基于不完备信息系统的Rough Set决策规则提取方法

对象信息的不完备性是从实例中归纳学习的最大障碍。针对不完备的信息,研究了基于不完备信息系统的粗糙集决策规则提取方法,利用分层递减约简算法,通过实例有效地分析和处理了含有缺省数据和不精确数据的信息系统,扩展了粗糙集的应用领域。

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法。数据挖掘研究的实施对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便。关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点。粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取。该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的。

基于Rough集的空间属性数据挖掘的研究与实践

介绍了地理信息系统(GIS)的概念,深入研究了空间数据库的特性,探讨了Rough集理论,分析了Rough集合和空间数据的关系,讨论了差别矩阵的概念和算法,应用信息熵和模糊数学理论,给出了空间数据库属性数据的数据约减和数据挖掘算法。最后分析了一个应用事例,从而验证了算法的可行性。

Rough集在企业数据挖掘中的应用

企业信息系统中收集到的大量数据往往是不完备的,引入相似关系定义不完备信息系统的分明矩阵,采用分明矩阵的简化方法计算约简,对每个约简中的不完备数据,按照对象条件属性值相对决策属性取值的先验概率进行完备化,完备化后的信息系统生成了一组决策规则,这些规则不但存在冗余而且规则解释能力低,按照特征描述逐步挖掘规则并给出了挖掘所有最简决策规则的算法.整个过程中,通过客户信息资料描述一系列过程,验证了新的信息系统完备化方案以及挖掘算法的合理性和有效性.

基于Rough集理论的分布式知识获取模型

分布式知识获取是当前数据挖掘研究领域的热点问题之一。为了利用Rough集理论获取分布决策表中的知识,提出了一个基于Rough集理论的分布式知识获取模型,并讨论了数据在粗糙分布式环境下,运用信息抽取算子及知识生成算子获取全局决策规则的方法。这些理论与方法扩展了Rough集理论处理多数据源的知识获取问题。实例证明了这些方法的可行性。

基于Rough集的信息约简方法

本文主要针对Rough集理论本身以及基于Rough集理论的信息表的约简方法进行研究。并在原有的Rough集理论关于信息表约简方法的基础上提出了一种新的信息表约简的方法-简单相异矩阵法。

基于Rough集的信息约简方法

本文主要针对Rough集理论本身以及基于Rough集理论的信息表的约简方法进行研究。并在原有的Rough集理论关于信息表约简方法的基础上提出了一种新的信息表约简的方法-简单相异矩阵法。

数据驱动的犹豫模糊语言信息策略优先权排序方法

数据挖掘使得决策者获取信息更为方便有效。本文在冲突分析图模型理论框架下,首先基于数据对冲突策略进行挖掘,实现了冲突策略的合理构建。其次,考虑到现实冲突中决策者对某策略的选择更多表现为一种被选择的可能性,将犹豫模糊语言信息和冲突分析图模型理论进行有效交叉融合,采用犹豫模糊语言信息进行评估,并基于粗糙集思想对犹豫模糊语义评价信息进行集结以代表这种可能性;进一步地,提出一种新的基于犹豫模糊语言信息的冲突分析图模型策略优先权排序法。最后,对沭河跨境水污染进行建模分析,对沭河水污染治理提出建议,并且就状态排序结果对比了新旧两种方法,结果验证本文提出方法的合理性。

数据挖掘技术在交通事故分析中的应用

结合关联规则与粗糙集的思想,提出了基于偏好信息的决策规则约简算法,并将该算法应用于长春市历年的道路交通事故数据分析中,从而找出交通事故发生的潜在规律.

粒计算研究综述

粒计算(granular computing)是当前计算智能研究领域中模拟人类思维和解决复杂问题的新方法.它覆盖了所有有关粒度的理论、方法和技术,是复杂问题求解、海量数据挖掘、模糊信息处理的有效工具.首先回顾了粒计算研究和发展状况,介绍了粒计算的基本组成和问题,综述了粒计算的基本模型和方法,并讨论了它们之间的相互关系,最后探讨了构建统一的粒计算模型、复杂问题空间的粒化、粒层之间的转换、高效的粒计算方法、新的粒计算模型、动态粒计算模型、自主粒计算模型、粒计算方法的模糊化以及粒计算模型的应用和推广等几个方面的关键问题.

基于粗糙集理论滑坡影响因子评价研究——以三峡库区青干河流域为例

运用地理信息系统和遥感技术,从LandsatTM遥感图像获取了一系列滑坡及其影响因子数据。结合粗糙集理论,对三峡库区秭归县青干河流域滑坡发生的影响因子进行了分析,提取了一组基本的滑坡影响条件属性因子,并导出了基于该因子集合的判断滑坡与非滑坡的规则集。研究结果表明,所选择的坡度、高程、斜坡类型、植被指数和岩石地层单元等5个条件属性因子对滑坡是重要的影响因素(核);由粗糙集生成的对预测滑坡相对较有价值的11条决策规则中,3条主要决策规则可作为滑坡影响因子的评价规则。

基于农业信息数据元表示的数据挖掘

文章提出了一种基于农业信息数据元表示的数据挖掘方法,论述了农业信息数据元表示以及粗糙集理论的基本概念,并对基于粗糙集理论的挖掘模型的建立过程以及挖掘过程进行了阐述。

粗糙集理论框架下的神经网络建模研究及应用

为协调决策支持和分类,引入了一种新的方法,该方法将粗糙集理论和神经网络有机地结合在一起,提出了一种基于粗糙集理论的神经网络模型构造方法.首先,利用粗糙集理论智能数据分析的能力,对神经网络进行预处理,抽取关键成分作为神经网络的输入,从而确定粗糙神经网络的初始拓扑结构.在此基础上,进一步研究和分析了该模型的实现步骤,并应用原始数据对网络进行训练,最后将该模型应用于分类规则的抽取.试验结果比较表明,该模型可以有效地提高分类的精度.

信息系统中一种面向粗糙集的数据挖掘方法

数据挖掘技术是信息系统的一个重要研究内容 ,它可以从大量数据中自动发现对决策有帮助的知识。许多数据挖掘技术仅仅适用于精确集 ,不适用于粗糙集 ,而现实中粗糙集是普遍存在的现象 ,因此开发出一种面向粗糙集的数据挖掘技术在信息系统的研究领域具有重要意义。本文结合粗糙集理论提出了一个信息系统的粗糙集模型 ,在此基础上设计出一个属性约简方法及从粗糙集中发现规则的算法 :Apriori_2。

基于可拓集的企业数据挖掘应用方案初探

数据本身的质量差造成数据挖掘结论的可信度低已经成为影响数据挖掘应用的重要因素,针对不完备数据设计的清洗算法、容忍算法等都不能从根本上解决这个问题．通过深入分析这一矛盾现象的原因,对企业数据建立物元可拓集合,提出基于可拓方法的数据挖掘企业应用方案．以数据挖掘所需的完备数据集做为条件物元,发现数据质量差距,以事元“数据挖掘咨询”促使物元集可拓域的发展变换,推出以数据挖掘应用咨询带动数据质量改进的措施,从而解决了数据质量的矛盾问题,使数据质量不高的企业也可以实施数据挖掘项目,提高信息决策水平．

基于信息增益的最佳属性集发现方法

怎样挖掘出简洁、紧凑、易于理解和有效的分类规则一直是研究人员和领域专家所面临的问题 .而通过发现最佳属性集是解决该问题的一种有效途径 .本文在 Rough集理论的基础上 ,将单属性信息增益概念扩充为多属性的情况 ,并引入到最佳属性的发现中 .实验表明 ,该算法能够挖掘出简洁易于理解和使用的规则 。

基于粗糙集理论不完备信息系统的数据挖掘

提出了一种基于推广的粗糙集理论直接在不完备信息系统上进行数据挖掘的方法 ,并给出了该方法的算法和实例 .该方法利用粗糙集理论直接对不完备信息系统进行知识约简 ,然后根据获得的约简集建立知识层次树 ,利用规则的支持度阈值s0 和置信度阈值c0 从知识层次树的压缩搜索空间中提取不完备系统的规则集 .该方法保持了原始数据和数据挖掘所获得的知识的真实性 .另外 ,还提出了知识规则的上、下支持度 ,上、下置信度 ,规则粗糙度等概念 ,以便指导用户更好地利用数据挖掘所获得的知识 .

不完备数据分析方法(ROUSTIDA)的改进算法

针对在实际问题中,数据库中的数据经常受到各种因素的干扰,待处理的数据常有某种程度的不完备的情况,基于粗糙集理论,对不完备信息系统的完备化进行了研究。提出了改进的ROUSTIDA算法,改善了原算法对某些缺失数据不能处理的情况,分别提出了相应的策略,扩充了原算法的适用范围,同时可以在填充时避免不一致信息的产生,对下一步的数据挖掘作好了充分的数据准备。

不完备信息系统的数据挖掘方法研究

根据分层递阶约简算法,提出了一种直接在不完备信息系统上进行数据挖掘的方法。该方法首先将信息系统中由所有属性构成的单层知识表示转变成由部分属性所构成的多层知识表示,即由完备属性和不完备属性表示;然后建立了两个不同层次的子系统,并推导出各个子系统的规则集;最后,将该方法应用于心脏病诊断系统的研究。仿真结果证明,该方法具有较强的实用性和有效性,并能提高知识约简的速度。

基于粗规则对象空间信息表的最小规则集生成

提出了粗规则对象空间信息表的概念、相关概念和性质 ,并给出实现粗规则最小化算法。基于此 ,编写了相应的计算机程序 ,并对一个地理信息系统实例规则进行了研究。实例表明运行可靠、结果正确 ,可应用于智能决策信息系统的知识库优化。