Risk Analysis Technique on Inconsistent Interview Big Data Based on Rough Set Approach

Rough set theory is relativly new to area of soft computing to handle the uncertain big data efficiently. It also provides a powerful way to calculate the importance degree of vague and uncertain big data to help in decision making. Risk assessment is very important for safe and reliable investment. Risk management involves assessing the risk sources and designing strategies and procedures to mitigate those risks to an acceptable level. In this paper, we emphasize on classification of different types of risk factors and find a simple and effective way to calculate the risk exposure.. The study uses rough set method to classify and judge the safety attributes related to investment policy. The method which based on intelligent knowledge accusation provides an innovative way for risk analysis. From this approach, we are able to calculate the significance of each factor and relative risk exposure based on the original data without assigning the weight subjectively.

粗糙集理论与应用研究综述

在阐释粗糙集理论基本体系结构的基础上,从多个角度探讨粗糙集模型的研究思路,分析粗糙集理论与模糊集、证据理论、粒计算、形式概念分析、知识空间等其它理论之间的联系,介绍国内外关于粗糙集理论研究的主要方向和发展状况,讨论当前粗糙集理论研究的热点研究领域以及将来需要重点研究的主要问题.

粒计算的集合论描述

粒计算的形式化研究一直没有被仔细讨论.文中在集合论框架下,对粒计算做了系统研究,给出了粒度空间的三层模型(论域,基,粒结构).借用逻辑语言L判定粒的可定义性,将经典粗糙集通过此模型重新解释.根据模型中从基到粒结构不同的构造规则,引出并可约和交可约粒度空间的定义,分别讨论了不同粒度空间下覆盖、基和粒结构的关系,从而给出从覆盖求基的方法;进一步,利用子系统表示方法对扩展粗糙集以及一般的交可约与并可约空间的上下近似进行了研究,分析了现有的4种基于覆盖的粗糙集模型的合理性;研究了形式概念分析以及知识空间的粒度空间模型,给出这两种理论中上下近似的概念.

形式概念分析对粗糙集理论的表示及扩展

侧重于建立形式概念分析与粗糙集之间融合的理论基础.利用形式概念分析中名义梯级背景(nominal scale)的概念,对信息系统进行平面梯级(plain scaling)得到了衍生的形式背景.证明了粗糙集理论中的划分、上下近似、独立、依赖、约简等核心概念都可以在相应的衍生背景中进行表示.揭示了粗糙集理论在分析处理数据时的局限性,指出了利用梯级的方法可以扩展粗糙集理论.

基于广义粗集覆盖约简的粗糙熵(英文)

在广义粗集覆盖约简理论中,由于集合的上下近似是由其覆盖约简来确定的,因此有必要寻求一种新的度量来刻画知识和粗集的粗糙性.通过引入信息熵以刻画广义粗集覆盖约简的知识粗糙性以及粗集粗糙性,提出了一种新的知识粗糙性和粗集粗糙性度量.得到知识粗糙熵和粗糙集的粗糙熵都随广义覆盖约简的变细而单调减少的结论,从信息论观点出发,对不完备信息系统粗集理论进行了探讨.

基于粗糙集理论的概念格属性约简及算法

粗糙集理论在数据分析中善于解决约简冗余属性与对象、寻求最小属性集等问题,而约简概念格是形式概念知识表示中解决复杂性的重要途径。用粗糙集的方法重新认识形式概念及概念格,并把二者有机地结合起来,为概念格的约简提供了一个新的思路和方法。本文就这些问题做了一些基本的研究。

基于粒计算的认知模型

本文从粒计算的观点对人类认知过程作了详细的研究,分析了属性与对象的充分性和必要性,并建立了严格的数学模型,将直觉和推理结合在一起得到了认知过程重要的本质结果,从而给出了认知的粒化描述和新的认知模型。该模型较为准确地描述了人类的认知过程,为研究模拟人类的高级智能、形象思维能力提供了一种新的便利工具。

基于粗糙集理论的电力变压器故障诊断方法研究

为了能从完备信息中得出正确的诊断结论,并能从不完整的信息中得出满意的诊断结果,提高故障识别率,提出一种基于粗糙集理论的电力变压器故障诊断方法.给出了粗糙集的基本概念、约简计算方法和约简过程,并给出了故障诊断原理和诊断实例.实验结果表明,该方法是有效的,达到了预期目的,为电力变压器故障诊断提供了新的思路,对其他电气设备的故障诊断具有参考价值.

基于必然属性分析的粒描述

粒计算是在Zadeh教授提出的模糊信息粒化思想的基础上,逐渐发展起来的一个有效处理信息的数学工具.粒计算利用粒化信息的思想解决复杂问题,而在信息粒化的过程中通常都伴随着粒描述.所谓粒描述,是指在没有明确粒化准则的情况下如何描述目标概念或论域子集.因此,粒描述是采用粒计算思维解决复杂问题的前提和基础,进一步研究将有利于粒的理解与解释.众所周知,现有的粒描述主要集中在共性属性分析的基础上开展相关研究,其核心的理论工具是形式概念分析与粗糙集.共性属性分析刻画了粒的共性,即粒中每个对象均拥有的属性.然而,现实中一个粒具有的属性有时不单指粒中所有对象共同拥有的属性,还有可能指粒中部分对象共同拥有的属性,甚至有时只需要粒中存在一个对象拥有该属性即可.实际上,共性属性分析强调的是所有对象共同拥有的属性才是这个粒的属性.与共性属性分析不同,必然属性分析强调的是只属于这个粒的属性才是它的属性.换言之,必然属性分析讨论粒描述时,除了涉及所有对象共同拥有的属性,还可能涉及部分对象共同拥有的属性.目前,从必然属性分析的角度研究粒描述尚未被详细讨论.该文基于形式概念分析中粒的思想和粗糙集理论中上、下近似的方法对这一问题展开研究.首先,介绍了必然属性分析视角下的粒描述逻辑.其次,分别基于形式背景及其补背景研究了粒描述.具体地,利用形式背景描述粒具有的必然属性,利用补背景描述粒不具有的必然属性.此外,定义了一元描述子用来特指形式背景及其补背景的面向对象概念格中的概念内涵,进而通过一个一元描述子刻画一个一元可定义粒,将一对一元描述子作为上、下近似以刻画一个一元不可定义粒.然后,为了同时使用形式背景及其补背景的信息,提出了基于必然属性分析的三支概念格,并定义二元描述子用来特指基于必然属性分析的三支概念格中的概念内涵,进而由一个二元描述子刻画一个二元可定义粒,将一对二元描述子作为上、下近似以刻画一个二元不可定义粒.最后,比较了三种近似描述的精度.有关结论表明基于二元描述子的近似描述方法优于基于一元描述子的近似描述方法,而基于一元描述子的近似描述方法又优于基于形式背景及其补背景的面向对象概念格的方法.

基于广义粗糙集理论的旋转机械故障诊断

故障诊断规则中判断条件的冗余、不完全和不确定性不利于实际应用。采用广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行了分析处理 ,求出了进行诊断所需的关键条件 ,由相对约简得到了最优诊断规则。在工程实践中成功地诊断出了大型旋转机械的一些常见故障。

基于粗糙集理论和层次分析的数据约简

为更有效更迅速地获得大量信息中所包含的潜在知识和规律,有关数据挖掘和数据库知识发现的研究变得更为广泛和深入.结合粗糙集理论的优势和层次分析模型的特点并将两者有机地结合起来,通过在非核属性中引入重要性概念并利用简单相异矩阵,提出了基于粗糙集理论和层次分析的数据约简算法,同时证明了该算法的有效性和完备性.最后,应用该算法解决了医疗决策系统中一个数据约简问题,实现了知识和规律的挖掘,提高了数据约简的合理性.

概念格与粗糙集的数据分析方法研究

概念格和粗糙集是数据挖掘中对数据进行分析与处理的两个有力工具,它们在数据分析方面有相似之处。通过运用概念格刻画粗糙集的一些概念与性质给二者建立了联系。指出了概念格每个结点都是粗糙集中一个等价类,并借鉴粗糙集的思想,提出了在概念格中进行概念近似的方法。同时使用概念格中的概念重新描述了粗糙集的上下近似,最后通过事例将粗糙集中改进的区分矩阵运用于概念格中的属性约简,从而减少了区别矩阵的存储空间,并同时减少了区别矩阵的计算量,真正从一定意义上结合了二者的优点。

基于扩展的粒度计算的软件体系结构模型:EGSA

针对目前软件体系结构理论基础及ADL的不足 ,尤其是不支持体系结构风格自动发现的缺陷 ,通过对传统的粒度计算进行扩展 ,使其能处理粒度间结构关系 ,建立了软件体系结构模型EGSA(ExtendedGranularComputing BasedSoftwareArchitectureModel) .EGSA可表达结构多维语义 ,支持体系结构分层构造、属性分析 ,并考虑了结构信息对复合构件属性的影响 ;通过解码和模糊集运算 ,EGSA具备自动发现新的体系结构风格的能力 .EGSA是较完整的理论体系 ,为进一步的研究提供了理论工具 .

城市燃气管网的风险识别

鉴于风险识别的方法大多以定性为主而缺乏客观评价的状况,提出了一种基于故障树分析和粗集理论的风险识别方法。利用故障树分析可以全面系统地找出影响燃气管道安全的各种因素,借助粗集理论中的属性约简算法对这些因素进行属性约简,最终识别出影响城市燃气管网的风险因素,可以为风险分析评价提供必要的依据。

基于粗糙集理论的危险品运输风险分析

为解决危险品风险分析问题,利用粗糙集理论在处理不确定、不精确问题上的优势,提出基于粗糙集理论的危险品运输风险分析方法。首先,建立决策表,经化简后获得各属性的重要度,识别出影响危险品运输的主要因素与次要因素,以及主次因素所占比例;然后,利用区分函数对决策表进行约简,得出决策表的属性约简;最后,利用决策表的决策规则对原始数据进行推导,得出危险品运输事故的一般规律。结果表明,影响危险品运输事故类型的最重要因素是危险品的类型,所占比重为42.86%,其次是危险品运输的道路状况与危险品运输车辆状况,各占28.57%。在道路状况欠佳且车辆状况良好的前提下,腐蚀品发生危险品事故的严重程度要依次高于毒害品与压缩气体和液化气体。

一种基于粗集理论的概念格构造方法

概念格是数据分析与规则提取的一种有效工具 .但是在实际应用中由于需要处理的数据是海量的 ,使得直接基于概念格上提取规则的冗余度过大 ,造成机器计算时间和空间的浪费 .而粗集理论在数据预处理和不确定性规则提取等方面表现出很强的优势 .因此 ,为了减少人力物力的浪费 ,本文提出了一种应用粗集理论构造概念格的算法 。

因素空间与形式概念分析及粗糙集的比较

为将因素空间理论与形式概念分析及粗糙集理论进行比较,采用了对比分析的方法.首先,围绕数据分析、知识表示和基于广义数据的规则提取等方面,详尽地介绍了因素分析的三个重要算法;其次,将因素分析法与形式概念分析及粗糙集方法进行了系统的比较.研究结果表明:因素空间理论作为知识表示的数学理论,要优于形式概念分析及粗糙集,是数据科学的重要理论基础.

基于加权变精度容差粗糙集模型的属性约简及应用研究

对变精度粗糙集模型进行了改进,结合相容关系,提出了加权变精度容差关系模型。在此基础上,将属性重要度和信息熵相结合作为启发式信息,研究了基于属性敏感度的约简算法,克服了传统属性约简算法中仅考虑单个属性分类能力的缺陷,保证了约简的完备性。最后,以海量中医方剂数据为例,说明该模型和算法在大数据分析中的有效性。

形式概念分析与集值信息系统

形式概念分析与粗糙集理论是两种有效的知识发现工具,已在各个领域获得成功应用。本文给出了一种将形式背景转化为集值信息系统的方法,证明了形式背景分析中的对象粒协调集与由该形式背景导出的集值信息系统的协调集是等价的,并且分析了形式背景中三种不同类型的对象粒属性特征。最后给出了形式背景中属性粒的概念及相关结论。

基于聚类分析的决策表约简

基于粗糙集方法提出了一种系统的决策表约简和决策规则提取方法.为了避免现有属性离散化方法的不足,使用多元统计中的聚类分析,并借助树形图,R2、半偏相关以及伪F统计量,对连续属性进行离散化处理,得到适合粗糙集方法要求的决策表.在此基础上,简化了基于可辨识矩阵和逻辑运算的传统属性约简算法,并完善了启发式算法进行属性值约简和决策规则提取.最后,以应用实例验证了该方法的可行性和有效性.