三峡库区库岸公路路基安全风险评价

从风险分析角度,展开对三峡库区库岸公路路基安全风险的研究.构建了基于粗糙集理论的库岸公路路基安全风险单因素估计模型,通过该模型可以针对特定路段的具体情况得出适合于本路段的各风险因素权重;进而通过对库岸公路路基各安全风险因素的分析,构建了安全风险模糊综合评价模型.且以渝巴路云阳境内白水滩至南溪段库岸公路为背景,根据该段公路的实际工程情况,对库岸安全风险因素进行了分析研究,运用已建立的数学模型对渝巴公路白南段路基进行了安全风险评价.     

基于聚类分析的决策表约简

基于粗糙集方法提出了一种系统的决策表约简和决策规则提取方法. 为了避免现有属性离散化方法的不足,使用多元统计中的聚类分析,并借助树形图,R2、半偏相关以及伪F统计量,对连续属性进行离散化处理,得到适合粗糙集方法要求的决策表. 在此基础上,简化了基于可辨识矩阵和逻辑运算的传统属性约简算法,并完善了启发式算法进行属性值约简和决策规则提取. 最后,以应用实例验证了该方法的可行性和有效性.     

基于矩阵策略的不完备混合型数据增量式特征选择算法

特征选择是粗糙集理论在数据挖掘等领域中一种重要的应用,如何对动态变化的信息系统进行增量式特征选择是目前粗糙集理论研究的重点。在不完备混合型信息系统中,属性集的不断增加是信息系统动态变化的一种重要形式。首先在不完备混合型信息系统中引入邻域条件熵的概念,并且利用矩阵的方法去表示邻域条件熵;然后针对属性集动态增加的情形,提出矩阵形式的邻域条件熵增量式更新,并且基于这种增量式更新机制给出了相应的增量式特征选择算法;最后,UCI数据集的实验结果表明,所提出的增量式特征选择算法比非增量式特征选择算法具有更高的特征选择性能。     

一种递增式归纳学习算法

笔者提出的递增式决策函数生成算法是在改造后的分辨矩阵下完成的,更有利于编程实现;避免了传统粗集方法对数据作一次性处理生成庞大的决策矩阵,从而有效解决了在处理大规模数据库时内存不足问题;由于决策函数是递增式生成的,因此该算法适应了目前数据变化的特点,实现了新例的动态学习,因此这种对信息的重用,减少了数据挖掘的时间;同时,递增式决策函数生成算法从根本上解决了多类决策的递增式学习问题.     

基于粗糙集的发现决策偏好信息的新方法

传统的粗糙集(Rough Set)模型基于可利用信息的完全性,忽视了可利用信息中的不完全性和可能存在的统计信息,因而不能发现隐藏在大量决策实例中的不确定性决策偏好信息．为了解决这个问题,该文提出了一种将加权关联规则运用到粗糙集模型中的新方法．     

基于等价类的Rough集模糊化子系统

从系统的角度,讨论了给定信息系统上的所有Rough集模糊化所形成的模糊集类的相关性质,并证明了它是相应论域上的模糊集系统的子系统·但它却是一类特殊的模糊集子系统,在这个子系统中一般的不满足运算传递性质·为进一步研究Rough集与模糊集这两种不确定性的理论之间的关系,并将它们有机结合起来提供了理论依据·     

一种构造数据仓库的基本时间轮转模型

在分析数据仓库建立的一般方法基础上,提出了一种用于构建数据仓库的基本时间轮转模型·介绍了基本时间轮转机制的概念及实现原理,分析了时间轮转模型的特征;结合具体实例,详细描述了基于粗时间集的基本时间轮转模型构造方法及基于该模型基础上的相关行为·实践证明,与传统的数据仓库构造策略比较,时间轮转机制可有效保证数据汇总的幂等性,并对联机分析处理、数据挖掘和决策支持系统具有更好的可用性,在数据抽取效率、数据存储效力和系统构造便利性等方面也有较大提高·     

粗糙集理论在中国手语合成中的应用

粗糙集理论是处理模糊和不确定知识的一种重要工具,约简是它的核心方法之一．在人机交互中,手势交互的难点在于手势表示的复杂性和逼真性,在将粗糙集理论应用于中国手语合成中,利用约简发现了手运动中的一类约束,降低了手语表示的复杂性,也增强了手语合成的逼真性．     

基于粗糙集理论的分布式检测系统数据融合

探讨分布式检测系统数据融合的粗处理方法,给出基于粗糙集理论的分布式检测系统的数据融合结构和相容算法, 通过不可分辨关系确定属性约简、导出决策规则,并将其应用于油田输油管测漏系统中,结果证明了该方法的合理性和有效性.     

基于信息颗粒的粗糙集约简研究

刻划了基于粗糙集信息颗粒的知识库模型,证明了基于基本信息颗粒的一种正区域等价算法,分析了不可分矩阵的性质,提出并实现了基于粗糙信息颗粒的属性约简算法,使粗糙集理论能更好地适应海量数据集的挖掘．