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。     

连续量信息表决策值的离散化方法

在用粗糙集理论解决连续系统的问题时，要求信息表必须是离散值．在对由连续量构成的信息表离散化时，首先要对决策属性的值域进行离散化。文中针对这一问题提出了3种确定离散化区间的方法，即经验分割法、等频分割法和等距分割法；又提出了2种求区间离散值的算法，即区间重心法和区间值平均法，并通过算例验证这些算法均是可行的，其中等距分割法中的区间值平均法效果最为满意。     

The EM scattering from one-dimensionally lossy fractal surfaces

The EM scattering from rough surface has been investigated in the past years. Periodic and random models are often used in modeling the rough surface. Recently, the fractal geometry is rapidly improved. It provides a new way to model the rough surface whose characteristics are long-range order and short-range disorder. In this paper, A fractal function is used to model the rough surface. A scattering coefficient for calculating the angular distribution and the amount of energy in the spectrally scattering field to the fractal characteristics of the surfaces by finding their analytical expressions is derived by using the Kirchhoff solution. In the end, we calculate some scattering patterns. Supported by the National Natural Science Foundation of China Gao Huotao: born in 1964, Graduate student     

相似关系粗糙集理论的一个极小公理组

粗糙集公理化是粗糙集理论研究的一个重要部分,其目的是用可靠且独立的公理组对粗糙集理论进行刻画,从而可以用逻辑和公理系统方法对粗糙集理论进行更为深入的研究．经典的粗糙集理论是基于等价关系的,但现实数据中存在更多的相似关系．为刻画基于相似关系粗糙集理论,给出了公理组S,它含有3个公理．证明了公理组的可靠性,它表明了用所给公理组刻画基于相似关系粗糙集理论的合理性．同时还证明了公理组的极小性,即公理组中每条公理是粗糙不等式且各公理是相互独立的．这些研究有助于粗糙集理论研究的深入和完善．     

A new minimal rough set axiom group

Rough set axiomatization is one aspect of rough set study, and the purpose is to characterize rough set theory using independahle and minimal axiom groups. Thus, rough set theory can be studied by logic and axiom system methods. To characterize rough set theory, an axiom group named H consisting of 4 axioms, is proposed. That validity of the axiom group in characterizing rough set theory is reasonable, is proved. Simultaneously, the minimization of the axiom group, which requires that each axiom is an inequality and each is independent, is proved. The axiom group is helpful for researching rough set theory by logic and axiom system methods.     

A minimal axiom group for rough set based on quasi-ordering

Rough set axiomatization is one aspect of rough set study to characterize rough set theory using dependable and minimal axiom groups. Thus, rough set theory can be studied by logic and axiom system methods. The classic rough set theory is based on equivalent relation, but rough set theory based on reflexive and transitive relation (called quasi-ordering) has wide applications in the real world. To characterize topological rough set theory, an axiom group named RT, consisting of 4 axioms, is proposed. It is proved that the axiom group reliability in characterizing rough set theory based on similar relation is reasonable. Simultaneously, the minimization of the axiom group, which requires that each axiom is an equation and each is independent, is proved. The axiom group is helpful for researching rough set theory by logic and axiom system methods.     

基于粗糙集理论的分类规则发现

研究了利用粗糙集理论中核的概念,求取信息系统的最小简化策略,给出了从数据库中发现分类规则的方法。     

知识发现中概率统计与粗集方法的比较

对知识发现中,概率统计方法与粗集理论方法在评价系统参数的重要性,分类隶属度与条件概率,输入条件与决策结果的依赖关系等方面进行了比较, 提出了将概率统计方法和粗集理论相结合,由确定性粗集的近似空间扩展到了不确定性的概率粗集的近似空间,为确定性和不确定性知识表达系统提供一个统计粗集模型。     

分形理论在粗糙面电磁散射上的应用

介绍了分形的基本概念后,说明了用数盒子法提取分维数的方法,最后利用分形讨论了粗糙面的电磁散射问题。     

基于近似精度和条件信息熵的粗糙集不确定性度量方法

基于粗糙集理论的基本不确定性度量方法能够度量知识的不确定大小，却不能区分集合粒度划分大小，利用知识的信息熵，并结合粗糙集精度，定义了一种粗糙熵，用于度量粗糙集中的不确定性．证明了该粗糙熵随着划分粒度的变小而单调增加的性质．新的粗糙熵不仅能度量粗糙集的不确定区域大小而且可以度量划分的大小．算例证明了该方法的有效性．     

一种采用排名机制的分块在线压缩跟踪算法

基于分类学习的目标跟踪在面对环境中光照变化、目标姿态变化以及遮挡等复杂环境下容易出现漂移问题,为此提出一种基于分类器融合的压缩感知目标跟踪算法。使用压缩感知理论分块提取目标压缩特征,根据贝叶斯后验概率对特征进行筛选以构建目标模型,并提出一种二阶段样本搜索方法,通过粗搜索缩小样本的搜索范围,利用基于分类器排名的细搜索方法精确地找到目标的位置。实验表明,该算法与当前主要的算法相比具有较高的跟踪精度,以及良好的鲁棒性和实时性。     

多层次规则挖掘的约略集方法

约略集理论是一种能处理数据中不确定和噪音的有效数学工具,是数据挖掘的重要方法．结合数据分类层次,提出了利用约略集理论挖掘多层次规则的方法,挖掘过程包含约减的求解、等价类的构造、差别矩阵的建立、规则的挖掘４个阶段,并举例说明了多层次规则的挖掘过程．     

概念格与粗糙集

概念格与粗糙集都是有效的数据分析方法，它们已广泛应用于机器学习、人工智能、知识发现等领域．概念格与粗糙集在数据分析方面有相似之处，并且粗糙集的一些概念包括等价类，上、下近似等都可以通过概念格来表示．论述了概念格与粗糙集之间的联系，建立了它们之间的关系，并通过实例进行了解释．     

粗糙集计算方法及应用研究

研究总结了粗糙集计算方法新进展,同时对它们的计算复杂性进行了分析,并给出了这些计算方法之间的逻辑关系结构图,然后讨论了粗糙集在模型方面的扩展,最后对粗糙集计算方法的应用进行了论述.     

基于二进制的粗糙集基本运算研究

通过讨论二进制与粗糙集之间的内在联系,提出基于二进制的粗糙集运算理论,并借助二进制的位运算操作,给出粗糙集的上近似集和下近似集、等价类的交、集合的基数的运算算法.该算法比传统的粗糙集运算算法的运算速度更快,效率更高.该算法为扩展粗糙集的应用提供了理论基础.     

Credit Assessment of Contractors： A Rough Set Method

Introduction China’s construction industry has encountered a credit crisis in parallel with its remarkable progress in recent years.Bad credit results in increasing nonperformance,poor quality projects,chains of defaults,fraud and cor-ruption in the indu…     

基于粗糙集的互信息求取属性约简的决策算法

在文献[1]提出的决策表属性约简的信息熵表示的基础上,给出了一种基于互信息求取属性约简的算法.同时给出了该算法的时间复杂度分析,并举例验证了所提出算法的有效性和实用性.     

粗糙集理论及其在数据挖掘中的应用

Rough sets理论被广泛运用于不确定环境下的信息处理.基于粗糙集理论的数据挖掘技术正日益受到计算机科学家和数学家的重视.笔者介绍了粗糙集理论的发展过程和基本特点,粗糙集理论在数据挖掘中的应用,以及典型的基于粗糙集的数据挖掘系统,并介绍了粗糙集理论的研究方向和研究领域,最后论述了粗糙集理论与其他智能化方法结合起来处理信息的必要性.     

基于ROUGH集的决策树测试属性选择方法

测试属性的选择直接影响到决策树中结点的个数甚至是深度,因此如何选择测试属性是研究的一个热点。本文主要介绍了粗集理论的方法。通过比较我们会发现,在单变量决策树的构造上,粗集理论中属性重要性的方法计算量较小,而多变量决策树充分考虑了条件属性间的相关性,因此通过求解信息系统的相对核从而减少决策树结点的个数。     

RS-GA-KNN算法识别灵长类动物DNA序列剪接位点

以灵长类动物DNA序列的剪接位点识别资料为研究对象，将选定样本序列中各碱基编码作为原始变量数据，用粗糙集方法和遗传算法对原始变量数据进行变量筛选，即以粗糙集方法选取的变量为基础，用遗传算法进行变量的二次搜索，从样本序列各碱基中挑选出保守性强的碱基对应的变量构成变量集，采用最近邻聚类识别灵长类动物DNA序列剪接位点类型，总识别准确率达90．66％，明显高于直接使用原始变量数据或将粗糙集理论方法和遗传算法单独用于变量选取的识别结果．