信息系统中正区域性质的研究与应用

针对约简算法的基本问题,作了分析和研究：提出并证明正区域的一种新的等价定义,以此推导了高效的正区域基本算法;对不同约简属性集所对应的属性子集、论域子集和正区域,给出它们相互关系的性质,及关于正区域递增算法约简属性性质的推论．综合以上分析和研究。给出了一种完备、高效的属性约简算法,实验结果和理论分析表明：本研究可有效地应用于属性约简算法分析和构建．     

一种基于Rough Set的汉语检索算法

传统的语料检索的不足主要为：（1）无法模糊匹配检索;（2）存在跨行词问题,无法保证查全率;（3）难以对检索结果缩检和扩检．为了克服这些不足,该文提出了基于RoughSet批处理汉语语料的词句．根据RoughSet和汉语语料的特征,给出了模糊检索算法（AMTRT）．通过与单汉字索引检索算法比较验证了AMTRT的有效性．AMTRT在实现各种模糊匹配,节省空间开销且不降低精确匹配查准率基础上,将词句的查全率提高近50％．     

基于Rough Set和灰色关联度的煤炭企业评价方法

针对企业评价中已有评价方法权数分配不合理、指标权数测定困难、难以对企业进行有效的综合评价的现状,采用粗糙集理论和加权灰色关联度的方法测定指标权数,对煤炭企业进行综合评价.以2006年煤炭行业上市公司的财务报表数据为实例进行实证分析,结果表明:基于粗糙集和灰色关联度的企业综合评价方法能够克服传统评价指标权数确定的主观偏好,是一种可行的评价方法.     

基于PCA和Rough Set在股票分类中的研究

为了提高股票分类的精确度,降低分类的复杂度,结合主成分分析和粗糙集理论对股票数据进行了处理.首先对股票数据进行预处理,然后利用主成分分析降低数据的维数,再利用粗糙集理论对降维后数据进行离散化和约简,并最终得到分类精度和分类规则.试验表明:算法取得了较好的分类精度和较少的分类规则数目,具有一定的可行性.     

基于Rough Set的CLS算法研究

用粗集理论对CLS算法进行了分析,得出CLS算法生成的决策树的特性.     

基于 Rough Set 的知识发现系统

ＲｏｕｇｈＳｅｔ理论是近年来出现的处理模糊和不确定性的数学工具，已广泛应用于人工智能的许多领域特别是ＫＤＤ领域。文章介绍了ＲｏｕｇｈＳｅｔ理论的基本思想，并着重讨论了几个基于ＲｏｕｇｈＳｅｔ理论的典型ＫＤＤ系统。     

格中粗糙集的若干性质

利用粗糙集的理论方法,对格的粗糙集和S-模糊粗糙集的一些性质进行研究。证明了上近似算子在分配格的理想(滤子)之集上的不动点之集关于包含序构成一个凝聚的Frame,给出了下近似算子在有限格的理想(滤子)之集上不动点的刻画。最后,研究了格的S-模糊粗糙子格(理想、滤子)的一些性质。     

正算子半群的若干性质

本文给出正算子半群的一个充分必要条件，并得到它的一些性质。     

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.     

Pawlak粗糙集的若干重要性质

为了更深入地了解任意论域(不仅仅是有限论域)上的粗糙集理论,首先从任意论域上的等价关系R出发,提出了R粗糙集和R精细集的定义,该定义与集合的上、下近似无关。在此基础上研究了R精细集的性质,提出并证明了任意论域上R精细集的判定定理和运算封闭性定理。然后,讨论了上、下R近似的性质,提出并证明了上、下R近似的表示定理、比较定理和拓扑结构定理。最后研究了知识库的相关性,给出了正域表示定理和知识库相关性判定定理。这些结果在一定程度上丰富了Pawlak粗糙集理论。     

基于随机模糊集的粗糙集模型

为处理人工智能、不精确性和不确定性等问题,综合随机集和模糊集两类集合的优点,提出一种新的粗糙集模型一基于随机模糊集的粗糙集模型．利用随机模糊集定义了一种近似算子,并给出了这种近似算子的一些重要性质．     

Rough Set理论研究及其在水上交通事故分析的应用

水上交通事故系统中数据多维、稀疏、不全,有效地识别和发现事故数据的新模式及其内在规律能够预防和减少水上交通事故的发生.从数据挖掘的角度出发,应用了基于属性频度的约简算法和改进的值约简算法的结合对(2000～2004)年水上发生的20起具有一定代表性的典型案例进行分析,并加入相关的支持度和置信度,以期为水上交通的管理提供决策支持.     

粗糙集理论在电子邮件过滤系统中的应用研究

粗糙集理论是一种适用于不完整和不确定系统的知识发现的新型数学工具,而电子邮件过滤是网络信息安全研究的热点。本文利用粗糙集理论针对电子邮件过滤技术进行了研究。实验证明,该方法是有效的。     

基于粗糙集的数据挖掘

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 ,近几年来在机器学习、知识发现、算法研究、工程应用、决策支持系统以及模式识别等应用中取得了较好的成果 .阐述了粗糙集理论的基本思想 ,介绍了人工智能中数据挖掘的一般过程及其方法     

粗糙集理论与管理决策分析

应用新型数学工具--粗糙集理论--对干部管理决策中的一批数据进行科学推理,从中获得一组精炼的决策规则.它为管理信息系统和智能决策系统的构建提供了新途径.     

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。     

The Dynamic Evaluation of Enterprise''''s Strategy Based on Rough Set Theory

This paper presents dynamic evaluation of enterprise's strategy which is suitable for dealing with the complex and dynamic problems of strategic evaluation. Rough Set Theory is a powerful mathematical tool to handle vagueness and uncertainty of dynamic evaluation. By the application of Rough Set Theory, this paper computes the significance and weights of each evaluation criterion and helps to lay evaluation emphasis on the main and effective criteria. From the reduced decision table, evaluators can get decision rules which direct them to give judgment or suggestion of strategy. The whole evaluation process is decided by data, so the results are certain and reasonable.     

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。     

基于粗糙集的数据挖掘属性约简算法研究

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,属性约简是粗糙集理论的核心内容之一.阐述了粗糙集理论的基本思想,给出了一种启发式的最小约简算法,通过一个实例,分析说明算法的可行性和有效性.