粗集理论在知识发现系统中的应用

阐述了粗集理论的基本思想，给出了一个基于粗集的知识发现系统模型，并通过实例说明了这一模型的有效性。     

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。     

应用粗集理论的数据库知识发现

要从数据量庞大的大型数据库中发现知识，就不得不考虑学习算法的效率。将粗集理论应用到数据挖掘中，实现了从数据库中自动抽取与给定的学习任务相关的属性，能有效地发现简练、贴切的知识，并给出了这一应用的理论基础和实现算法。     

S-粗等价类与知识动态挖掘-发现

在单向S-粗集(one direction singular rough sets)、单向S-粗集对偶(dual of one direction singular rough sets)基础上,给出S-粗等价类、S-粗等价类对偶与粗等价类的概念与结构;讨论了三种等价类之间的关系;得到S 粗等价类与S-粗等价类对偶的属性定理与动态分离定理;给出S 粗等价类在知识动态挖掘-发现中的应用。     

数据挖掘的粗集方法研究

数据挖掘的方法和技术很多,其中粗集理论在知识获取中得到了广泛应用,它可对不完整数据进行分析和归纳,从中发现知识.通过分析数据挖掘的含义及粗集理论的概念,讨论了数据挖掘的粗集方法.     

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.     

从数据库中发现知识的研究

数据库知识发现是90年代中期兴起的决策支持新技术，是人工智能、机器学习与数据库技术相结合的产物。要从数据量庞大的大型数据库中发现知识，就不得不考虑学习算法的效率。将粗集理论应用到数据库知识发现中，可以从数据中自动抽取与给定的学习任务相关的属性，能有效地发现简练、贴切的知识。本文探讨了这一应用的理论基础和实现算法。     

基于单向S-粗集的知识堆垒与知识垛识别

利用单向S-粗集,给出知识堆垒及它生成的知识垛的概念,知识垛具有动态特性,给出粗知识垛的生成,提出粗知识垛生成原理及还原定理,提出粗知识垛分辨尺度及识别准则与识别定理,并给出应用。     

粗集在KDD系统中的应用与研究

论述了粗集方法性质及特点,提出了粗集方法在KDD系统中的应用模型,同时给出了应用这一模型对一个数据库实例进行数据挖掘的过程.另外,从精确性、鲁棒性等方面对KDD系统中的粗集方法的适用范围进行了分析.     

基于S-粗集的粗数据规律识别

利用S-粗集,给出粗数据的概念,粗数据具有动态特性;给出粗数据规律生成;提出粗数据规律生成定理,粗数据规律还原定理;给出粗数据规律识别准则与可分辨定理;给出粗数据规律的应用。     

一种基于粗糙集的机械装配知识发现方法

为了解决机械装配行业工艺知识提取困难的问题,提出一种基于粗糙集理论的装配知识发现方法,给出其计算机软件实现方案,并用实例验证方法的有效性。该方法运用粗糙集中属性重要度的概念和方法,实现属性核和属性约简的求解,并根据约简挖掘隐含在经验数据中的专家知识,形成相应的决策规则。实例验证结果说明,该方法可以有效地提高装配效率和装配知识的学习。     

Applied Approaches of Rough Set Theory to Web Mining

Rough set theory is a new soft computing tool, and has received much attention of researchers around the world. It can deal with incomplete and uncertain information. Now, it has been applied in many areas successfully. This paper introduces the basic concepts of rough set and discusses its applications in Web mining. In particular, some applications of rough set theory to intelligent information processing are emphasized.     

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。     

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。     

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．     

Knowledge Discovery for Event Series Decision Based on Rough Set

To make decisions about event series is part of our life, and to discover knowledge from these decisions is of great significance in the field of controlling and decision-making. The paper takes event series as the exterior form of movements with the dynamic attributes, and gets the Markov transition probabilities matrix to express those attributes with statistics. First, according to the matrix, the decision table is constructed. Then, by reducing attributes based on rough set theory, the decision table is reduced, and the decision rules are acquired as well. Finally we make the decision through defining rule distance and taking the minimum rule distance as decision principle. Followed is an example, which proves that the algorithm is feasible and effective to the event series decision.     

分级粗糙集和分级知识约简

Pawlak 粗糙集模型认为一个元素要么属于一个集合,要么不属于该集合,要么可能属于该集合,把可能属于该集合的元素的全体称为边界.Pawlak 粗糙集模型对边界的研究较少.文章认为对边界的隶属度差别较小的元素以同一个量级属于边界,从而可按一个对象对边界的隶属量级对边界进行划分.基于这一思想提出了分级粗糙集模型和分级最大分布约简、分级分布约简的概念.给出了这两种约简的判定定理及辨识矩阵以及相应的核属性的等价条件.分级粗糙集模型推广了Pawlak粗糙集及变精度粗糙集模型.     

基于粗糙集的经济空间数据发掘与知识发现

为了获取区域经济发展的潜在规律和规则,提出一种处理经济空间数据库的信息方法,即利用粗糙集理论对经济空间数据库进行离散化处理后建立决策表,再通过对知识的简化和属性值的约简,从中进行数据发掘和知识发现.以此对江苏省2003年的部分经济指标数据进行了实证探讨.