A Generalized Rough Set Approach to Attribute Generalization in Data Mining

This paper presents a generalized method for updating approximations of a concept incrementally, which can be used as an effective tool to deal with dynamic attribute generalization. By combining this method and the LERS inductive learning algorithm, it also introduces a generalized quasi incremental algorithm for learning classification rules from data bases.

Rough Sets Probabilistic Data Association Algorithm and its Application in Multi-target Tracking

A rough set probabilistic data association(RS-PDA)algorithm is proposed for reducing the complexity and time consumption of data association and enhancing the accuracy of tracking results in multi-target tracking application.In this new algorithm,the measurements lying in the intersection of two or more validation regions are allocated to the corresponding targets through rough set theory,and the multi-target tracking problem is transformed into a single target tracking after the classification of measurements lying in the intersection region.Several typical multi-target tracking applications are given.The simulation results show that the algorithm can not only reduce the complexity and time consumption but also enhance the accuracy and stability of the tracking results.

The Solution to Poor Data Bank Using Rough Sets Theory

This article states the poor database which is very common when being used them. So the demanding database must be all-round, effective collection. When the offering database is poor database, it will affect the application of Supporter Deciding. To this question, the author brings out one solution to solve the poor database basing on the Rough Sets Theory. It can scientifically, correctly, effectively supplement the poor database, and can offer greatly help to enforce the application of data and artificial intelligence.

Mining incomplete data-A rough set approach

Many real-life data sets are incomplete,or in different words,are affected by missing attribute values.Three interpretations of missing attribute values are discussed in the paper:lost values(erased values),attribute-concept values(such a value may be replaced by any value from the attribute domain restricted to the concept),and "do not care" conditions(a missing attribute value may be replaced by any value from the attribute domain).For incomplete data sets three definitions of lower and upper approximations are discussed.Experiments were conducted on six typical data sets with missing attribute values,using three different interpretations of missing attribute values and the same definition of concept lower and upper approximations.The conclusion is that the best approach to missing attribute values is the lost value type.

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.

基于Rough Set理论的“数据浓缩”

本文讨论了基于RoushSet（RS）理论数据浓缩的几个问题．首先，介绍了一个基于差别矩阵的属性约简策略，并给出了数据浓缩的测量；然后分析了对UCI机器学习数据库40余个例子的数据浓缩的结果；最后，我们强调了在数据浓缩中例外的重要性，并讨论了不一致数据浓缩．

基于Rough Set的空间数据分类方法

近来 ,数据采掘的研究已从关系型和事务型数据库扩展到空间数据库 .空间数据采掘是一个很有发展前景的领域 ,其中空间数据分类的研究尚处在起步阶段 .该文分析和比较了现有的几个空间数据分类方法的利和弊 ,提出利用 Rough Set的三阶段空间分类过程 .实验结果表明 。

基于Rough Set的电子邮件分类系统

随着电子邮件的广泛使用,通过它进行不良信息传播的事件不断发生.电子邮件分类问题成为了网络安全研究的热点。本文通过对电子邮件头进行分析,运用Rough Set理论中相关的数据分析技术,建立了电子邮件分类系统的模型,并进行了实验测试,得到了满意的结果。

基于Rough Sets的传感器异常数据处理

在各种传感器的应用中,经常要对传感器的测量数据进行处理,以保证测量结果的可靠性．为了利用粗糙集理论处理不确定数据的优点,根据粗糙集理论的思想,先由已知测量数据提取出决策表,再进行补全、离散化等预处理,最后进行属性约简并提取出分类规则,对测量数据进行分类,剔除测量数据中的异常数据．实验结果显示该异常数据发现方法比常用的异常数据处理方法更为客观、精确和可靠．

ROUGHSET理论及其应用研究进展(综述)

介绍粗糙集理论在应用理论研究上的新进展,综述粗糙集理论在各相关学科领域的应用成果,并指出其应用前景.

Rough Set约简与数据浓缩

讨论了以RoughSet理论为工具的数据浓缩中的若干问题及方法。数据浓缩就是一种满足某种等价条件的变换，通过这种变换将繁杂且难以阅读理解或难以进一步处理的数据世界，变换为简洁且易于阅读理解或再处理的表示形式。

基于Rough Set的属性及属性值简约的一种算法

属性及属性值的约简是RoughSet理论的核心内容之一 ,基于此 ,我们通过最少的信息量也能做出正确的判断 .利用RoughSet理论中关于相对正域的概念 ,给出了一种求最少属性及最少属性值 (即核值表 )的算法 。

基于Rough Set理论的实时个人邮件过滤系统的研究

电子邮件过滤是网络信息安全研究的热点。RoughSet理论是一种处理含糊和不精确性问题的一种新型数学工具,得到了广泛应用。文章结合RoughSet理论的数据分析方法针对实时个人用户电子邮件过滤系统进行了研究。实验结果表明,该方法是有效的。

基于Rough Set理论发现最小归纳依赖关系的方法研究

归纳依赖关系是数据库研究领域的重要概念，在数据库中自动发现最小归纳依赖关系对数据采掘具有重大意义。介绍了归纳依赖关系的概念、原理及利用Ｒｏｕｇｈ Ｓｅｔ理论度量数据属性间归纳依赖强度的方法，提出了一个在数据库中自动发现最小归纳依赖关系的算法。

Rough Set理论在数据挖掘中的应用

RoughSet理论是一种新的处理模糊和不确定信息的数学工具。近20年来,RoughSet理论由于在知识发现等领域的成功应用而受到广泛关注,并得到飞速发展,已成为数据挖掘中的一个很重要的方法。作者讨论了RoughSet理论在数据挖掘过程中的应用,并对RoughSet理论在数据挖掘应用中存在的问题和挑战提出了自己的见解。

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。

基于Rough Set的核值表确定的一种方法

属性及属性值的约简是 Rough Set理论的核心内容之一 ,找到关键属性和属性值能使决策表有效地进行简化。本文利用 Rough Set理论中关于相对正域的概念 ,给出了一种求最少属性及最小属性值 (即核值表 )的算法 ,并通过理论和实践证明了其正确性。

基于粗糙集(Rough set)的数据挖掘及其实现

本文讨论了基于粗糙集的数据挖掘方法，并对传统方法进行了优化，给出了具体的实现步骤，通过实例演示了这一步骤。

Rough Set理论研究及其在水上交通事故分析的应用

水上交通事故系统中数据多维、稀疏、不全,有效地识别和发现事故数据的新模式及其内在规律能够预防和减少水上交通事故的发生。从数据挖掘的角度出发,应用了基于属性频度的约简算法和改进的值约简算法的结合对(2000～2004)年水上发生的20起具有一定代表性的典型案例进行分析,并加入相关的支持度和置信度,以期为水上交通的管理提供决策支持。