一种知识距离的集值信息系统属性约简算法

在研究集值信息系统和知识距离性质的基础上,提出了一种基于知识距离的集值信息系统属性约简算法.该算法首先利用知识距离来描述知识间的差距,进而度量集值信息系统模型的划分和知识粒度的大小,然后根据知识距离的性质有效的判定集值信息系统模型的宽松度和属性重要性.最后通过理论分析和实例的结果表明,该算法降低了时空复杂度,从而提高了算法的运行效率.     

基于粗糙集理论的决策系统属性约简

介绍了粗糙集理论的基本概念,包括等价关系、划分、条件信息量等．介绍属性约简的原理,在此基础上提出了基于条件信息量的数据约简方法,优选出有用的属性,并通过实例表明该方法是可行和有效的．     

一种改进的最小属性约简算法

最小属性约简是粗糙集理论中的一个重要内容,通过对属性约简算法的研究,指出基于U/{a}划分的最小属性约简算法中的不足,并提出了一种改进的最小属性约简算法.该算法以基于等价类的方法对论域进行压缩,有效地降低了算法的空间复杂度,用基于核的方法求解最小约简,从而保证可获得最小约简.实验结果表明,该算法具有复杂性低、存储空间小和效率高的特点,是一种有效的最小属性约简算法.     

基于粗糙集的最小规则生成算法

讨论了可辩识矩阵的内容的深层次含义,分析了它与属性值约简的关系,并提出了一种利用可辩识矩阵实现属性值约简的方法,分析了利用可辩识矩阵实现属性约简和属性值约简的方法,设计了基于可辩识矩阵的最佳约简的算法,使得属性约简和属性值约简得以一致计算,使知识推理过程变得统一且相对简单.     

基于评价指数的属性约简算法

从粗糙集理论出发,提出可分辨关系和对象差异矩阵的概念,并以此为基础构造出基于评价指数的属性约简算法.算法采用自底向上的方法,利用属性的评价指数作为启发式信息,求得属性集合的约简.在多个UCI数据集上进行试验,理论分析和实验数据表明,文中提出的属性约简算法是有效、可行的,具有较高的效率.     

基于粗糙集和混合聚类法的决策表约简算法

在分析粗糙集理论、分层聚类算法和k-means聚类算法的基础上,提出一种基于粗糙集和混合聚类法的决策表约简算法,该算法首先是使用基于分层聚类的k-means混合聚类法离散化决策表中的连续属性,然后利用粗糙集理论对离散后的决策表进行属性约简,得到决策规则集,并通过在铁路客运量预测系统中的应用验证了算法的可行性和有效性.     

基于评价指数的属性约简算法

从粗糙集理论出发,提出可分辨关系和对象差异矩阵的概念,并以此为基础构造出基于评价指数的属性约简算法.算法采用自底向上的方法,利用属性的评价指数作为启发式信息,求得属性集合的约简.在多个UC I数据集上进行试验,理论分析和实验数据表明,文中提出的属性约简算法是有效、可行的,具有较高的效率.     

基于粗糙集的最小规则生成算法

讨论了可辩识矩阵的内容的深层次含义，分析了它与属性值约简的关系，并提出了一种利用可辩识矩阵实现属性值约简的方法，分析了利用可辩识矩阵实现属性约简和属性值约简的方法，设计了基于可辩识矩阵的最佳约简的算法，使得属性约简和属性值约简得以一致计算，使知识推理过程变得统一且相对简单．     

基于可分辨重要度的属性约简算法

在可分辨关系和分辨强度指数概念的基础上,构造出“基于可分辨重要度的属性约简算法”．算法采用自底向上的方法,利用启发式信息可分辨重要度SIG作为属性选取的依据．算法无需生成中间结果,并将相关的逻辑运算转换成矩阵运算,从而达到降低系统时空开销、有效处理大规模数据的目的．理论分析和UCI数据集的测试结果表明,文中提出的算法有效、可行．     

决策表的正域约简及核的计算

为降低计算的复杂度,基于正域约简的定义,研究了决策表的约简方法及核的计算方法,构造了关于决策表对象的区分条件.探讨了该条件下正域约简与区分属性集合的关系,借助区分矩阵与区分函数提出了一种完备的约简方法,并且区分矩阵的构成无需计算正域,可直接由决策表产生.     

基于Rough熵的决策表约简算法研究

知识约简是Rough 集理论研究中的核心内容之一,已证明求决策表的最小约简是NP-hard问题,解决办法一般是采用启发式算法.本文分析了信息熵在Rough集理论中的应用,利用Rough熵定义了决策表中条件属性的相对重要度,讨论了其性质,在此基础上提出了一种用于计算决策表中的相对约简的启发式算法.     

一种基于Rough集的案例推理模型的构建

利用Rough集理论处理案例推理问题具有不需要外界信息和先验知识的优点,对案例库中冗余属性进行简化,能够起到优化案例库的作用,同时能够依赖于统计知识提炼规则并形成多个有效的案例索引,在进行案例检索时可针对不同的检索问题选择恰当的索引快速检索到相似的案例,并进行推理得出相应的问题解决方案.最后,以稀土萃取分离生产过程的产品纯度和料液处理量等生产指标的智能优化设定控制为例,验证了该模型的可行性和精确性.     

基于粗糙集理论的模型结构选择与知识发现

为了合理选择决策模型，提出了一种基于粗糙集理论获取模型选择知识并利用获取的知识选择模型的方法．通过随机设定模型参数，得到备选模型的属性值为连续值的决策表；通过设定误差范围，获得决策表中对象之间的关系；利用该关系和粗糙集理论，对决策表进行属性约简，获得决策规则；按该决策规则进行推理，实现智能决策的模型选择．实例表明，该算法是可行的。     

基于粗糙集和遗传算法的驼峰超速连挂事故分析

驼峰超速连挂事故受多种因素影响,运用粗集相关理论分析线路、调速设备和车流等事故因素,引入遗传算法进行属性约简,得到包括驼峰设计和运营线路纵断面变化、调速设备合理配置和新型重载车辆等几个关键影响因素。通过对影响因素分析能够在决策时给出科学依据,以此降低或避免事故发生的可能性。     

基于粗糙集的相邻交叉口信号控制方法研究

复杂交通区域的交通状况难以利用具体模型直接描述,而粗糙集理论能够在分析大量经验数据的基础上找到用于决策的规则。以交大东路上的行人和机动车为研究对象,提出一种基于粗糙集的信号配时算法,对交大东路上的两个相邻交叉口的信号灯进行控制,提出控制规则,对该复杂交通区域进行优化和疏导,是对多交叉口交通管理与控制的一次有益尝试。     

基于信息墒的交通运行指标分析方法

实践中,交通工程师会采用不同的指标来分析道路上同一时空节点的交通运行状态.不同的运行指标从不同的侧面描述交通运行的实现过程,各指标作为同一交通运行现象的外部特征表述,不可避免的存在对交通运行状况刻画程度上的差异.从信息论的角度来认识这一问题,对于同一交通运行信息源各指标所包含的信息量不同,文中通过引入信息熵方法,量化不同运行指标对交通运行状态的刻画程度,并通过案例对指标信息熵值的判定和排序进行解释和分析,研究表明该方法可广泛应用于不同环境下运行指标的筛选.     

Properties and Relations of Several Operators Based on Covering Rough Sets

The covering rough sets theory is a generalization of traditional rough set theory,and can also describe information with incompleteness and fuzziness in information systems.In this paper,we first provide the definitions of several upper and lower covering approximation operators on the covering approximation space.Then,we study the properties of these operators.Finally,we propose the mutual relations between approximation operators and similar relations of the operator(Ⅰ)based on the covering rough sets.     

L-Fuzzy Rough Set Based on Complete Residuated Lattice

Residuated lattice is an important non-classical logic algebra, and L-fuzzy rough set based on residuated lattice can describe the information with incompleteness, fuzziness and uncomparativity in information systems. In this paper, the representation theorems of L-fuzzy rough sets based on residuated lattice are given. The properties and axiomatic definition of the lower and upper approximation operators in L-fuzzy rough sets are discussed.     

A Generalized Rough Set Modeling Method for Welding Process

Modeling is essential, significant and difficult for the quality and shaping control of arc welding process. A generalized rough set based modeling method was brought forward and a dynamic predictive model for pulsed gas tungsten arc welding (GTAW) was obtained by this modeling method. The results show that this modeling method can well acquire knowledge in welding and satisfy the real life application. In addition, the results of comparison between classic rough set model and back-propagation neural network model respectively are also satisfying.     

基于粗糙集和贝叶斯分类器的病毒程序检测

在病毒程序检测中将粗糙集与贝叶斯分类器相结合．该方法在粗糙集属性约简的基础上，综合考虑了条件属性和决策属性的依赖性以及条件属性间的依赖性对约简的影响．通过基于依赖性的属性约简，减少对属性变量间独立性的限制，发挥贝叶斯分类器的鲁棒性潜能，优化贝叶斯分类器的特性．实验结果表明，检测率达到97．88％，正确率为97．16％，明显高于传统的基于特征和RIPPER的方法，也高于多贝叶斯方法；虚警率为5．19％，也比上述所有方法均有所降低．