粗糙集理论应用中的离散化方法综述

粗糙集理论是一种有效处理不确定、不精确、不完备信息的数学工具。但是传统的粗糙集理论只能对数据库中的离散属性进行处理,而绝大多数现实的数据库既包含了离散属性,又包含了连续属性。针对粗糙集理论的这些缺陷,综述了几种比较常用的离散化算法,并在此基础上,引申出一些启发式离散算法。最后指出,现有的离散化算法都会或多或少地损失部分信息,目前还没有确定的评判准则评论哪一种方法更好、更合适;离散化方法的一个有效思想就是“最低限度地减少信息丢失、保持数据分类能力和使最终得到的离散化最小（分类器最小）”的原则。     

粗糙集的动态粒度及应用

经典粗糙集理论把元素与分类的关联看成不变的,不便于论域上动态数据的研究,而动态粒度可以从不同角度或层次来分析数据,从而弥补经典粗糙集过于简一的计算机制.在经典粗糙集的基础上结合动态粒度的特点,给出了粗糙集、粒计算、动态粒度和影响度的概念,提出了一种粗糙集的动态粒度算法,并给出其应用.     

粗糙集在决策树生成中的应用

决策树是归纳学习的重要形式,建造高质量的决策树的关键是选择合适的属性,本文针对ＩＤ３算法对属性间的相依性强调不够等问题,利用粗糙集理论,提出了一种新的启发式函数－分辩率构造决策树。     

粗糙集连续属性离散化通用模型及GASA方法

在对典型的离散化方法分析的基础上,提出一种适用于粗糙集决策表的连续属性离散化处理的通用模型结构;对遗传算法的适应度线性尺度变换作改进,将模拟退火的思想引入遗传算法,提出基于遗传模拟退火算法(GASA)的数据离散化方法,并用UCI机器学习数据库中的Iris和Glass数据集进行验证.实验结果表明,离散化方法通用模型对数据...     

基于MEA的粗糙集神经网络研究及应用

将思维进化算法、粗糙集和神经网络相结合,提出一种基于MEA的粗糙集神经网络,用于变压器故障诊断。此模型采用思维进化算法全局寻优的特点,搜索粗糙集属性约简离散断点的位置以及神经网络的连接权值和阈值,避免了常规粗糙集属性约简时复杂的手工试凑以及BP神经网络收敛速度慢、精度不高等缺点,有利于更快地收敛于全局最优解,提高系统的诊断速度和准确率。仿真结果表明了方法的有效性。     

可计算性和计算复杂性的研究及其进展

我们知道一个计算机程序是由数据结构和算法所组成的，即可以描述为数据结构十算法一程序一个被求解问题所处理的对象，总存在着一种或几种相应的数据结构作为程序代码的一部分。然而，求解问题所采用的算法就不是那么简单了，它要涉及到算法的可计算性和计算复杂性的问题。所谓可计算性是相对于函数而言的一种性质。如果一个n元函数f是一个完全函数，并且是部分可计算的，那么称它为可计算函数。函数的这种性质称为可计算性。不同的计算问题具有不同的计算复杂性，或者说不同的计算难度。对于计算机来说，计算复杂性一般是以计算时间长短或…     

粗糙集理论在教学效果评价中的应用

考试作为检测学生对某学科基本知识、基本技能的掌握程度、综合应用能力及创新能力的有效方式而被普遍采用.学生的考试成绩数据里蕴含着大量有用的信息,使用粗糙集理论,将考试的成绩经过挖掘整理,提取有价值的信息,找出教学中存在的问题,提出改进教学的一些建议,以提高教学效果.     

粗糙集结合BP神经网络的数据融合方法研究

在粗糙集和数据融合基本理论的基础上,研究了基于粗糙集理论和BP神经网络相结合的数据融合方法。先利用粗糙集对输入信息进行简化,剔除冗余信息,从而缩减了BP神经网络的规模,提高了融合系统的识别率,进而提高整个融合系统的效率。与传统的神经网络融合系统进行比较,通过实例说明了该方法的有效性。     

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。     

基于粗糙集的属性约简算法研究

提出一种新的基于粗糙集的属性约简算法．该算法采用层次结构和近似精度的概念,约简集中的属性选择从空集开始,用启发函数ξ作为选择条件属性的衡量标准,逐步加入相对于决策而言重要的条件属性,并采用下近似值作为剪枝依据,逐步删除给定论域U中根据该属性子集能完全正确分类的对象,减小了属性约简过程中的搜索空间,处理过程是递归的,直到给定论域U为空集,保证了在分类精度不变的情况下,获得简化的属性集,最后运用粗糙集中正域的概念,约简冗余的属性值并求出其最简规则．对UCI机器学习数据库中7个数据库属性约简结果证明了该算法的正确性和可行性．     

模糊等价关系下的犹豫模糊粗糙集及其应用

首先通过对长度不同的犹豫模糊元进行补齐来定义犹豫模糊集新的交并运算,在Pawlak近似空间中利用新的运算建立粗糙犹豫模糊集模型;然后将Pawlak近似空间推广到一般犹豫模糊近似空间,利用犹豫模糊元间的相似度获得犹豫模糊近似空间中对象间的模糊关系矩阵,再利用模糊集的传递闭包法将模糊相似矩阵转化成模糊等价矩阵,在此基础上建立犹豫模糊信息系统中的粗糙集模型,研究犹豫模糊信息系统的属性约简。最后通过一个算例来说明犹豫模糊信息系统的属性约简方法。     

增量式获取规则的粗糙集方法

规则获取的增量式算法是知识发现领域的一个热点问题．作者根据粗糙集理论，提出δ—不可分辨关系的概念，建立了δ—决策表及其δ—决策矩阵，在此基础上，利用决策函数，提出一种在决策表中获取规则的增量式算法．该算法针对决策表中出现的各种新对象，在原有规则集的基础上进行规则和规则参数的增量式更新，避免了为更新规则而重新运行规则获取算法．     

动态数据库规则获取和更新的粗糙集方法

随着客观世界的发展变化，新模式会不断地增加到数据库中，在已有的模式中会增加新成员，这就导致以前得到的规则集需要随之更新，在利用粗糙集方法获取规则的基础上,提出两种规则更新方法，并提出规则获取和更新的一般理论模型，强调充分发挥决策者和分析人员的主观能动性的重要性，根据客观实际提出新模式和原有模式中的新成员，以满足不断变化的外部情况，而不只是单纯依赖机器决策，并以实例说明。     

变精度粗糙集模型及其一个性质的推广

在[7]的基础上,对变精度粗糙集模型的部分性质进行了推广,即通过引进一对新的算子,把并与交的β上下近似集之包含关系推广到了相等关系,从而得到了更好的结果。     

粗糙集的RBF表示与非监督模式分类

提出了一种粗糙集的ＲＢＦ网络表示形式，在集值测度意义下，将粗糙集的语义表达进行了有效的描述，并构造了其自适应自组织的遗传学习机制．其创新性主要表现在：（１）通过ＲＢＦ网络有效地构造了粗糙集在模式分类中的自适应表示形式；（２）在遗传算法中引入了元进化自调整机制；（３）以粗糙集意义下的非线性映射方式提高了模式分类的计算效率．图３，表１，参４．     

粗糙集及其应用简介

本文介绍了Z·PAWLAK粗糙集的概念和性质,并给出了粗糙集概念的一些例子及它的应用。     

基于粗糙集理论的模糊综合评判权值确定

模糊综合评判在圈闭、区带等含油气性有利区预测及其优劣程度进行定量分析评价中发挥着非常重要的作用。在模糊综合评判中,参评地质因素的权值确定也非常重要。应用粗糙集理论,对原始地质数据进行挖掘,利用其求得各项参评地质因素的属性重要度,并将其权值化处理作为其权重系数,克服了传统方法确定权重系数的主观性,这样使得评价结果更具客观性,从而提高模糊综合评判精度。最后,以塔里木盆地塔西南凹陷圈闭评价为例,用此方法求得评价所需的各参评地质因素的权重系数。     

一个广义Rough集模型及其性质

在传统Rough集理论基础上建立了一个广义Rough集模型，并研究了它的有关性质。     

原子布尔代数理论的计算复杂性

运用Ｅｈｒｅｎｆｅｕｃｈｔ Ｇａｍｅｓ理论给出原子布尔代数理论的一个判定过程及其复杂度,并说明这个过程在初等等价意义下是最优的。     

可行方向法的统一理论及其应用（2）

作者已建立了可行方向法的统一理论，把问题归结为求一组主方向和一组次方向［３］。本文给出产生一组主方向和一组次方向的一般方法，把问题转化为求Ｍ＋；得到了与［３］等价的理论，并给出简化求Ｍ＋的方法，这就使理论和方法都得到了完善。作为应用，给出了Ｒｏｓｅｎ梯度投影法的简明表达式，并给出了求解线性规划的一个新算法。