基于粗糙集属性约简的模糊模式识别

通过运用粗糙集归约理论对资料进行浓缩和筛选，略去不必要的属性，简化数据。用模糊模式识别确定对象应当归属的模式，给出其对于各个模式的相对隶属度，从而达到分类目的。经实例计算，得到了较好的结果。     

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．     

基于模糊粗糙集理论的建筑业综合评价

根据模糊聚类和粗糙集理论的基本原理,利用模糊聚类的相似关系与粗糙集可辨识矩阵的特性,结合这两种方法的互补优势,研究了将之应用于建筑业综合评价的方法和步骤.通过模糊聚类法形成粗糙集下的决策信息系统,采用基于可辨识矩阵的启发式约简法对属性约简,计算出约简后各属性的权重.利用各属性的权重分别对各省市(或地区)的建筑业指标评价值加权求和从而得出各自的建筑业综合评价值,对其结果的客观性和实用性所进行的分析评价证明该方法有效.     

模糊粗糙集理论在医院肝病诊断中的应用

医学病理诊断是医院管理工作的一个重要组成部分,根据病人的病例数据诊断疾病的病因和诊断指标体系的建立是诊断评估工作的一个重要环节。利用模糊粗糙集理论中,以肝病患者的身体表征、物理检查和实验室检查的结果,利用属性约简,确定患者的病情,从而为患者的治疗提供帮助。     

基于可变精度粗糙集理论的聚类算法研究

简要介绍了一种将粗糙集理论应用于传统的聚类算法 ,从而改进了算法的效率 ,并以Iris数据集为例说明了这种思想 .     

基于模糊粗糙集的辨识矩阵属性约简方法

通过构造辨识矩阵进行属性约简是一种有效的降低数据维度的方法.然而,经典粗糙集构造的辨识矩阵的局限性在于并不适用于连续型数据,只适用于离散型数据.因此,本文研究在模糊粗糙集下的辨识矩阵属性约简模型,并讨论该模型的相关数学性质,提出相应的算法来对连续型数据进行属性约简.通过实例验证该方法是有效的.     

基于粗糙集证券投资决策的模糊综合评价方法

证券投资具有高风险、高收益和模糊不确定性的特点.应用粗糙集理论以及模糊综合评价方法,建立了风险投资决策评价模型,并进行了实例分析.结果表明所建模型是可行且有效性的,对投资者有效地规避风险、提高投资决策能力具有现实指导意义.     

基于粗糙集理论的企业技术创新能力评价模型

针对当前评价企业技术创新能力方法所存在的不足,提出了一种基于粗糙集理论的企业技术创新能力评价模型。首先建立企业技术创新能力评价指标体系,然后对指标体系进行筛选并建立评价模型。最后,以实例验证了该模型的可操作性和实用性。     

基于变精度粗糙集的神经模糊网络优化及应用

针对现有神经模糊网络应用中的不足,提出了一种新的基于变精度粗糙集的神经模糊网络优化方法,并讨论了其在复杂系统建模中的应用.将变精度粗糙集理论中的β分类精度作为信息函数,选择条件属性.通过选择适当的精度,对建模数据进行离散化,组成决策表.通过对决策表进行变精度的知识约简,提取重要的属性和属性值,映射到模糊规则中,简化生成的规则,从而有效地优化了神经模糊网络结构,极大地减少了网络的训练时间,且提高了训练精度.将该方法应用于有大量样本数据的非线性时延系统建模,仿真实例验证了此种方法的可行性和有效性.     

F-模糊粗糙集及其约简

模糊粗糙集的知识约简是模糊粗糙集理论的核心内容之一,从增量式的数据、海量数据或动态数据中挖掘出人们感兴趣的知识,是数据挖掘研究的一个重点,也是一个难点.首先,给出模糊粗糙集的属性重要度的定义及属性约简的定义;其次,从F-粗糙集及并行约简出发,并结合模糊粗糙集的属性重要度,提出了F-模糊粗糙集及其约简,为增量式或动态模糊决策表的属性约简提供了一种有效的方法;最后,通过实例验证了F-模糊粗糙集及其约简的可行性.     

粗糙集指标简约的装配设计方案模糊评价

为了合理、快速地评价装配设计方案,确保装配实施方案的优良性,提出一种装配设计方案模糊评价方法。首先,在文献调研的基础上提出装配设计方案评价指标体系;然后,通过粗糙集理论利用专家知识对评价指标进行简约,删除冗余指标,保留必要指标,并定义指标的量化方法,并对各评价指标的重要性进行分析,计算出综合评价指标的模糊权重;最后,根据必要评价指标的属性值及相关权重,使用逼近于理想值的方法实现对可行装配设计方案的综合评价,并通过与模糊层次分析法、模糊综合评价法的评价结果对比证明了本方法的正确性。以某企业产品的传动系统装配设计方案评价过程为例验证了该方法的有效性。结果表明,该模糊评价方法对装配设计方案评价结果合理,优选出的方案具有较高的精度和效率。     

基于模糊粗糙集理论的信息检索方法的研究

信息检索中的词汇挖掘就是利用给定域范围的词汇来提高用户查询效率，大多数情况下信息检索系统上的查询不是优化的。词汇挖掘可以使我们在查询上进行泛化、特化或者其他基于词汇转换的操作来提高查询性能。本文将粗糙集和模糊集理论结合起来研究了一种新的词汇挖掘框架，该框架即使当文本和查询使用加权表示即模糊表示时，也可以用基于粗糙集的近似集合。     

On mathematical structures of fuzzy rough set algebras

In rough set theory, the lower and upper approximation operators are important notions defined by a binary relation. In this paper, we introduce a general type of relationbased fuzzy rough model determined by a triangular norm. Properties of fuzzy rough approximation operators are examined. The fuzzy rough approximation operators are also characterized by axioms. A comparative study of the fuzzy rough set algebra with other mathematical structures such as fuzzy topological spaces, fuzzy measurable spaces, and fuzzy belief structures is investigated.     

粗糙集理论在入侵检测中的应用研究

入侵检测系统是目前安全领域较新课题,是动态安全领域的核心,但目前仍然存在很多问题,特别是具有自适应能力、能自我学习的入侵检测系统还不完善。针对这些问题,本文提出了一种基于粗糙集理论的入侵检测系统的方法。     

一种基于粗集理论的概念格构造方法

概念格是数据分析与规则提取的一种有效工具,但是在实际应用中由于需要处理的数据是海量的,使得直接基于概念格上提取规则的冗余度过大,造成机器计算时间和空间的浪费,而粗集理论在数据预处理和不确定性规则提取等方面表现出很强的优势,因此,为了减少人力物力的浪费,本文提出了一种应用粗集理论构造概念格的算法,且指出了该算法的优点及存在的不足。     

Combining rough set theory and instance selection in ontology mapping

This paper presents a novel ontology mapping approach based on rough set theory and instance selection .In this appoach the construction approach of a rough set-based inference instance base in which the instance selection （involving similarity distance, clustering set and redundancy degree） and discernibility matrix-based feature reduction are introduced respectively; and an ontology mapping approach based on multi-dimensional attribute value joint distribution is proposed. The core of this mapping aI overlapping of the inference instance space. Only valuable instances and important attributes can be selected into the ontology mapping based on the multi-dimensional attribute value joint distribution, so the sequently mapping efficiency is improved. The time complexity of the discernibility matrix-based method and the accuracy of the mapping approach are evaluated by an application example and a series of analyses and comparisons.     

基于粗糙集理论的链篦机-回转窑智能优化系统

在链蓖机-回转窑法球团生产过程中，对链蓖机一回转窑段热工制度的调节和控制至为关键。针对被控对象复杂、各参数之间相互耦合及难以建立精确数学模型的特点，提出了一种新的基于粗糙集理论的链蓖机-回转窑智能优化系统。系统通过对生产过程中一些代表性工艺参数所构成的决策表进行约简分析，归纳出了不同生产工况下的决策规则，进而指导工人的操作，保证了链蓖机-回转窑段始终处于良好的生产状况下。试运行结果表明，系统能够改善球团生产，提高球团的质量。     

粗糙集理论及其应用发展综述

介绍了粗糙集理论的基本概念、研究对象，叙述了其在各领域的应用发展情况，并对它和模糊集、证据理论等相关理论，以及它和神经网络、知识工程、遗传算法、自动控制等相关领域的关系进行了阐述。