基于粗集的最小规则集提取算法研究

粗集理论是在数据分析中对于具有不精确、模糊和不确定性进行分析、处理的一种数学理论。从该理论的基础原理出发,运用支持子集相对于决策的分类能力,提出一种最小规则集的提取算法,并给出例子分析算法过程,表明其有效性。

一种生成最小关联规则集的算法

该文旨在不丢失任何信息的情况下减少关联规则的生成数量,分析了关联规则的生成过程中如何只产生某个频繁项集对应的最小关联规则集。通过最小关联规则集中的规则就可得到此频繁项集对应所有的关联规则,在实际应用中大大地提高了用户从关联规则中提取相关信息并做出正确决策的效率。

一种挖掘最小蕴涵规则集的通用算法

给出一种挖掘最小蕴涵规则集的通用算法,该算法基于闭包运算,利用闭包运算产生所有闭集,从闭集格中导出最大∧-不可约集及其补集,然后产生最小蕴涵规则集;给出了计算所有闭集的新算法,同Ganter算法相比,该算法充分考虑闭包运算的特性,使得冗余计算显著减少,提高了算法效率。

最小化决策规则集的计算方法

在决策算法中,并不是所有的决策规则都是必要的,一些过剩的决策规则应该消去,而不影响作决策,因此,研究最小化决策规则集的计算方法是很有意义的.传统的决策算法并没有给出最小化决策规则集的形式化计算方法,为了解决最小化决策规则集的形式化计算问题,引入了最小化决策规则可辨识矩阵概念,提供了基于可辨识矩阵的基本决策规则的最小化决策规则集的计算方法.

一种交互式可约束的最小关联规则集挖掘算法

给出三类约束 ,并讨论了约束的反单调性 ,实现了一种交互式的可约束的最小关联规则集挖掘算法 。

一种基于Rough集的工程项目投标风险分析方法

针对工程项目投标过程中的不确定性和风险分析问题 ,从Rough集的基本体系出发 ,给出投标风险决策分析的知识表达系统 ,运用Rough集理论和方法对投标风险决策表的属性及属性值进行约简 ,挖掘其中隐含的知识 ,从而得出投标风险决策的最小决策算法 。

启发式属性约简算法完备性和规则发现算法的研究

寻找最小属性集已经被证明是NP难的问题,一般采用启发式的算法来寻找近似最优解。而一般文献中对启发式算法的完备性都没做深入的讨论,论文从冗余性存在的两种情况和找到的属性集可能不是最小属性约简集两方面对算法完备性问题作了研究,对几个算法的各种情况都相应地用构造性的方法给出了例子,特别定理1、2对构造例子有重要的指导作用。论文同时考虑了如何根据应用的要求求得一定程度的属性约简集。论文最后改进了规则提取的算法并详细分析了算法的优缺点。

基于Web数据挖掘的高效关联规则研究

随着网络资源越来越丰富,Web数据挖掘逐渐成为因特网上资源有效利用的研究热点。本文提出通过对因特网上非结构化数据的XML格式进行筛选等处理,然后转化为结构化数据存储在SQL Server数据库中。并在此基础之上利用关联规则发现以生成最小关联规则集来代替完全关联规则集,就可以有效地剪除弱关联规则,大幅度地减少候选频繁项目集,从而提高规则发现效率。最后,在传统经典算法Apriori基础上,利用弱关联规则的向上关闭特性设计了一个相应的高效算法。

基于数据仓库的高效关联规则的挖掘

提出在基于数据仓库的关联规则发现中生成最小关联规则集来代替完全关联规则集，最小关联规则集必须具备两个条件：(1)最小关联规则集是最小、最简单的关联规则集合；(2)最小关联规则集与完全关联规则集有相同的置信度。通过最小关联规则集，可以有效地剪除弱关联规则，大幅度减少候选频繁项目集，从而提高规则发现效率。最后，在传统经典算法Apriori基础上设计了一个相应的高效算法。

启发式值约简算法的研究与实现

在粗糙集理论的基础上,本文研究了启发式值约简的过程。本文研究的就是在属性约简完成后的启发式值约简算法,它一般先构造由约简属性集合和决策属性组成的决策表;然后利用一定的启发式信息对其进行去重操作,得到的新表将作为值约简的初始决策表;最后,判断记录中的各个属性值是否冗余,删除冗余属性值,对记录的属性值进行约简得到近似最小规则集。最终实现了其测试系统。

RS-CSA在网络故障诊断中的算法研究

针对当今网络故障诊断所存在的弊端,当发生故障时难以满足快而准的要求,误诊、漏诊率颇高,诊断数据量大,属性选取具有主观性,学习、泛化能力欠缺,故此结合粗糙集(RS)及克隆选择算法(CSA)提出一种智能化诊断方法(RS-CSA)。首先利用RS对故障样本进行预处理,求出其约简后最小规则集及客观属性权重,然后用改进的CSA构造诊断器并对待诊断样本予以诊断、学习。经实验验证其所提出的算法优于传统诊断技术,有一定的理论及实用价值。

MUPS identification based on discrimination rules

The minimal unsatisfiability-preserving sub-TBoxes（MUPS）of an unsatisfiable class C identified by two equivalent transformations,axiom splitting and ontology reduction,and three discrimination rules comprise minimal sets of axioms which support the unsatisfiability.Discrimination rules classify all MUPS into three types based on the transitivity of unsatisfiability,fully dependent on C（MUPSf）,transitively dependent on C（MUPSt）and uncertainly dependent on C（MUPSu）.The results show that the number of MUPSt is frequently a large fraction of the total number of all MUPS,but only MUPSf catches the root error of C.Modelers and domain experts conduct iterative repair work effectively,considering only MUPSf in each iteration.The classification shows the significance for the evaluation of the quality of ontologies from the perspective of maintenance and for repair work.