An Incremental Rule Acquisition Algorithm Based on Rough Set

Rough Set is a valid mathematical theory developed in recent years, which hasthe ability to deal with imprecise, uncertain, and vague information. This paper presents a newincremental rule acquisition algorithm based on rough set theory. First, the relation of the newinstances with the original rule set is discussed. Then the change law of attribute reduction andvalue reduction are studied when a new instance is added. Follow, a new incremental learningalgorithm for decision tables is presented within the framework of rough set. Finally, the newalgorithm and the classical algorithm are analyzed and compared by theory and experiments.

基于Rough set理论的增量式规则获取算法

从 Rough set理论出发 ,讨论在新增数据时 ,新数据与已有规则集的关系、属性约简以及值约简的变化规律 .并在此基础上提出一个新的基于 Rough Set理论的增量式算法 .从理论上和实验上对新算法和传统算法在算法复杂度上做了分析与比较 .

基于Rough Sets的医学诊断知识挖掘研究

针对医学诊断知识获取问题,提出了基于RoughSets理论的知识获取方法,利用该理论对数据进行分析,推理出可能规则,并提出了一种概率优化规则.通过实例分析,说明了该方法的实现步骤,包括连续信息系统的离散化、信息系统的约简、决策规则提取、决策模型生成等,讨论了知识处理的完整过程,能够有效地解决专家系统中知识获取的瓶颈问题.

Vague决策表的知识获取

本文提出一种Vague决策表的知识获取方法。首先根据样本对于决策者需求的适合程度构造Vague值之间的一个序关系,将Vague决策表转化为二元决策表,然后利用粗糙集理论进行分析并推理出最优规则,最后再将二元决策表的决策规则转化为Vague决策表的有序规则。实验分析表明了该方法的有效性。

一种基于Rough集获取规则知识的增量式学习方法

将Rough集理论应用于规则归纳系统,提出了一种基于粗糙集获取规则知识库的增量式学习方法,能够有效处理决策表中不一致情形,采用启发式算法获取决策表的最简规则,当新对象加入时在原有规则集基础上进行规则知识库的增量式更新,避免了为更新规则而重新运行规获取算法。并用UCI中多个数据集从规则集的规则数目、数据浓缩率、预测能力等指标对该算法进行了测试。实验表明了该算法的有效性。

优势决策信息系统规则获取方法及应用

鉴于已有优势决策信息系统规则获取方法存在不足,如得到规则较少、规则正确率不高等,定义优势决策辨识集和辨识矩阵,给出优势决策信息系统的属性约简方法;引入基于优势关系的粗糙集方法将对象进行优劣排序,并结合决策属性剔除不合理对象,将不协调优势决策信息系统转化为协调优势决策信息系统;提出协调优势决策信息系统的规则获取方法,该方法符合自然推理过程,直观性强,在充分挖掘系统蕴含信息的基础上,保证了规则的正确性;将该规则获取方法应用于雷达对抗目标威胁评估简单可行,并为解决属性含有"偏好信息"的决策问题提供了新的思路。

不完备区间值信息系统中的粗集理论

针对不完备区间值信息系统,提出了一种用于分类的偏序关系,并给出了计算这种偏序关系约简的实际操作方法。在不完备区间值决策系统中,根据基于偏序关系的粗糙集模型,引入了上、下近似约简的概念。上、下近似约简是保持所有决策类的下、上近似都不发生变化的最小属性子集,借此获取简化的决策规则。

基于粗糙集人工神经网络的锅炉故障诊断模型

针对锅炉这种大型特种设备,提出了一种基于粗糙集和人工神经网络集成的智能故障诊断方法。该方法先利用RS理论建立故障决策表,对原始数据进行约简,并按照一定的原则选取多个约简;然后建立神经网络故障诊断子系统,使用粗糙集处理后的数据计算出故障发生程度。研究结果表明:该方法能够正确而且高效地诊断出锅炉中各种部件的故障发生的严重程度。

粗糙集理论在智能故障诊断中的应用

神经网络和规则推理是智能故障诊断的两种重要方法。给出了粗糙集理论在这两种系统中的应用 :粗糙集—神经网络 (RNN)系统。粗糙集作为神经网络系统的预处理 ,仿真结果表明 RNN系统提高了诊断准确率和诊断速度 ;粗糙集用于故障诊断专家系统的规则获取 ,可得出确定性规则和可能性规则。结果表明粗糙集方法能处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取 ,消除故障诊断中的误报和漏报现象对诊断性能的影响。

基于粗集理论的规则知识获取技术

提出一种新的规则知识获取方法 .该方法利用粗集理论对数据进行分析 ,推理出可能规则 ,然后提出了一种概率最优准则 ,按照这种准则选择规则可以获得概率优化规则 .通过实例分析 ,具体说明了该方法的实现步骤 ,这是知识获取技术的一种新的探索 。

基于粗糙集的区间值属性决策表的有序规则获取

提出一种基于粗糙集的区间值属性决策表的有序规则获取方法。首先根据区间数之间基于可能度的序关系,将区间值属性决策表转化为二元决策表,然后利用粗糙集理论进行分析并推理出最优规则,最后再将二元决策表的规则转化为区间值属性决策表的有序规则。实验分析表明了该方法的有效性。

基于粗集理论的医学诊断规则提取方法

讨论了医学诊断的知识获取问题 ,基于粗集理论提出了完整的知识获取方法 .包括连续信息系统的离散化、信息系统约简、决策规则提取、决策模型生成等 .以十二指肠溃疡为例 ,讨论了知识处理的过程 。

基于最大粒的悲观邻域多粒度粗糙集规则获取算法

基于粒计算的规则获取在一定程度上弥补规则获取算法的缺陷,然而大多数算法仅适用于处理名词型数据.为了从多粒度、多层次的角度处理数值型或混合型数据,基于邻域多粒度粗糙集模型,通过计算邻域多粒度条件粒与决策粒,分析条件粒在规则获取过程中的冗余关系,进而通过剪枝规则获取过程中的冗余条件粒.在此基础上,设计较高效的基于最大粒的悲观邻域多粒度粗糙集规则获取算法.通过理论分析与实例对比验证算法的有效性和优越性.

基于可变精度粗糙集的驾驶员多源信息融合研究

研究了应用可变精度粗糙集获取驾驶规则的方法。该方法的特点是可以处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取。粗糙集理论一直用于研究不确定或不精确信息的数据分析问题,其主要思想是在保持分类能力不变的前提下,通过知识约简,导出概念的分类规则。而可变精度粗糙集作为对经典粗糙集理论的扩展,体现了等价类与集合的重叠度程度上的差别。给出了基于可变精度粗糙集的获取规则的方法,以驾驶过程的多源信息融合实例说明其使用方法,并验证了其有效性。

基于知识的神经网络产生式规则的获取方法研究

将连续数据离散化并将已有知识规则的依赖度作为神经网络的初始权值,构建新的网络结构并对其动态训练,给出其具体网络训练算法.从训练后的网络权值中利用正确的分类及该网络结构具有的性质,从而给出其具体的规则抽取算法,并将抽取的具有冗余性的产生式规则利用粗集理论进一步对其精化处理,最后得出最简化的产生式知识规则.充分结合神经网络及粗集理论的优点,探索两者的有机结合无疑对智能信息处理系统的研究具有重要的现实意义.

基于粗集的模糊信息系统有序规则获取

模糊信息处理是信息科学领域的一个热点和难点。针对一类带有三角模型的模糊信息系统,提出一种基于粗糙集的有序规则获取方法。证明了三角模糊数之间基于可能度的序关系是一种弱序关系,进而将模糊信息系统转化为二元信息系统,利用粗糙集理论推理出模糊信息系统的最优有序规则。仿真实例表明了该方法的有效性。

不完备不协调序决策系统的属性约简与规则提取

针对不完备不协调序决策系统,提出了广义优势决策函数的概念,给出了基于广义优势决策函数的区分矩阵属性约简算法,并获得了提取序决策规则的方法。最后,实例说明了所提出算法的有效性。

基于可变精度粗糙集的新兴技术企业信用风险识别

针对新兴技术企业信用风险评估的必要性和现有评估方法仅局限于财务指标且指标之间高度相关的缺点,借鉴了可变精度粗糙集(VPRS)模型具有噪声数据的强适应能力和强抗干扰能力的优点,提出了一类基于VPRS的新兴技术企业信用风险识别方法,并用已上市的部分新兴技术企业对其进行实证检验,检验结果表明了该方法具有较好的识别能力。该方法首先运用VPRS理论的最新研究成果,并借助于粗糙集分析软件ROSETTA,对由训练样本组成的数据关系表进行数据补缺、离散化及属性的β约简等处理,从而导出识别规则,形成识别规则库;然后集成二叉树构建一类新兴技术企业信用风险识别方法;最后用测试样本对方法的识别精度进行检验。

粗糙集规则获取在旋转注水机组故障诊断中的应用

粗糙集理论能够有效地处理不精确、不完整的数据和知识,并从中发现隐含知识,提示潜在规律。提出一种基于粗糙集理论的大型旋转机械故障诊断和知识获取模型。该模型从包含冗余和不一致信息的原始数据出发, 构建决策表,通过属性约简和基于分明矩阵的属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库。基于该模型以某旋转注水机组故障分析为例,从来自实际的经验数据获取旋转注水机组转子故障诊断的规则知识,其属性约简率可达25％,并能有效解决旋转注水机组故障诊断中规则获取的知识冗余或缺失问题,验证了其有效性。

基于粗糙集理论的规则修正方法

基于粗糙集理论分别给出了确定性决策规则和可能性决策规则的获取与修正的理论和方法 ,给出一种利用粗糙集理论解决在增加样本数量情况下的动态规则获取方法。滚动轴承的故障诊断实例证明了该方法的有效性。