Research on Statistical Relational Learning and Rough Set in SRL

Statistical relational learning constructs statistical models from relational databases, combining relational learning and statistical learning. Its strong ability and special property make statistical relational learning become one of the important areas in machine learning research.In this paper,the general concepts and characters of statistical relational learning are presented firstly.Then some major branches of this newly emerging field are discussed,including logic and rule-based approaches,frame and object-oriented approaches,functional programming-based approaches.After that several methods of applying rough set in statistical relational learning are described,such as gRS-ILP and VPRSILP. Finally some applications of statistical relational leaning are briefly introduced and some future directions of statistical relational learning and the application of rough set in this area are pointed out.

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。

改扩建公路边坡地质灾害易发性评价

为了解决公路改扩建工程需要重新选线和边坡二次开挖的安全问题,因此,针对公路边坡地质灾害进行了易发性评价。采用AHP和粗糙集理论结合的策略,应用于山西省某地公路改扩建工程,结合GIS空间分析,得到易发性评价分区图。评价指标包括岩土类型、地形坡度、地表切割密度、降雨、地震、流域河网特征、植被覆盖度,将研究区分为高、中、低易发区。结果显示高易发区占15.3%,中等易发区占42.9%,低易发区占41.8%。建议在边坡二次开挖过程中根据评价结果采取相应监测和防护措施,新建段选线尽量绕避高易发区。该方法克服了主观和客观权重设置的不足,为科学合理的边坡地质灾害易发性评价提供了基础。

应用描述词汇约简的OGC地理信息服务演绎推理

针对OGC地理信息服务在地理空间知识的有效组织和表达方面的能力比较弱,缺乏对服务信息的描述,数据丰富而知识缺乏,致使已有的数据在知识的表示和检索上存在缺陷,通过引入地理本体,按照基础地理信息要素分类,对地理信息服务的关键描述词汇进行提取,构建了地理信息服务本体库和实例数据库,应用粗糙集理论建立关键描述词汇约简模型,基于该模型实现了对地理信息服务实例数据库进行知识约简,形成最优实例数据库。最后应用地理信息服务本体库和实例数据库,基于演绎推理模型开发实例原型系统,实现了对地理信息服务对象的语义检索和推理,并通过试验从查全率和查准率两个指标验证了该方法的可行性、有效性和准确性。

面向OWS地理信息服务的描述词汇约简模型研究

地理信息服务在发展进程中缺乏对服务信息的语义描述,处于数据丰富而知识缺乏的境地,要充分利用大量的已有数据信息,则必须对数据做一些精化处理,就迫切需要一种从大数据量中发现、提取知识的有效方法。该研究以OGC网络服务(OGC Web Service,OWS)为研究对象,基于OWS服务的XML文档和描述词汇,对搜集到的OWS服务进行解析,并引入粗糙集理论的约简方法,建立面向OWS服务的描述词汇约简模型,从而对解析后的OWS服务进行约简,最终形成OWS服务最优描述词汇集,为后续OWS语义推理奠定基础。

基于粗糙集的局部同位模式挖掘算法

通过空间同位模式挖掘可发现频繁发生在邻近位置的事件集合,为揭示地理现象间的共生规律提供重要的决策支持。由于空间同位模式存在空间异质性问题,已有方法不能很好地探测出空间同位模式分布的相近性区域。为此,本文从地理属性的相近性方向探测同位模式的分布区域,提出了基于粗糙集的局部空间同位模式挖掘方法。首先,从全局视角提取不频繁的空间同位模式作为候选的局部空间同位模式;然后,对候选同位模式的实例位置进行处理,将其分布的热点区域属性作为粗糙数据集,借助粗糙集探测局部空间同位模式自然的分布区域;最后,度量在这些局部区域的频繁程度,生成所有频繁的局部空间同位模式。通过试验与应用发现,该方法不仅可以探测局部空间同位模式分布的相近性区域,还能反映同位模式分布区域的地理属性信息。

基于WEBGIS的粗糙集配电网故障定位方法

提出一种WEBGIS环境下运用粗糙集理论,并采用电话报修信息实现配电网故障定位的约简新方法。该方法以根据配电网拓扑结构形成的决策表为主要工具,对决策表进行属性约简和值约简,导出故障诊断规则,生成统一的故障诊断专家知识库表,揭示了报修信息内在冗余性。本研究运用C#语言编程实现了配电网故障诊断决策表的约简流程,结合WEBGIS平台,充分利用企业内部网络中的数据库资源,进行简单快速的故障诊断运算,实现故障区域定位可视化。算例结果表明了该方法的可行性和有效性。

空间数据挖掘的研究

空间数据挖掘(Spatial Data Mining,SDM)作为数据挖掘的一项极其重要的分支领域,广泛应用于地理信息系统和遥感等领域。文章主要研究了空间数据挖掘技术,首先简单介绍了粗糙集和遗传算法有关的方法和基本理论,其次重点阐述了获取空间数据的数据预处理方法,最后介绍了粗糙集和遗传算法数据挖掘。总之,文章提出了一种采用粗糙集和遗传算法,实现空间的数据挖掘,可以指导实际项目的实施。

集成“3S”技术的森林防火决策支持系统研究

从数据库设计、火险等级预测、火灾损失评估、空间分析、信息提取等功能模块方面,分析了基于地理信息系统(GIS)、全球定位系统(GPS)和遥感(RS)技术的森林防火决策支持系统的结构和开发环境,系统采用组件式GIS技术,成功地实现了3S与林火损失评估模型、林火预测模型的无缝集成.文章还探索地把粗集理论应用在林火等级预测中.该系统具有数据管理、更新、互查询、显示、输出和模型分析等功能,为森林防火管理提供及时的、可靠的信息支持.

GIS分析与互信息属性约简的停车库选址决策

为了使城区立体车库的选址更加合理,充分发挥其建成后对交通缓解的作用,提出了一种城区立体停车库选址决策方法.通过采用地理信息系统分析方法,建立基于地理信息系统分析的规划选址立体车库属性信息数据,运用模糊粗糙集互信息属性约简算法挖掘出立体车库的选址与多种地理因素的关系知识进行属性约简,从而用地理信息分析和演绎推理相结合的归纳学习算法生成决策树和决策规则进行选址决策的评价及分析.对兰州市规划中的立体停车库选址建模仿真,仿真结果表明该方法能较好地运用在待求解问题中,从而为智能交通系统提供参考依据.

基于模糊粗糙集理论和时空信息的空间负荷预测

空间负荷预测是城网规划领域的基础工作,目前空间负荷预测大多是依靠一些历史负荷数据来进行,却忽视了地理空间信息的影响。对于同一类用地来说,由于各小区的地理空间信息不同,其发展程度存在一定的差异,进而各小区的负荷密度也不相同,如果采用统一的负荷密度进行预测,势必会带来较大的误差。因此,该文提出一种基于模糊粗糙集理论和时空信息的空间负荷预测方法。借助地理信息系统(geographic information system,GIS)获取供电小区的空间信息,分析空间信息对各类负荷分布的影响。结合模糊粗糙集理论得到每个供电小区适合其发展的统一模糊粗糙因子(因为每类小区的统一模糊粗糙因子的划定都有其自身的标准,该统一模糊粗糙因子的大小仅适于同种类型小区间的比较),从而刻画出同类负荷间负荷密度的差异。该文所提方法能够更精确地刻画负荷发展不均衡、不协调的现象,提高空间负荷预测的精度。工程实例分析表明了该方法的实用性和有效性。

栅格空间中不确定空间拓扑关系的判别

由于空间数据具有模糊性、随机性以及不完备性等不确定性特征,空间目标之间的空间关系也具有不确定性。该文针对不确定性中的不完备性,根据粗糙集中等价类基本概念,在栅格空间中构建了不确定性面状目标(称之为地理粗糙集),基于空间拓扑关系描述的交集模型,采取定量化的方法对地理粗糙集之间的拓扑关系进行判别。此方法概念清楚,计算简单,可以较为方便地将复杂的不确定性空间拓扑关系归类为简单的拓扑关系类型,实验结果表明这种方法是有效的。