基于粗糙集理论的经济圈交通枢纽灰色关联分析评价

经济圈交通枢纽综合评价中存在信息不确定、定性评价指标较多的问题,而传统的评价方法虽然简单直接,但容易受到主观因素的众多干扰。提出了一种基于粗糙集的灰色关联分析综合评价方法,将基于粗糙集理论的指标赋权法与灰色关联综合评价相结合,通过粗糙集理论对指标进行约简并给出较为客观的指标权重,得出综合评价模型以及相应的算法;通过算例说明了该方法的有效可行。     

粗糙集理论的一种新扩充模型

粗糙集的扩充模型主要有容差关系和相似关系两种，以及这两种模型的改进形式。在此基础上，提出了改进型的限制容差类关系模型，使得其分类更加合理，对这种关系模型的两种特殊情况进行了分析和证明，并提出了基于这种模型的一致性检验和冗余属性删除的方法。     

基于粗糙集理论的轨道交通枢纽换乘可拓评价

运用粗糙集理论对轨道交通枢纽换乘评价指标进行约简得到各个指标的重要性和权重,利用物元分析法建立指标性参数的评定模型,结合关联函数进行可拓分析,对轨道交通枢纽换乘进行可拓评价。以北京轨道交通的4个换乘枢纽站为例说明该方法的合理性和有效性。研究表明:基于粗糙集的轨道交通枢纽换乘的可拓评价方法,能够对轨道交通换乘系统质量进行全面正确的评价。     

基于粗糙集理论的BRT运营服务水平可拓评价*

BRT运营服务水平的分析与评价对城市快速公共交通系统的规划与管理起着重要的指导作用。传统的评价方法其权重确定虽然简单,但往往受主观因素影响,鉴于此,采用粗糙集理论对指标进行约简得到各个指标重要性和较为客观的权重,结合物元分析法建立指标性能参数的评定模型,利用关联函数进行可拓分析,对快速公交运营服务水平进行可拓综合评价。通过实际算例来说明该方法的合理性和有效性。研究结果表明：基于粗糙集的 BRT运营服务水平可拓综合评价方法,能够对快速公交系统服务水平进行全面正确的综合评价。     

数据挖掘技术在高校学生成绩分析中的应用

数据挖掘是数据仓库技术中的重要技术之一,也是计算机行业中发展最快的领域之一,它使数据库技术进入了一个更高级的阶段,并迅速扩大成为一个独立的领域。在讨论目前高校教学中存在问题的基础上,简单介绍粗糙集理论及数据挖掘技术。以高校学生成绩为例,提出基于粗糙集理论的数据挖掘技术在高校学生成绩分析中应用的解决方案。     

基于粗糙集属性理论和差分进化算法的交通事故黑点成因分析

道路交通事故黑点作为交通事故的高发段,造成了大量的人员死亡和财产损失.文章首先运用粗糙集属性理论对诱发交通事故的因素进行评价分析,接着采用差分进化法筛选出主要影响因素,提出相应治理措施,并以兰州市滨河路交通事故黑点分析为例进行了说明,验证了该方法的实用性.     

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．     

基于粗糙集理论的模糊控制规则的获取方法

将粗糙集理论与模糊逻辑技术相结合，提出了一种通过测量数据来获取模糊控制规则的方法。基于MATLAB／SIMULINK环境及其模糊逻辑工具箱，并结合粗糙集数据分析软件ROSET—TA，应用MATLAB语言实现了粗糙-模糊控制器控制规则的自动获取．通过对一个典型的二阶系统的仿真和对比分析，验证了本方法的可行性和有效性．     

基于粗糙集理论的数据算法在模具评价中的应用

粗糙集理论是一种软计算方法，可以有效地分析和处理不完备信息．介绍了粗糙集理论的产生和发展，粗糙集理论概述，粗糙集理论的特点，研究了基于粗糙集的数据发掘算法CRCG，并将其应用于模具设计质量评价．     

基于粗糙集理论的模糊信息系统知识发现研究

在带有不确定性的数据资源上进行知识表示和知识获取是智能信息处理中的关键问题之一。如何在信息不完全、不精确或模糊的情况下，根据已有的数据获取知识，一直是学术界关注的焦点。     

基于Rough集理论的增量式数据挖掘算法

提出一种求精简规则的带支持信息的增量式算法IDMA,该算法改进了传统挖掘算法的缺点,可充分利用已挖掘出的规则集来对新增实例进行决策规则挖掘,同经典Rough集挖掘算法比较,算法IDMA计算过程简单,而且效率较高.     

A Generalized Rough Set Approach to Attribute Generalization in Data Mining

This paper presents a generalized method for updating approximations of a concept incrementally, which can be used as an effective tool to deal with dynamic attribute generalization. By combining this method and the LERS inductive learning algorithm, it also introduces a generalized quasi-incremental algorithm for learning classification rules from data bases.     

一种基于Rough集的序列粒模型的构建

均对粒模型的构建问题,提出了基于Rough集的一种粒表示方法:文章首先对于时间序列作了粒的描述,采用SAX符号表示不仅因为它的适用于粒的描述,更重要的是为后面的逻辑推理打下良好的基础.然后用基于SAX距离的相似性找出相近的模式,利用Rough集的规则发现算法找出关联规则.通过实验证明,本文中所提出的时间序列挖掘方法以及时序粒挖掘的算法基本上可满足实际时序挖掘的需要.     

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.     

用粗集理论挖掘项目审查(评估)中的专家共识

为了改进现有的评估方法。在项目审查(评估)中，采用基于决策表的粗糙集模型算法。从众多专家的决策中找到潜在地存在于各个决策中的、公认的决策共识作为项目审查的依据和最终结果．应用该算法可以找出条件属性集中对决策最为重要的影响因素，确定实际应用中的数据采集规则．提出采用条件属性集的约简作为新的条件属性集的方法，以降低决策的复杂性，防止决策者个体的舞弊行为．     

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。     

用于数据分析的变精度模糊粗糙模型

利用模糊集理论扩展Ziarko的变精度粗糙集模型,得到变精度模糊粗糙数据模型(VPFRDM).以属性重要性为启发式信息,提出了模糊信息系统中的属性约简方法.通过计算各模糊模式类相对于决策类的分类能力,生成相应的模糊规则.仿真实验表明,与Ziarko的变精度粗糙集方法相比,VPFRDM具有更好的数据概括能力.     

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。     

粗糙集代数与格蕴涵代数

讨论粗糙集代数与格蕴涵代数的关系以及由粗糙集代数构造格蕴涵代数的方法．借助近似代数上的原子及同余关系，证明了在适当选取蕴涵算子及余运算之后，粗糙集代数就成为格蕴涵代数。     

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.