随机粗糙度与粗相等

在基于随机集的粗糙上近似、粗糙下近似的概念及其简单性质的基础上,定义了随机近似空间上的粗糙度、基于随机集的粗糙集的上粗相等、下粗相等、粗相等、随机粗糙集类和随机粗糙近似空间的概念,并且得出了随机粗糙近似算子的一系列性质、随机粗糙集类和随机粗糙近似空间的一一对应关系等重要的结论。     

基于粗糙集理论的入侵检测的研究

为了提高入侵检测效率,文章提出了基于粗糙集理论的入侵检测模型,通过应用LEM2和Decomposition Tree算法进行粗糙集的约简,得出了当训练数据集太多时,要对其进行分类和生成规则,必须使用分解树算法来处理的结论。并且实验证明,Decomposition Tree算法对U2R和R2L的某些攻击类型也有较好的检测率。     

决策表的最近近似约简

属性约简是粗糙集理论研究的核心内容之一,为此,在提出了最近精确集概念的基础上,研究了决策表属性约简方法一最近近似约简．数值例子表明,该方法简单有效．     

基于正域的决策树构造方法

决策树是数据挖掘中的一种重要分类方法。在此以粗糙集理论中的正域为启发式函数,设计了一种新的、有效的决策树构造方法。该算法具有较大的灵活性,能从测试属性空间逐次删除已使用过的属性。避免对这些属性进行重复测试,减少测试空间,降低了树的复杂性,从而提高了分类效率。最后,实例验证了算法的可行性与有效性。     

一种改进的模糊粗糙集属性约简启发式算法

介绍模糊粗糙集约简算法,利用模糊区分矩阵产生最小约简.通过分析,说明了算法的不足,提出相应的改进策略.将启发性知识结合区分矩阵,提出了基于属性特征权值的启发式约简算法,文中算法意义更加直观,计算也更加简单,提高了约简算法的速度.采用VC进行实验,通过对多个UCI数据集进行测试,结果说明了改进算法的有效性.     

一种协调信息系统的快速求核算法

属性核的确定对于求属性约简具有重要的意义,利用协调信息系统中条件属性的划分相对于决策属性划分的概率分布为单点分布的性质,提出一种新的求核算法.采用多个UCI 数据集进行实验,结果表明该算法的效率高于基于辨识矩阵和基于信息熵的求核算法.     

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。     

众数粗集及在物理实验学习动机与效果关联性分析中的应用

对粗糙集理论进行了进一步地扩充,提出了众数粗糙集模型,并将该模型应用到医用物理实验学习动机因素与效果关联性分析中,取得了很多有意义的结果。本文的工作显示出粗集理论作为教育教学因素新的分析工具是非常有效的。     

基于粗糙集的推理机设计

基于专家系统的故障诊断方法与数据库技术都得到了长足的发展和广泛的应用,将二者更好集成已成为当前的一个研究热点.提出一种基于粗集和集对分析的抽取和过滤规则的方法,研究与讨论了数据挖掘技术在实现知识自动获取和简化推理机设计方面的应用,结果表明推理机算法简单,且可以满足复杂的实时故障诊断的需要.     

基于关联规则挖掘的粗糙集属性值约简算法研究

粗糙集理论中约简是一个重要的研究课题,它包括属性约简和属性值约简两方面内容.针对目前属性值约简只能实现约简,而不能计算各个规则的出现次数的问题,结合关联规则和粗糙集两方面的优点,对冗余规则和不一致规则进行处理,获得具有实际意义的约简表.实验证明,此算法是有效的.