粗糙集的基本概念出发,研究粗糙集理论在数据挖掘中的典型运用,为大型数据挖掘提供了一种新的方法。基于粗糙集的数据挖掘,首先通过粗糙集理论对数据进行预处理,然后对属性约简,最后进行决策规则提取,寻找最优解。     

粗糙集在移动企业决策中的应用

探讨了粗糙集理论在移动企业决策中的应用并总结出相应的决策规则,为移动企业决策提供参考.     

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。     

解决绩效考核中“轮流坐庄”的对策

案例:L公司是一家高新技术企业。公司较早地推行企业内部劳动、用工、分配三项制度改革,并建立了与内部分配制度相适应的绩效考核制度。该绩效考核制度采用全员参与、两级考核的体系,即公司考核部门、部门考核所属员工的办法。公司根据年度经营目标层层分解考核指标,并结合岗位任职说明书分别制定出部门的考核标准和员工考核标准。部门的考核由公司考核小组负责进行,员工的考核由部门考核小组根据考核标准进行考核评价,考核结果分为S(优秀)、A(良好)、B(一般)、C(差)、D(较差)5个等级。在推行该制度之初,两级考核小组基本上能按照公司的…     

Rough集理论在机场救援辅助决策系统中的应用

首次将粗糙集理论引入机场应急救援辅助决策过程中,对如何利用粗糙集理论中的知识约简方法从历史数据中提取规则进行救援辅助决策的问题进行了探索,并通过实例演示了提取规则的过程。为如何建立和完善决策规则库以实现高效的智能辅助决策提供了一种新的思路。