粗集理论及其在旋转机械故障诊断中的应用(一)粗集理论基本知识

粗集理论是对不精确、不完整、不确定的数据进行上近似和下近似的计算、分类和约简，寻找其隐含的关系和模式，产生新的规则，确定规则的可信度。介绍了知识库的形式化定义、知识的等价、约简等一些基本概念，提出了旋转机械故障诊断知识表达系统的思路。     

基于粗集理论的数据挖掘应用

论述了粗集的基本理论和特点，并对其在旋转机械故障诊断中的应用进行了探索，提出了粗集理论在旋转机械故障诊断中的数据挖掘方法，运用这一方法对故障诊断决策表进行属性约简，去除其中不必要的属性，揭示出旋转机械故障诊断条件属性中的冗余性，最后得出了属性约简的结果以及决策规则。     

基于粗集理论的一种相容决策表的学习算法

基于粗集理论,针对相容系统规则,提出一种新的相容系统决策表归纳学习算法,并通过实际例子说明该算法的有效性和可信度,与以往的相容决策表的归纳学习算法相比较,这种算法比较简单,而且能够全面地获取规则且没有冗余。给出了具有较高可信度的规则挖掘过程。     

基于粗集的空间对象分类学习算法

针对二维空间对象分类问题,提出将粗集方法应用于分类规则的学习.首先建立空间分类信息表,然后采用粗集方法约简条件属性、提取分类规则,并采用多种指标对规则进行评价.通过实验结果分析,证明粗集方法能够有效用于学习空间对象分类规则.     

粗集理论及其应用（一）──粗集理论基础

作为研究粗集理论的开始，本文首先给出知识的形式化定义和知识库，知识的等价、推广及特化等概念的一些基本性质，强调知识与分类概念的联系。当涉及到非精确知识时，提倡以粗集概念作为讨论知识的理论基础，因而本文介绍了粗集与集合近似的基本概念，阐述了近似集合的性质及非精确性的数字特征与拓扑特征，最后给出集合的粗等价、粗包含和分类的近似方法。     

基于粗集理论的一种规则提取方法

介绍了粗集理论的基本概念,通过对现有基于粗集的最小规则提取算法的分析,发现其缺陷,提出了一种改进的基于粗糙集的规则提取方法,并用UCI数据库中的9个标准数据集从规则集的规则数目、规则集的平均规则长度、规则集的平均规则支持、规则集的预测精度等4个指标对改进的算法进行了测试和对比分析,实验表明了该算法的有效性.     

基于粗集的模糊聚类方法和结果评估

粗集的决策表的属性包括定量属性和定性属性,针对这种情况,根据一种对象的相似性度量方法,使用模糊聚类方法对粗集对象进行模糊聚类,对聚类结果进行了评估(根据这种聚类方法得到的结果和实际的分类结果进行比较)．在这种相似性度量方法基础上,证明了粗集的等价关系可以被转化为模糊等价矩阵．基于粗集的聚类步骤如下：首先,一个粗集等价关系都可以转化为一个模糊相似矩阵,其次,转化成一个模糊等价矩阵,最后,进行模糊聚类．对此方法进行了实验,并对实验的结果进行评估．实验结果说明了这种方法的简单高效．     

基于粗集理论的开关电路分析和综合方法

提出一种基于粗集理论的开关电路分析和综合方法，首先阐明祖集方法与开关电路的功能表的关系，然后介绍开关电路的简化分析，最后提出开关电路的综合方法。     

基于粗集理论的专家系统故障规则的获取方法研究

为了提高故障诊断专家系统中知识获取的能力,本文提出了一中基于粗集理论的专家系统决策简化的方法,并深人研究和初步建立了故障规则自动获取系统,对原有的数据库进行精简和重构。该方法不仅消除了原始的故障数据库中的冗余属性,还对属性值空间进行合理划分,对整个系统的性能有明显的改善。     

基于粗集理论的数据离散化技术研究

信息系统连续型属性值的离散化对决策规则或决策树的学习具有非常重要的意义。它能够提高系统对样本的聚类能力，增强系统抗数据噪音的能力，减少机器学习算法的时间和空间开销，提高其学习精度。粗集是有效的数据离散化工具。对基于粗集理论的数据离散化方法进行了深入研究，分析其特征，评述其研究进展，并通过仿真实验研究了几种典型的启发式离散化算法的性能。其结果对发展新的离散化技术或为特定应用选择合适算法都有参考价值。     

基于可变精度粗糙集模型的有导师机器学习

机器学习是人工智能领域中重要的研究课题,基于经典粗糙集的机器学习,只有学习者的分类被完全包含在导师的分类中时,才形成决策规则,条件比较苛刻;而基于可变精度粗糙集理论的有导师机器学习,根据学习者的分类包含在导师的分类中的包含度αi,与事先给定的精度系数β的比较,来求取具有一定相容性的决策规则,该方法更具有灵活和实用性。     

基于粗糙集理论的项目投资管理

粗糙集理论是一种新的数据分析和处理方法,使用粗糙集理论可以对决策表进行简化,去除冗余属性。首先给出了基于粗糙集的知识推理方法。然后以一个实际例子讨论如何利用粗糙集理论从现有样本中进行知识约简,获取新决策规则,使该方法具有了实用和推广的价值。     

基于粗糙集理论的有限自动机最小化方法改进

有限自动机放在粗糙集的范畴中来研究,它的各个状态对应粗糙集论域中的每个对象,每个输入符号为一个等价关系。从粗糙集的角度,利用对论域进行知识划分的方法,每次产生新的等价类,直到每个等价类都不能划分为止,从而得到最小化的有限自动机。与已有的研究方法不同,该方法以粗糙集理论为工具,为有限自动机最小化方法研究提供了新的思路。     

基于粗糙集理论的集对分析方法

针对集对分析的基本理论,分析粗集与集对的相似之处,将粗糙集理论与集对论相互嫁接、相互渗透,提出集对分析中的粗糙集方法,用粗集中的上下近似集来定义集对中的同异反联系度。这种方法的研究将有利于融合二者的优势,为确定不确定系统的数据分析、数据挖气掘、知识发现等提供了更扎实的理论基础。     

基于粗糙集理论的工程项目评标方法

结合最新的数学理论,提出一种基于粗糙集理论的工程项目评标方法.通过实例证明,该方法在工程项目评标方法中具有可行性,为工程项目评标方法提供了一种新的思路,具有很好的应用前景.     

基于粗集理论的雷达辐射源信号识别

将粗集理论（RST）引入到雷达辐射源信号（RES）识别中，提出一种区间连续属性离散化新方法及相应的特征选择算法，将RST与神经网络（NN）结合，设计粗集神经网络（RNN）分类器．实验结果表明，该方法解决了已有方法难以处理的区间连续属性离散化问题，获得的正确识别率比其他3种方法分别高出7．29％、4．34％和4．00％．RNN的平均训练代数比NN少97．54，RNN的平均识别率比NN高2．84％，这表明RNN具有比NN更好的分类能力和泛化能力，从而证实了该方法的有效性和可行性．     

基于粗集理论的模糊知识权重计算方法及其应用

文章给出了一种模糊专家系统中基于粗集理论的模糊权重计算方法,通过专家经验所得到的主观权重和由粗集方法得到的客观权重进行综合,定义了模糊知识的综合权重。并给出了在羊疾病防治专家系统的应用。     

粗糙集理论中粗糙函数定义的改进及粗糙导数性质的证明

对二元、n元粗糙函数、k阶粗糙导数的定义进行了改进,给出了一元、二元粗糙导数的性质,并对一元、二元、n元粗糙导数的性质给出了较详细的证明.     

基于粗糙集的学习优异性分析

利用粗糙集理论,对学习优异性的影响因素进行分析。定量的研究结果表明,兴趣、信心、目标、课堂、作业等因素与学习优异性粗隶属度成正比,为定性认识提供了强有力的数据支持;而预习因素与学习优异性粗隶属度成反比,"从不预习"的学生成绩优异的粗隶属度为0.286,居最高,有些出乎意料,值得思考。