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。     

一种基于动态降维的数据约简方法

根据数据处理形式的不同,提出基于动态降维的数据约简方法和多维度动态降维算法。通过引入数据冗余删除理论,降低数据的冗余程度;采用数据降维技术,实现数据清洗,数据结构并行,提升核心数据的知识表示能力。最后通过实验验证了本方法的有效性。     

分类规则的蚁群挖掘算法

提出了一种分类规则的蚁群挖掘算法.算法首先对所有的连续属性值离散化,得到相应的离散属性,然后让各只蚂蚁按照某种策略选择相关属性,对所选属性再选择理想的属性值,循环地构造单个规则,接着更新训练集,最终形成各类规则集.最后用新规则约简算法进行约简操作.对两个公用数据的实验及其与Ant-Miner和C4.5的对比表明,算法能够发现更好的分类规则.实验同时表明该算法是有效的.     

基于近似属性约简的信息表浓缩和规则提取

首先介绍粗糙集展性约简的概念并指出属性约简算法的优缺点，在此基础上，提出了ε—近似属性约简的概念和相应的计算方法，它可以比单纯的属性约简更有效地对冗余信息表进行浓缩并获得简洁的近似决策规则，并以一个具体的实例对此进行了分析和比较。     

基于Rough集的信息系统中的属性冗余约简

冗余是信息系统和网络的一个重要研究课题。文章通过一个实例，介绍了运用Rough集方法来约简信息系统中的属性冗余过程。     

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。     

一种信息熵属性约简的教学质量评价

教师教学质量评价对提高教学质量具有重要的指导意义,而现有的教师教学质量评价体系指标冗杂,并非都是必不可少的。以粗糙集的代数理论为基础,利用信息熵属性约简方法对教师教学评价指标进行分析、约简。通过实验表明该方法用于教学质量评价中,克服了评价指标的冗余性,简化了教学测评体系,从而对提高教学质量具有一定的指导意义。     

约简算法在商业银行CRM中的应用研究

针对银行CRM中的数据冗余大、数据挖掘效率低的问题,将基于属性约简的数据预处理方法应用在银行CRM中.使用决策表属性重要度属性约简算法简化客户贡献度决策表,实现决策表条件属性的归约.通过该算法在某商业银行CRM数据预处理过程中的实际应用,证实约简算法应用在银行CRM系统是有效可行的.     

面向属性归纳学习的经济空间数据发掘

为了获取区域经济发展的潜在规律和规则,提出一种处理经济空间数据库的信息方法,即利用离散化算法对经济空间数据库进行离散化处理后建立决策表,再通过对知识的简化和属性值的约简,从中进行数据发掘和知识发现.并以此对福建省2003年的部分经济指标数据进行了实证探讨.     

基于粗糙集的属性约简算法

属性约简是粗糙集理论研究的关键问题之一,现已证明寻找一个决策表的最优约简是N P-hard问题。本文首先介绍可辨识矩阵属性约简的基本算法并对求核算法进行了改进。在此基础上给出决策表中属性重要性的两种度量,并以此为启发式信息,提出了一种属性约简的启发式算法。最后,实验结果表明,该算法在大多数情况下能有效地获得决策表的最优约简。     

不完备信息系统的动态约简算法研究

属性约简是基于粗糙集的数据挖掘方法中最重要的思想和算法,采用经典的数据分析工具得到最小约简是一个NP问题,由此产生了许多启发式属性约简算法。对不完备信息系统中数据动态变化的问题做了研究,对已有的算法做了改进,并通过实际算例分析,验证了算法的有效性。     

一种改进的属性约简方法

属性约简是粗糙集理论的核心问题之一,寻找最优约简现已证明是NP—hard问题。本文在差别矩阵的基础上,采用贪心算法的策略,提出了一种启发式算法来寻求最优约简。该算法不仅能在有核的决策表中通过核进行属性扩充求得最优约简,而且在无核的决策袁中也能根据属性在差别矩阵中出现的频率求得最优约简。经实例验证该算法是有效的。     

Web网络信息挖掘系统的体系构建探究

针对Web网络通讯过程中存储的海量数据,运用新颖的数据挖掘技术或方法,发掘出数据中隐含的规律知识．为此提出关于web网络信息挖掘系统体系结构．阐述数据方块法、属性导向归纳法在数据预处理中的应用,深入探讨粗集属性约简算法、K—means聚类分析算法等在web网络信息挖掘系统体系的应用,提出的系统体系结构可为挖掘系统的实际研发提供有效指导．     

基于云计算的属性重要度约简算法研究

面对海量数据的信息系统,通过引入MapReduce模型,重构Map和Reduce函数,本文提出了基于云计算的属性重要度约简算法,较好地实现了海量数据集中的属性约简,为属性约简研究提供了新思路.最后,实例分析表明,该约简算法是有效可行的.     

基于属性分区的（αi，k）-p隐私保护算法

针对（αi,k）—匿名算法使用有损链接思想无法对用户身份进行保护的问题,引入属性分区置换概念,提出基于属性分区的（αi,k）-p匿名算法,对桶中QI属性采取分区、置换的方式保护用户身份信息。在人口真实数据集21 956条数据上对两种算法进行敏感值保护和会员身份保护有效性对比实验。结果表明,敏感值泄露概率最高时只刚好超过0.05,接近传统方法的1/4;在会员身份保护方面,FOR值在0.7以上。相对于（αi,k）—匿名算法,该算法能更好地保护敏感值信息和会员身份信息。     

关联规则挖掘模型在大学生评价中的应用

本文在对数据挖掘相关技术、关联规则挖掘算法进行深入研究的基础上,归纳总结了基于粗糙集理论的关联规则挖掘模型和属性约简算法,并将其成功应用于大学生评价中,为社会选拔人才提供有价值的参考。     

基于粗糙集理论的知识发现

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。目前已在人工智能、知识与数据发现、模式识别与分类等方面得到了广泛应用。介绍Rough Set理论的基本思想及分析了粗糙集方法的特点,描述一种基于粗糙集理论的知识发现步骤,并以实例作出说明。     

基于区分能力大小的决策表属性约简算法

The attribute reduction algorithms of decision table based on discernible matrix are required to construct discernible matrix, which reduces efficiency of algorithms. In this paper, the relationship between attribute discernible matrix and its discernibility is first established for general information systems. Based on the idea that the equivalent discernible matrix has a same attribute reduction, existing matrices are modified and a formula of attribute discernibility associated with algebraic reduction for decision table is proposed. A heuristic attribute reduction algorithm based on attribute discernibility is presented. Experimental results indicate that the algorithm can more easily explore an optimal or sub-optimal reduction, and is efficient.