基于Rough Set的中医类风湿诊断知识抽取

提出了基于Ｒｏｕｇｈ Ｓｅｔ理论用于类风湿的中医辨证,首先介绍了ＲｏｕｇｈＳｔｅ的基本概念,并给出了处理类风湿中医辨证,首先介绍了ＲｏｕｇｈＳｅｔ的基本概念,并给出了处理类风湿中医辨证的处理方法：实践表明,这种新方法是很有效的。     

用 Rough Sets 理论研究烟草品质与其化学成分的关系

概述了ＲｏｕｇｈＳｅｔｓ理论，并用该理论研究了烟草品质与其主要化学成分的关系．同时，提出了一种研究烟草品质的新方法．     

用Rough Sets理论研究烟草品质与其化学成分的关系

概念了Ｒｏｕｇｈ Ｓｅｔｓ理论,并用该理论研究了烟草品质与其主要化学成分的关系。同时提出了一种研究烟草品质的新方法。     

Rough集理论与KDD中属性约简算法

针对数据库中知识发现（ＫＤＤ）的信息处理问题,给出了信息系统中的Ｒｏｕｇｈ集理论基本概念的形式化描述,并且提出了一种ＫＤＤ中属性约简算法（ＡＲ）,实例表明该算法十分有效。     

KDD技术及其网络应用研究

介绍了从数据库中发现知识（ＫＤＤ）技术，探讨了ＫＤＤ技术在网络信息获取中的应用与扩展的问题与方法，简要论述了基于网络的ＫＤＤ技术及其应用，实现和进一步的研究方向。     

分层逐步求精的知识发现KDD模型结构及其应用

知识发现（ＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｙｉｎＤａｔａｂａｓｅ）作为人工智能、机器学习、模式识别、统计学、数据库和知识库、数据可视化等众多学科相互交叉融合发展起来的新兴研究领域,已引起了学术界和工业界的广大关注．本文提出基于示例学习分层逐步求精的ＫＤＤ模型结构,在借鉴模式识别有关知识的基础上,有机地与领域知识相结合,应用于无约束手写数字识别ＫＤＤ系统,得到较满意的结果．     

樱属植物分类研究

在鉴定了大量樱属植物标本和查阅大量文献的基础上,作者研究了长期存在争议的Ｃｅｒａｓｕｓｃｌａｒｏｆｏｌｉａ （Ｓｃｈｎｅｉｄ ．） Ｙｕ ｅｔ Ｌｉ、Ｃ． ｒｅｈｄｅｒｉａｎａ（ Ｋｏｅｈｎｅ）Ｘ．Ｒ．Ｗａｎｇ ｅｔ Ｓｈａｎｇ 和Ｃ．ｖａｒｉａｂｉｌｉｓ（Ｋｏｅｈｎｅ） Ｘ．Ｒ．Ｗａｎｇ ｅｔ Ｓｈａｎｇ 的关系问题,明确了各自的分布区;将 Ｃ． ｈｅｎｒｙｉ（Ｓｃｈｎｅｉｄ ．） Ｙｕ ｅｔ Ｌｉ 并入Ｃ．ｐｕｓｉｌｌｉｆｌｏｒａ（Ｃａｒｄ ．） Ｙｕ ｅｔ Ｌｉ, Ｃ．ｐｌｅｉｏｃｅｒａｓｕｓ（Ｋｏｅｈｎｅ） Ｙｕ ｅｔ Ｌｉ并入Ｃ．ｃｏｎａｄｅｎｉａ（Ｋｏｅｈｎｅ） Ｙｕ ｅｔ Ｌｉ,并将Ｃ．ｙｕｎｎａｎｅｎｓｉｓ（Ｆｒａｎｃｈｅｔ．） Ｙｕ ｅｔ Ｌｉ 的多个变种进行了整理归并。     

矩阵迹的Holder等式及其逆转

本文得到正定Ｈｅｒｍｉｔｅ矩阵迹的Ｈｏｌｄｅｒ不等式及其逆向不等式，并推广Ｃａｕｃｈｙ－Ｐｏｌｙａ－Ｓｚｅｇｏ不等式，ＫａＨＴｏＰＯＢＨＨ不等式和Ｄｉａｚ－Ｍｅｔｃａｌｆ不等式到矩阵的迹。参４     

KDD在我国大型零售企业中的应用构思

在对ＫＤＤ技术进行概括介绍的基础上，讨论了如何在我国将ＫＤＤ技术于大型零售企业，并对存在的有利因素和不利因素进行分析。     

知识获取集成环境MDKAS及其知识库维护

考虑到在开发机械设计专家系统时、缺少有效的知识获取环境，本文针对机械设计知识的特点，研制了一个强有力的面向机械设计领域的知识获取环境ＭＤＫＡＳ，其内容包括：知识表达，知识获取，知识库组织，知识库维护和管理及各种辅助模块．该系统在微机上用ＧＣＬＩＳＰ实现，经过运行使用，效果良好．     

基于粗糙集的装备故障诊断系统的算法研究

通过设计基于粗糙集的装备故障诊断系统框架,以大屏幕投影系统的设备故障记录作为样本集,研究了粗糙集在装备故障诊断系统中的应用。针对数据预处理中缺失数据的填补问题,采用粗糙集理论和统计学理论相结合的方式,最大限度的保留了原始信息、产生规则的数量和可靠性;针对知识约简中规则生成速度慢等问题,采用了基于粒计算的粗糙集知识发现算法,将决策表中的属性集转换为二进制的矩阵对象,把复杂的知识约简转化为矩阵运算,降低了知识约简的时间复杂度,提高了生成规则运算效率,实现了故障诊断知识的快速自动获取。     

粗糙集理论的研究现状与前景

介绍了粗糙集理论的基本概念及信息系统属性的简化和规则提取，阐述了粗糙集理论的有关应用和发展前景。     

基于包含度的模糊粗糙近似算子

1965年,L.A．zadeh提出了模糊集理论,1982年,波兰数学家Z．pawlak提出了粗糙集理论,将二结合而形成模糊粗糙集及粗糙模糊集．利用包含度的概念定义上模糊粗糙近似算子,下模糊粗糙近似算子,边界．并讨论它的性质．     

基于粗糙集理论的数据预处理

探讨数据挖掘过程中,数据预处理应用粗糙集理论进行属性和属性值约简的方法以及用计算机实现约简的算法.通过对医疗数据的预处理表明,利用粗糙集理论来进行数据预处理是一种十分有效的精简、求最小决策算法的有效方法.     

粗糙集的动态粒度及应用

经典粗糙集理论把元素与分类的关联看成不变的,不便于论域上动态数据的研究,而动态粒度可以从不同角度或层次来分析数据,从而弥补经典粗糙集过于简一的计算机制.在经典粗糙集的基础上结合动态粒度的特点,给出了粗糙集、粒计算、动态粒度和影响度的概念,提出了一种粗糙集的动态粒度算法,并给出其应用.     

基于多知识库决策融合的分类识别

引入多知识库的概念,运用基于粗糙集理论的数据挖掘技术给出多知识库决策融合的分类识别方法,并以拉深模具为例,将其应用于模具质量评价和诊断,提高模具质量控制决策的可靠性和准确性.     

基于粗糙集的RDT决策树生成算法的研究及应用

介绍了一种基于粗糙集理论的决策树生成算法--RDT(Rought Set Decision Tree).该方法运用了粗糙集理论中条件属性相对于决策属性的核,引入启发式条件计算并选择条件属性作为决策树的根结点或子结点.通过一个例子,与运用信息熵概念建立决策树的算法进行比较,结果表明采用RDT方法得到的决策树优于采用信息熵方法得到的决策树.还讨论了RDT与ID3算法对决策树精度和规模的影响,分析数据分类和知识发现的过程及特点.     

基于Rough集实现判定树归纳分类算法的简化

Rough集理论提供了一种新的处理不精确、不完全与不相容知识的数学方法，在决策表中快速、有效地挖掘出缺省规则。本文将Rough集属性约简应用到判定树归纳分类方法中，明显优化判定树，简化数据挖掘的过程。     

基于Rough Set的贝叶斯网络结构学习研究

Rough Set理论与方法是处理复杂系统的一种有效方法,但未能包含处理不精确或不确定原始数据的机制,与贝叶斯网络等不确定性理论有很强的互补性.本文提出基于Rough Set理论的贝叶斯结构学习方法,把Rough Set理论与贝叶斯网络相结合,通过属性约简简化贝叶斯网络结构变量,更好满足条件属性间的独立性限制,降低结构复杂度;同时,条件属性之间的依赖性决定贝叶斯网络变量之间的依赖关系和弧的方向.最后,通过算例说明该方法的应用过程.     

基于粗糙集的数据挖掘

粗糙集理论是一种研究不完整、不确定知识处理的数学工具 ,近几年来在机器学习、知识发现、算法研究、工程应用、决策支持系统以及模式识别等应用中取得了较好的成果 .阐述了粗糙集理论的基本思想 ,介绍了人工智能中数据挖掘的一般过程及其方法