基于粗糙集的数据概化算法

应用粗糙集理论对大型数据库中的数据概化进行了研究，提出了对数据的动态概念层次划分算法，用以对相关数据集进行属性约简，并在此基础上挖掘概化特征，动态维护概念层次树。

一种基于粗糙集的多层次、逐步求精的发掘算法

数据量的巨大和高维、用户交互与先验知识的利用等等是KDD（数据库中知识发现与数据发掘）面对的问题和难点，该文针对这些问题提出了一种基于概念普遍化和粗糙集的多层次、逐步求精的发掘算法CRCG。该算法利用概念普遍化和粗糙集对数据进行压缩和维数精简的特长，达到高效发掘感兴趣模式的目的。

用探测性的归纳学习方法从空间数据库发现知识

将探测性数据分析、面向属性的归纳和Ｒｏｕｇｈ 集方法结合起来，形成了一种灵活通用的探测性归纳学习方法ＥＩＬ，可以从空间数据库中发现普遍知识、属性依赖、分类知识等多种知识。同时提出和总结了多种生成空间数据库概念层次结构的方法用于归纳学习。

数据集划分及关联规则挖掘

介绍了一种根据数据集中项目的概念层次，利用变精度粗糙集模型对数据集进行划 分的方法，设计了相应的关联规则挖掘算法及并行算法，并通过测试分析了算法的挖掘效率 和影响挖掘效率的主要因素。

云概念格的定义、性质与应用

为改善概念格对不确定性形式背景的处理,在分析现有概念格及其改进模型的基础上,将云模型引入概念格,提出一种新的格结构——云概念格,通过云形式背景实现了多值背景与单值背景、不确定性背景与精确背景的统一。同时证明了云概念格的若干性质,讨论了云概念格在数据挖掘中的应用,并结合实例给出基于云概念格的关联规则挖掘算法。

基于扩展概念格模型的文本分类规则提取的研究

文本分类是信息检索与数据挖掘领域的研究热点与核心技术,近年来得到了广泛的关注和快速的发展。概念格是规则提取和数据分析的有效工具,然而概念格的构造效率始终是概念格应用的一大难题。本文研究了基于扩展概念格模型的文本分类规则提取,利用粗糙集和扩展概念格模型来进行分类规则提取。该方法利用概念树,极大地除去了冗余的概念,只需要建造很少的概念就能够提取出全部的分类规则,不仅效率较高,而且同时提取的分类规则与概念格相同。本文算法在MATLAB7.0的环境中运行的实验表明,查全率比KNN算法和SVM算法稍低,但是查准率比它们都高,因此该分类规则用于文本分类时效果与KNN和SVM相当。

模糊属性集的粗糙上下近似研究

在知识发现和数据挖掘领域,粗集理论与模糊集合理论都是研究信息系统中知识不完备、不准确问题,两者都可利用观测数据表达知识,进行推理。论文针对传统粗集环境下知识表示模型用固定的属性及属性值来描述对象这一局限,提出利用模糊属性模型对知识表达系统进行信息描述,并给出了模糊属性集的粗糙上下近似模型。

基于粗糙集理论的数据发掘算法

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。本文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 ,该算法利用概念普遍化和粗糙集对数据进行压缩和维数精简的特长 。

一种基于粗集的文本数据特征信息的挖掘方法

1.引言 随着Internet的飞速发展,人们的信息交流越来越多地依赖于网络,人们在网上发表自己的意见和见解、相互讨论各种问题、交流情感和思想.在网上传输的这些数据中,大量涉及到的是文本数据,网络应用的普及使得文本数据呈现出高速膨胀的态势,面对浩瀚的文本大海,人们迫切需要快速、准确地从需要的文本数据中了解其观点、思想或热点问题等等.例如,在远程教育中,教师可能面对的是成百上千个学生,教师希望快速地从学生的讨论和交谈中寻找学生集中关心的问题,以便及时回答和调整教学.又如,出于国家安全的考虑,需要对类似于BBS的公众论坛的文档进行鉴别,以便进行有效地监督和管理.以上问题所涉及的都需要高效、快捷地对文本数据进行特定的信息挖掘.

基于粗集理论和神经网络的集成化数据挖掘方法研究

为了从大型数据库中获取有用的知识 ,本文提出了一种基于粗集理论和神经网络的集成化数据挖掘方法 .论文以所提出的研究框架为基础 ,首先给出了一种改进的粗集属性约简的算法和消除冗余属性的方法 ,进而采用面向对象的概念泛化进一步对数据库进行属性约简 ,最后用相似权值法得到产生式规则 ,并将所得规则用决策树来表示 .通过一个完整的应用实例演示了本文方法 。

基于三支决策粗糙集的概念漂移研究

随着大数据时代的到来,数据挖掘已经成为研究热点,概念漂移作为数据挖掘领域所面临的挑战之一,也越来越受到人们的关注。针对传统基于经典粗糙集的概念漂移探测研究不关注边界域上的概念漂移现象、不具有容错性的问题,提出了基于三支决策粗糙集的概念漂移的探测算法,该算法将概念漂移的探测拓展到了三支决策粗糙集领域,将正域概念漂移探测的意义推广到了边界域上,认为边界域上的概念漂移现象也是值得研究的且具有实际意义的。利用三支决策粗糙集能够有效模拟人类智能的不确定性和非精确性的特点,增加了该概念漂移算法的容错性。最后,通过实验验证了该算法的可行性。

基于粗糙集的数据挖掘系统在安全决策中的应用

我国许多大、中型煤矿都建立了通风安全监测系统、井下突水监控系统、井下煤与瓦斯突出监测系统等煤炭安全决策系统,这些系统中积累了大量的原始数据。如何将数据演变成可以科学决策的信息是煤矿安全生产要考虑的问题。粗糙集理论作为能够定量分析不确定和不完备信息与知识的方法,为数据挖掘提供了一种新的方法。为了更好地解决在决策表不完备和不一致情况下的推理和决策问题,提出了一种基于属性简约的缺省规则挖掘模型。最后设计出了基于粗糙集的数据挖掘系统,将其应用到井下工作面瓦斯涌出量数据挖掘分析中,取得了不错的效果。