基于粗糙集理论的大学生学习成绩影响因素分析

粗糙集理论是处理知识不精确和不完善的一种归纳学习方法,能在保留关键信息的前提下,对数据进行化简并求得最小的知识表达,同时能识别并评价数据之间的依赖程度。文中针对学习成绩影响因素的复杂性,将粗糙集理论的技术思想应用于大学生学习成绩影响因素的定量分析中,研究了大学生学习成绩与其影响因素的关系,并确定了影响大学生学习成绩的主要因素。     

基于粗糙集的手写体数字识别多分类器

提出了一种新的手写体数字识别方法.首先采用多分类器提取手写体数字的各类特征,以提高识别正确率;然后利用粗糙集对这些特征属性约简来提高识别速度.测试结果表明,该算法的提出是成功的.     

一种基于粗糙集的土地定级因素权重确定新方法研究

土地定级因素权重的确定是土地定级中重要的内容之一,传统的根据决策者经验确定权重方法主观性强而忽略了定级因素内在的客观性,近来使用的基于粗糙集的综合赋权法在计算客观权重时出现属性权重为0和属性权重值相等的不符合实际的情况,有的使用组合权重确定单因素权重时考虑到的组合情况不够全面。为此结合土地定级的实际情况,本文提出了基于粗糙集土地定级因素权重确定新方法,并采用主客观权重集成法得到土地定级因素的综合权重。     

一种改进的粗集综合评价方法

基于区分矩阵的粗集综合评价方法由于存在对评价对象的反复比较,因此影响了求解指标约简及权重的效率.利用区分矩阵的变形———广义信息表提出的一种改进的粗集综合评价方法,能够减少对对象的重复比较,更快地进行指标约简和权重设置.此外,通过将该方法应用于政府效率评估来验证了方法的可行性和有效性.     

粗糙集属性约简的一般理论

提出了协调近似表示空间的概念，指出了各种不同的信息系统均可以转化为协调近似表示空间．同时，在协调近似表示空间上，给出了属性协调集的判定定理以及属性约简方法，给出了三类不同属性（核心、相对必要属性、不必要属性）的特征定理．     

基于q-正交模糊集的冲突分析模型

基于q-正交模糊集构建冲突分析模型,用q-正交模糊数表示对象关于议题的态度,并使用综合联盟距离衡量对象关于议题的联盟度,进一步通过分析对象和议题的3种联盟层次得到冲突的内因。其次,基于模糊粗糙自信息给出可行策略集的分类能力评价,由此构建寻找最佳可行策略的后向算法。模糊粗糙自信息所需的分类信息由对象的3种联盟层次充当,进一步便可定义联盟层次的上下近似,从而得到可行策略集的分类能力评价。最后,通过中东冲突的例子演示了模型及算法的可行性,并分析了阈值对输出的最佳可行策略集的影响。     

一种基于关联模式的完全决策规则的提取方法

针对基于粗糙集理论提取完全的决策规则是NP难问题,提出一种获取统计意义下的完全的简化规则的算法.该算法结合关联规则挖掘方法和粗糙集方法的优点,从决策表中提取出具有一定支持度和可信度阈值的决策规则,具有实际的应用意义.通过实例验证了算法的有效性.     

基于二进制的粗糙集基本运算研究

通过讨论二进制与粗糙集之间的内在联系,提出基于二进制的粗糙集运算理论,并借助二进制的位运算操作,给出粗糙集的上近似集和下近似集、等价类的交、集合的基数的运算算法.该算法比传统的粗糙集运算算法的运算速度更快,效率更高.该算法为扩展粗糙集的应用提供了理论基础.     

一种基于SQL的属性约简算法

给出了在给定属性集中某个属性是否是不必要属性的新定理,结合SQL给出了相应的算法,实现了一种求解属性约简的改进算法,并给出了证明。     

时态关联规则中有效时间的不确定性研究

分析确定时间的时态关联规则,比较不确定时间下的时态关联规则与确定时间下的时态关联规则的优劣,给出时态关联规则在时间不确定条件下的定义,并用粗糙集表示不确定时间。