基于规则的过程建模与控制器设计

采用布尔逻辑与粗糙集相结合的离散化方法和动态调整的矩阵算法,提出了基于粗糙集决策规则的非线性系统非机理建模方法,构造了基于决策规则的内模控制结构,初步设计了基于粗糙集的内模控制器.并以自来水投药控制系统为背景,进行实例仿真研究.     

一种基于粗糙集理论的决策树分类模型的构造

提出了一种基于粗糙集理论构造决策树模型的方法,它结合了粗糙集定性分析能力和决策树的直观分类能力,得到一种理解性好、精度较高的决策树模型.     

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．     

多元粗糙模糊回归预测

基于粗糙模糊数及最大隶属原则，建立了多元粗糙模糊回归模型，并用于预测，为预测提供了一条新思路。     

基于粗糙集理论的医院院内感染数据挖掘

粗糙集理论是一种处理模糊和不确定知识的新型数学工具 ,已广泛应用于人工智能的许多领域特别是数据挖掘和知识发现领域。本文首次将基于粗糙集理论的数据挖掘技术应用于医院院内感染的知识发现 ,在智能诊断的知识自动获取方面取得新的进展。     

基于改进变精度贝叶斯粗糙集的感性知识获取

变精度贝叶斯粗糙集方法是感性知识获取中处理用户群个性化感性差异的一种柔性方法,针对其在感性规则提取阶段可能产生的组合爆炸问题,提出了一种基于顺序覆盖策略的改进算法.该算法以感性决策类的近似区域作为输入,以选取覆盖能力最大的合取项为贪心搜索策略实现规则特化.在此基础上,通过迭代学习逐步完成对近似区域的覆盖和决策规则集的提取.最后,通过基础实例和烤面包机外观设计实例验证了改进方法的有效性.     

基于决策分类的分块差别矩阵及其求核算法

属性约简是粗糙集理论进行数据挖掘的基本途径, 相关算法主要基于核。 核的差别矩阵表示及相关求核计算具有重要意义, 但已有的差别矩阵及其求核算法还具有时空局限性。对此, 依据差别矩阵的稀疏性与大规模性, 提出基于决策分类的分块差别矩阵及其求核算法, 直接地将决策分类信息融入形式结构与问题求解。 首先, 基于决策分类来定义分块差别矩阵, 设计其计算算法; 其次, 基于分块差别矩阵, 确定核的内涵与算法; 最后, 进行实例分析与实验验证, 说明所建方法的有效性。基于决策分类的分块差别矩阵有效地实施了信息提取与维度降低, 相关的求核算法较好地减少了差别矩阵求核算法的时空复杂性。     

基于改进核模糊粗糙集的特征基因混合选择方法

针对基因表达谱高维、小样本、高冗余和高噪声等特点,提出了一种特征基因混合选择方法.采用Relief F方法对原始基因进行排序,过滤无效基因,获得初选基因子集,给出了基于差分进化算法优化的核模糊粗糙集模型,进行了特征基因终选.仿真实验结果表明:所提算法比Relief F、Kruskal Wallis、Gini Index等算法在分类精度和基因数量等方面有明显优势.     

基于粗糙集多输出逻辑函数优化算法的研究

文章提出了基于粗糙集的多输出逻辑函数优化方法,并给出了相应算法;实例验证表明,基于粗糙集的组合逻辑优化方法是可行和有效的。     

基于属性递减策略的属性约简递归算法

属性约简是粗糙集理论的核心研究内容之一。通过对某些现存属性约简算法分析,发现它们并不能有效地或正确地获取约简结果。为此,论文提出了一种基于属性递减策略的属性约简递归算法,该算法首先求出每个条件属性的依赖度,然后依次从条件属性集中减去依赖度较小的属性,并判断剩余属性集依赖度是否为1,如果是,则算法递归执行。最后把所获属性集并入约简集并求得核。该算法不仅能够快速计算出所有约简和核,而且运算简单、计算量较少,从而提高了算法效率。实例验证表明,该算法能更有效地对决策表进行约简,具有很强的实用性。