粗糙集理论和应用研究

粗糙集已经在很多领域取得了较为成功的应用。本文系统介绍了粗糙集的基本理论、粗糙集的研究方向、粗糙集的应用领域和粗糙集的软件系统。     

一种基于变精度粗糙集模型的数据挖掘方法

通过分析Pawlak粗糙集模型在数据挖掘中应用的局限性,提出了一种基于变精度粗糙集模型的数据挖掘方法。在数据挖掘中采用变精度粗糙集方法对胶合板缺陷数据进行属性约简和规则提取,并将所得规则用于分类。结果表明:变精度粗糙集改进了Pawlak粗糙集的不足,具有更高的可靠性和鲁棒性。     

概率型粗糙集模型在贝叶斯决策中的应用研究

本文探索性地研究了概率型粗糙集模型与贝叶斯决策方法之间的联系，建立了贝叶斯决策方法的概率型粗糙集模型，实现了粗糙集理论在贝叶斯决策中的应用。     

粗糙集属性约简算法综述

属性约简是粗糙集理论中最核心的问题。文章阐述了基于信息熵、可辨识矩阵、遗传算法、Johnson等粗糙集属性约简算法流程,指出了粗糙集属性约简算法的现有问题及发展趋势,促进粗糙集属性约简的研究进一步发展。     

关于粗糙集理论的一些探讨

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。文章介绍了Rough Set理论的基本思想及分析了粗糙集方法的特点,描述了一种基于粗糙集理论的知识发现步骤。     

基于粗糙集的翻译方法的改进仿真研究

研究提高翻译算法的翻译准确性问题。由于英语名词短语语法复杂、规则多,导致传统机器翻译算法存在效率低、准确率不高难题。为提高英语名词短语识别准确率,提出一种粗糙集的名词短语识别方法。粗糙集方法把英语名词短语识别当成一个决策问题,通过粗糙集理论对特征约简和规则优化,最后对其进行进识别。采用粗糙集方法对WSJ英语名词短语样本进行仿真实验,仿真结果表明,粗糙集的名词短语识别正确率高于其它翻译方法,是一种有效英语名词短语机器识别方法。为实际设计提供依据。     

基于距离辅助粗糙集的政府信息公开公众满意度评价模型

扩展了政府信息公开公众满意度评价模型,既引入粗糙集理论来客观地描述和处理评价指标权重的不确定性,又结合粗糙集正区域依赖度和边界区域对象数目和其与正区域的距离,给出政府信息公开公众满意度评价指标权重确定的新方法,并分析了其合理性,建立了基于距离辅助粗糙集的政府信息公开满意度评价模型,算例表明了该模型比仅考虑正区域的粗糙集评价模型更具有效性.     

混合值信息系统中的规则获取方法

在粗糙集的应用中发现,在某些情况下,决策系统的论域中某些对象属性无法得到确定的值,但可用一个区间或几个可能的值来描述其大概范围,传统的粗糙集理论无法解决这类问题,因此,粗糙集的应用受到了限制。本文提出了一种基于论域中对象之间贴近度的模型,在这个模型下,提出了新的规则提取算法,较好的解决属性值不确定的问题,扩大了粗糙集的应用范围。     

基于粗糙集和知识粒度的特征权重确定方法

研究知识特征的粗糙集表征及其等价划分知识类别的精确度,在粗糙集理论的基础上结合知识粒度理论计算特征权重,提出基于粗糙集和知识粒度的权重确定方法,并通过算例证明所提出方法可以解决权重确定中存在的主观随意性和特征冗余等问题,进一步提高权重确定方法的适用性。     

基于粗糙集和BP神经网络的钻井作业安全事故预测

本文在钻井作业安全事故预测系统中引进了粗糙集和BP神经网络。在本文中,笔者首先使用粗糙集对基于钻井作业安全的信息系统进行属性约简,获取对应于最小条件属性集的信息表。之后,笔者用得到的数据对BP神经网络进行训练,进而对钻井作业安全事故进行预测。通过实例研究,本文发现粗糙集可以加快神经网络的训练,并提升网络的预测精度。本文的研究结果表明粗糙集和BP神经网络可以高效地对钻井作业安全事故进行预测。     

基于变精度粗糙集的属性约简

属性约简是粗糙集理论的核心内容之一。针对变精度粗糙集理论的属性约简问题,从属性依赖度增量、互信息增量角度对属性重要度进行分析,并以这两个属性重要度的度量作为启发式信息,给出变精度粗糙集属性约简的启发式算法。最后,通过具体算例说明所给算法的有效性和实用性。     

粗糙集理论在数据挖掘中的应用

粗糙集理论是一种处理不确定和不精确问题的新型数学工具,为数据挖掘提供了一条崭新的途径。本文阐述了粗糙集理论及其在数据挖掘中的应用。     

基于粗糙集的海外石油勘探风险评价指标权重确定

海外石油勘探项目风险指标权重确定的合理性直接决定了我国石油企业海外投资决策的有效性。传统确定指标权重的方法多为层次分析法,但层次分析法主观性较强,得出权重结果可信度较低。运用粗糙集方法确定风险指标权重,通过人工智能方法对指标进行客观处理,并用粗糙集重要度概念得出风险指标权重。与层次分析法对比,粗糙集方法计算的权重结果更具真实性、客观性和实用性。     

粗糙集理论在科研能力综合评价中的应用

在科研能力综合评价中引入粗糙集理论,利用该理论充分挖掘已知数据之间的联系来确定评价指标的权重,避免人为干预所带来的主观性.实验证明,利用粗糙集理论的评价结果令人满意.     

不完备数值型决策表的邻域粗糙集属性约简算法

邻域粗糙集理论是粒计算的重要内容之一。现有的邻域粗糙集属性约简是在完备数据表上进行,不能处理含有属性值缺失的情况。为此,本文提出了一个不完备数值型决策表的邻域粗糙集属性约简算法。我们通过定义对象间的不一致相似度,来处理缺失属性值间的邻域距离。根据下近似集的变化程度,定义了一个属性重要度,并以此为启发信息设计属性约简算法。通过实验,说明了该算法对不完备数值型决策表进行邻域粗糙集属性约简是可行的。     

基于粗集的支持向量机文本分类方法研究

本文提出了一种基于粗糙集的支持向量机文本分类方法。该方法利用粗糙集的约简理论降低了支持向量的维数,同时保证了分类性能。实验表明该方法能获得较好的分类效果。     

加权粗糙集算法的PDA图书馆最优选书策略

针对标准贝叶斯网络模型在PDA图书馆选书分析的应用中表现出误差较大的问题,本文提出了一种基于加权粗糙集优化贝叶斯网络的PDA选书模型,首先采用粗糙集的方式,重构属性集合,用新的属性集合代替原来的属性集合,然后采用属性序描述方法,这样得到的约简后的条件属性将按照对决策属性影响逐渐减小的顺序依次排列,为了减小此缺陷的影响,采用加权的方式对基于粗糙集的贝叶斯模型进行改进。仿真试验结果表明,基于加权粗糙集优化贝叶斯网络的PDA选书系统功能完善,并且通过实际选书案例证明其选书精确性较高。     

基于粗糙集的决策树旅游景点信用评估模型的设计与实现

旅游景点信用评估是一种典型的分类问题,本文概述了粗糙集和决策树的理论,基于这两种理论,提出了一个基于数据挖掘粗糙集理论与决策树分类技术相结合的信用评估方法来建立旅行景点的信用评估模型,利用粗糙集的知识约简的概念,对样本数据进行预处理,去除冗余属性对分类模型的影响,然后用决策树方法建立分类模型。最后通过Pawlak重要度的属性约简算法和ID3决策树算法实现了该模型。     

基于粗糙集条件信息熵的图书馆信息资源评价研究

鉴于图书馆信息资源评价的重要性,考虑到现有图书馆信息资源评价多依赖于专家先验知识的问题,特引入粗糙集理论建立了图书馆信息资源智能评价模型,该模型利用粗糙集方法基于信息熵观点获得客观权重值结果,为图书馆信息资源评价提供了一个新的解决方案,且根据指标权重值结果,提出了丰富图书馆信息资源内容的相应对策。算例分析和实验比较,验证了该粗糙集智能评价模型的有效性与优越性。     

基于粗糙集的决策表最小化方法研究

本文介绍了粗糙集的基本理论,及基于粗糙集的知识获取理论模型,并运用这一模型对企业人才引进案例进行分析,通过决策表约简,剔除冗余属性、消除过剩规则,最后得出了属性约简的最小化结果以及决策规则。