粗糙集理论中新的知识发现方法

与现有的基于属性简约的知识发现方法不同 ,本文基于粗糙集合理论定义了 2类新的知识发现 ,即 1、2类知识发现 ( FCKD,SCKD) ,目的是在知识系统动态变化后 ,通过减小知识的粗糙度 ,发现原规则中没有的、有决定性作用的新属性。在此意义下改变规则中属性结构 ,并发现新的规则。定义了两个用于发现新属性的算子 ,并给出两个定理 ,一个推论及其证明 ,最后通过实例 ,对提出的方法作了说明。     

基于模糊粗糙集的一种知识获取方法

将粗糙集理论与模糊集理论相结合，提出了一种基于模糊粗糙集的知识获取方法．该方法利用模糊集理论对决策表中连续属性进行模糊化；通过定义模糊等价类得到模糊粗糙近似空间的上、下近似，从而获取决策规则．实例验证了此方法的有效性．     

面向属性归纳的特征规则挖掘方法的改进

在浩瀚的数据资源中发现并提取有价值的知识是目前数据库、人工智能等学科研究中的共同热点问题．面向属性的归纳是一种广泛使用的特征规则的发掘算法,本文对特征规则挖掘的面向属性归纳方法进行改进,提出了“分类信息库”的概念,给出了基于这种概念的新算法．利用这种算法可以发现很多原方法发现不了的新知识,使特征规则的发现有了更大的实用价值．实例分析表明,该算法能够准确地发现特征规则。     

面向属性归纳的特征规则挖掘方法的改进

在浩瀚的数据资源中发现并提取有价值的知识是目前数据库、人工智能等学科研究中的共同热点问题.面向属性的归纳是一种广泛使用的特征规则的发掘算法.本文对特征规则挖掘的面向属性归纳方法进行改进.提出了"分类信息库"的概念.给出了基于这种概念的新算法.利用这种算法可以发现很多原方法发现不了的新知识,使特征规则的发现有了更大的实用价值.实例分析表明,该算法能够准确地发现特征规则.     

一种IDSS模糊推理机的OOP实现模型

提出了一种智能决策支持系统（IDSS）中基于产生式规则的知识表示和模糊推理的面向对象实现方法。该方法把知识规则的结构和模糊推理方法定义成规则类，把具体的规则定义成规则类的实体，用这些规则实体构建动态表从而组成知识库，推理的过程由知识中各种规则实体提供的方法完成。在推理过程中采用模糊处理使得结果更符合客观事实，该方法是简单高效的。     

一种基于知识规则推理的C++实现方法

提出了一种决策支持系统中基于产生式规则的知识表示和推理的C＋＋语言实现方法，该方法把规则的结构和推理定义成规则类，把具体的规则定义成规则类的实体，用这些规则实体构建动态链表从而组成知识库，推理的过程由知识库中各规则实体提供的方法完成，通过设计的实例表明，该方法是简单高效的。     

一种关系数据库中基于云模型关联规则的提取

为了发现有效的关联规则，属性在比较高的水平被范化，允许相邻属性值或者语言项的重量．这种软划分可以映射人类的想法，同时使发现的知识鲁棒．利用云模型的理论与方法求解数量关联问题，给出了一种云关联规则的定义，并提出了基于云模型理论支持度和置信度的计算方法，最后提出了一种提取算法Cloud model A．这种方法较好地软化了数量属性论域的划分边界，从而使得挖掘出的云关联规则更容易被人理解。     

基于变精度粗糙-模糊集模型的诊断知识获取

提出一种基于变精度粗糙-模糊集模型的诊断知识获取算法,利用相似性聚类方法自动获取模糊隶属函数,将连续属性表示成模糊值,通过定义模糊相似关系和模糊相似类给出了变精度粗糙-模糊模型的近似表示,并引入蚁群算法求取模糊相似关系下的属性约简,进行诊断知识的获取。将其应用于精对苯二甲酸生产过程尾氧浓度故障诊断知识获取中,结果表明:该算法可以从故障数据中提取更客观有效的诊断规则,在实际故障诊断中具有很好的应用价值。     

概率优势关系下的粗糙集模型及属性约简

针对序信息系统,提出了一种新的优势关系,并探讨了概率优势关系粗糙集模型及其性质;定义了概率优势类结构差异度的概念,给出一种概率优势关系下的属性约简理论及算法。为基于优势关系序信息系统的知识发现提供了新的方法和思路。     

基于项目集的关联规则数据挖掘

为了发现项目集中所有的频繁模式,根据关联规则定义及属性,利用Apriori算法实现关联规则的挖掘,挖掘出新的关联规则。可产生清晰有用的结果;通过项目集的关联规则挖掘研究结果既可以广泛应用于各个领域,也可以检验行业内长期形成的知识模式,同时能够发现隐藏的新规律,成为完成数据挖掘任务的一个重要手段。