基于Rough Set理论的商务决策支持系统知识发现的研究

针对商务决策支持系统中存在信息不确定、冗余数据量大的问题,提出了一种基于Rough Set理论的提取最小规则算法。该算法的核心是改进的分明矩阵属性约简和启发式的属性值约简。通过算法对原始数据表中的冗余属性和属性值进行约简,得到了决策表和最小决策规则。最后,对商务决策支持系统的实例进行数据约简,挖掘其中的隐含知识,获取了有价值的决策信息。     

基于属性约简的决策表算法

Rough Set理论通过属性约简和决策规则约简,达到发掘知识并简化知识的目的。本文首先给出了属性重要性的度量方法,然后对条件属性的简化进行了阐述,最后,讨论了一致决策表最小算法的三类优化问题。并通过一个实例证明了这种算法。     

基于Rough set理论的本科生就业情况研究

Rough Set理论是一种新型的处理模糊和不确定知识的数学工具.本科生的就业情况是最近几年来最受关注的问题之一,根据大量的调查表数据,分析这些数据之间的关联性,得出:要得到一定的结果属性,需要哪些条件.基于Rough Set理论中的正域概念和由此定义的重要性概念,提出一种新的实现调查表分析的决策算法.     

基于粗集的知识约简与拓扑概念的比较研究

知识约简是 Rough Set理论的核心之一 ,由近似空间导出的拓扑空间是一个概念系统或概念空间 ,本文将借助概念空间研究基于 Rough Set理论的知识约简。     

基于属性重要度的粗糙集规则提取方法

对Rough Set理论中的规则提取问题进行了研究，以利于信息不完备决策问题的解决．算法假定给定一个重要性阈值的前提下，将属性重要性进行比较．如果比此阈值小的属性则可省略，根据约简表则可得到相应的决策规则．文章还给出了一个计算实例说明了算法的计算过程．     

基于粗集知识推理的IDSS中的知识表示

 探讨在智能决策支持系统中的知识表达,讨论了属性在知识表达系统中的作用,决策表格形式的知识表达系统的性质、作用以及根据粗集理论(其基本观点是:人类的知识表现为对对象的分类能力)分析处理海量信息中信息的有用特征,通过分析、推理产生最小决策规则.     

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.     

基于粗糙集的发现决策偏好信息的新方法

传统的粗糙集(Rough Set)模型基于可利用信息的完全性,忽视了可利用信息中的不完全性和可能存在的统计信息,因而不能发现隐藏在大量决策实例中的不确定性决策偏好信息．为了解决这个问题,该文提出了一种将加权关联规则运用到粗糙集模型中的新方法．     

一种基于Rough集的工程项目投标风险分析方法

针对工程项目投标过程中的不确定性和风险分析问题，从Rough集的基本体系出发，给出投标风险决策分析的知识表达系统，运用Rough集理论和方法对投标风险决策表的属性及属性值进行约简，挖掘其中隐含的知识，从而得出投标风险决策的最小决策算法，帮助决策者迅速对工程项目的投标风险进行评估和预测。     

基于RS理论的不完备信息系统处理方法

从理论扩展、属性约简以及规则抽取对目前基于Rough Set(RS)理论的不完备信息系统处理方法进行了分析和评述,提出了该领域的下一步研究方向,为构造面向不完备信息系统的高效实用的挖掘方法提供了基础。     

智能故障诊断的粗糙决策模型

为了提高故障诊断的精度和降低误报率,提出了粗糙决策智能故障诊断模型·该模型可以对决策表进行无教师的规则提取;通过自学习,用较少的样本即可对故障进行分类·将复杂系统的原始样本集转化成了决策表,利用粗糙集具有较强的处理不确定和不完备信息的能力,对原始样本集的条件属性进行了约简处理;同时,利用决策树具有快速学习及分类的优势对约简后的决策表进行规则提取,提高了故障诊断的鲁棒性·给出了基于该模型的故障诊断步骤·以实例介绍了利用该模型进行故障诊断的全过程·     

基于Rough set理论的气象状况分类算法研究

根据粗糙集理论,提出一种基于决策表相容性的属性约简算法。对一幅经典的天气观测状况决策表进行属性约简,把表示观测状况的各参数作为决策表的属性,运用粗糙集理论对该原始决策表进行约简,以提取天气状况的重要属性,删除分析过程中的冗余属性和属性值,约简后的属性可为决策提供支持。分析表明,粗糙集理论应用于这类决策可得到更清晰、简明的判断规则。     

时序Rough逻辑及其在数据分析中的应用

提出一种时序Rough逻辑,定义了时序算子及其作用于Rough逻辑公式上的意义．描述了这种逻辑的语法和语义．论述了时序Rough逻辑中的语义模型是一个无限状态序列,其中每一状态都描述了当前时刻和场景点上信息系统的信息．从当前状态到下一状态的变换是遵循时序Rough逻辑演算的,它必须保持知识不变,也就是属性和讨论的对象不变,而属性关于对象的特征值,即属性值随着时间和场景变化而可以变化．因此。在信息系统上作决策、数据约简和信息粒化等都将产生影响,由此可见时序Rough逻辑将是动态地处理信息系统的理论工具,也将是合理地解决和处理不一致信息表的较好方法．     

一种D-S证据推理的BPA获取方法

针对多传感器数据融合中D-S证据推理方法的基本概率赋值获取存在主观性的问题,结合粗糙集理论,通过定义规则强度和决策扩充规则,提出一种基于决策表的证据获取和基本概率赋值客观确定方法,并以具体算例验证了方法的正确性和有效性。     

基于粗糙集理论的医疗信息系统分析

基于粗糙集理论的启发式算法,先求出决策表的核值,再量化数据属性的重要性,属性约简从核出发根据属性重要度的不同逐次选择重要度大的属性添加到核中去,直到满足要求为止。利用该算法从医疗信息系统中收集有用的患者属性数据,消去多余数据属性,并由此帮助医院进行决策,实施建立医院客户关系管理。     

基于粗糙集理论的电力系统故障诊断

鉴于粗糙集理论具有在处理不精确问题时,不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点,运用粗糙集方法把保护和断路器的信号作为对故障分类的条件属性集,并考虑了各种可能发生的故障情况,以此建立决策表。然后实现决策表的自动化简和约简。搜索决策表的约简形式,区分关键信号和非关键信号,从故障样本集中导出诊断规则,从而达到在不完备信息下快速准确地进行故障诊断的目的;揭示了这种方法的有效性。     

基于动态粗糙集和支持向量机的振动参量预报

为了有效控制爆破振动效应,基于粗糙集和支持向量机,建立了爆破振动参量的预报模型。该模型首先在粗糙集理论指导下利用粒子群算法快速实现属性的动态离散过程,再根据最优粒子建立决策表,通过重要度分析进行次要属性和冗余数据剔除,最后用支持向量机训练余下数据和验证新样本。经工程试验验证,该模型能够同时分析定量因素和孔径、抛掷方向等定性参量对质点振动加速度峰值的重要程度,约简之后的数据有利于支持向量机预报精度的提高。     

基于相似关系的不完备决策表属性约简

粗集理论是一种处理不精确，不完全与不相客知识的新的数学工具．属性约简是粗集理论研究的核心问题之一．通过属性约简，简化信息表的属性雏数．在许多情况下面临的信息系统是不完备的，本文研究不完备信息系统下决策表的属性约简问题．