基于粗糙集理论的医疗诊断系统分析

粗糙集理论是一种处理含糊和不精确性问题的新型数学工具,它是一种新型的数据挖掘和决策分析方法.通过条件属性对决策属性的依赖度和重要度分析,最终获取最小决策规则,并在医疗诊断系统中尝试.最后实践表明,这种方法在医疗决策系统中进行属性的约简是可行的.     

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。     

IS-粗糙集理论及其在医疗诊治中的应用

在S—粗集的基础上,提出IS—粗集(improper singular rough sets)的概念,给出单向IS—粗集(one direction improper singular rough sets)和双向IS—粗集(two direction improper singularrough sets)的概念和它们的数学结构,设计了一个基于双向IS—粗集的医疗诊治知识支持系统,为人工智能技术在医疗诊治领域的应用开辟了一个新的思路.     

基于贝叶斯-粗糙集理论的诊断模型及诊断方法的应用

为了提高现有分布式电力网络的故障诊断能力,加强故障元器件的实时判断能力,保证线路保护设备的正确动作,减少继电保护设备的拒动、误动次数,本文基于贝叶斯网络理论,针对现有的网络结构,建立了基于贝叶斯网络方法的元件、联合故障诊断模型,并用接收到的实时保护动作信号作为诊断的证据,运用GeNIe软件进行仿真;其次,在贝叶斯网络故障诊断的基础上引入粗糙集理论,提出基于粗糙集-贝叶斯网的故障诊断方法,基于ROSETTA软件将历史数据进行属性约简,根据约简决策表,简化并建立新的拓扑结构.两种实验均表明本文所提出方法与模型对于现有网络故障的诊断有效可行,在一定程度上降低了推理计算的复杂性,但未能良好体现出该方法的容错优势.通过两种仿真算例的验证与比较,证实了粗糙集-贝叶斯网诊断模型在准确性并未降低的情况下有效提高了计算速度,具有一定的适用性.     

基于粗糙集理论的低压电器故障诊断方法研究

通过分析低压电器的故障,提出一种基于粗糙集理论的故障诊断方法。根据故障历史样本,确定样本的条件属性集合和相应决策属性集合。对条件属性集合进行约简,实现不确定数据的简化,得到相应的规则集合,并将其应用于低压电器常见故障的诊断。     

一种基于粗糙集理论的设备故障诊断方法

粗糙集理论是一种处理模糊和不确定知识的数学工具。本文根据粗糙集理论,对设备的振动故障诊断决策表进行属性约简,以提取故障识别的重要属性,降低决策表的冗余性。分析表明,粗糙集理论应用于故障诊断可得到更清晰、简明的诊断规则。     

基于粗糙集理论的连铸坯缺陷诊断预报系统

提出了基于粗糙集理论的连铸板坯缺陷类型的诊断及以预报系统,以粗糙集理论为主要工具,揭示了板坯缺陷形成因素的冗余性,并对此约简后,利用径向基函数神经网络进行预报及诊断,初步结果表明该理论具有较好的实用性及有效性。     

基于粗糙集理论的病理诊断规则提取算法研究

针对病理诊断规则获取问题,采用基于粗糙集理论的规则提取方法.首先进行连续属性的离散化,用遗传算法对CAIM(class-attribute interdependence maximum)离散化算法进行改进.然后利用粗糙集理论进行规则提取.采用以核为基础的增量式约简算法,综合考虑属性对约简的增益和属性在剩余属性集中的重要性,给出了衡量属性重要性程度的一个准则.随后进行属性值约简,获取诊断规则.     

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。     

基于粗糙集理论的电力变压器故障诊断方法及其发展

文章简要阐述了变压器的常见故障及其基与DGA诊断的特点,指出了几种单一智能诊断方法的不足。在此基础上,引入粗糙集理论以便能从完备信息中得出正确的诊断结论,并能从不完整的信息中得出满意的诊断结果,提高故障识别率。文中介绍了粗糙集理论的基本概念、约简计算方法和约简过程,并对近年来基于单一粗糙集理论及其与其他智能方法组合的变压器故障诊断主要研究成果进行了总结与评述。根据国内外变压器故障诊断的现状与经验,对未来的主要研究方向作了一些有益的探讨。     

基于决策技术和粗糙集理论的诊断知识库构建研究

针对目前诊断推理中知识库构建存在知识获取困难,提出了一种基于粗糙集和决策理论的诊断知识库构建模型.该模型引入决策技术和粗糙集理论,对源数据进行预处理,构建决策表,通过属性约简和属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库.实例证明在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征知识,并能有效地解决诊断知识库构建中规则获取的知识冗余或缺失问题,显著提高故障诊断的精度和效率.     

基于粗糙集理论的数据预处理

探讨数据挖掘过程中,数据预处理应用粗糙集理论进行属性和属性值约简的方法以及用计算机实现约简的算法.通过对医疗数据的预处理表明,利用粗糙集理论来进行数据预处理是一种十分有效的精简、求最小决策算法的有效方法.     

基于粗糙集理论的KNN分类

粗糙集理论为研究不精确数据的分析、推理,挖掘数据间的关系、发现潜在的知识提供了有效的工具。在数据挖掘技术中KNN算法是一个实现简单和分类准确性较高的方法,但是,当用于样本容量较大以及特征属性较多的类似医疗图像挖掘这样的领域时,其效率受到了很大的影响,找到一个删除最大冗余属性的方法成了解决这个问题的关键。将粗糙集理论与KNN算法结合起来,用粗糙集方法进行属性约简,有效地解决了KNN算法分类的这个缺点。     

基于粗糙集理论的数据挖掘模型

提出了一种基于粗糙集理论的数据挖掘模型,以利于信息不完备情况下的推理和决策问题的解决和研究。该模型从已知数据的初始决策系统出发,建立一系列的不同简化层次的子系统,然后推导出各个子系统的规则集,其中每条规则都有相应的置信度。在应用模型进行推理和决策分析时,用给定对象的信息与模型中相应节点的规则进行匹配,然后选用某种评判算法得出结论。给出了一个简单的例子来说明如何建立和应用这种数据挖掘模型。这样的模型可以很方便地根据给定的信息,在最符合的子系统上得出尽可能好的结论。     

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。     

基于粗糙集理论的特征提取方法

约简是粗集理论的重要概念,由定义计算约简是一个典型的NP问题且由于约简的不唯一,往往最后获得的属性集并非是最好的属性。本文针对Rought set理论的属性约简进行了研究。研究了通过可辨识矩阵求得属性约简集,利用Rought set与灰色理论相结合,提出一种属性约简的启发式算法。实验证明可以获得约简集合中最有利的属性。     

基于相异关系的粗糙集理论

利用相异关系代替Pawlak粗糙集理论中的不可分辨关系,建立了基于相异关系的粗糙集理论,它使粗糙集理论在完备信息系统和不完备信息系统中的应用统一起来．     

基于粗糙集理论的数据挖掘研究

数据挖掘的技术很多,其中粗糙集理论得到了广泛的应用。粗糙集理论是一种研究不完整、不确定知识处理的数学工具,它可对不完整的数据进行分析和归纳,从中发现知识。本文介绍了数据挖掘基本概念,阐述了粗糙集理论的基本思想,探讨了基于粗糙集理论的数据挖掘方法。     

粗糙集理论及其应用研究

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。本文给出了粗糙集理论的特点,阐述了几种粗糙集理论的扩展模型及其应用领域,最后讨论了粗糙集理论研究的前景。