基于BIC的粗糙集择优和属性约简

粗糙集优良性评估标准对粗糙集应用至关重要,目前常用的标准是误判率,在测试集中误判率小的粗糙集并不总是具有最高预测准确度。在引入BIC准则评价粗糙集优良性的基础上,给出基于BIC准则的粗糙集择优方法和基于BIC的粗糙集属性约简方法;利用粗糙集分类规则构建Logistic模型,将拟合Logistic模型的BIC值作为该粗糙集的BIC值,并用于粗糙集优良性评估;实际应用显示:基于BIC的粗糙集择优方法能够筛选出预测高准确度的粗糙集,当多个粗糙集的误判率差异小时,新方法更可能选出预测准确度高的粗糙集,信息熵和BIC组合的属性约简结果更好。     

肿瘤病理类型绿色诊断方法研究——基于变精度粗糙集理论与贝叶斯网络

为了准确对肿瘤病理类型进行诊断,减轻患者因诊断造成的不便与痛楚,提出了基于变精度粗糙集理论与贝叶斯网络的肿瘤诊断方法。对930例甲状腺肿瘤病例使用变精度粗糙集与贝叶斯网络方法导出诊断规则,并与粗糙集对比后发现,基于变精度粗糙集与贝叶斯网络的诊断规则准确性高于粗糙集理论的诊断准确性。基于变精度粗糙集与贝叶斯网络的肿瘤诊断模型对提高肿瘤诊断水平具有更好的临床使用价值,为肿瘤的诊断与分类提供了一种新思路。     

粗糙集理论的最新应用

粗糙集理论是一种较新的软计算方法,是分析和处理不完备信息的一种有效工具.结合最新文献分析了粗糙集理论的最新应用情况,并对粗糙集理论今后的研究方向进行了展望.     

MC下基于粗糙集的个性化需求挖掘模型

1粗糙集理论粗糙集理论通过知识或经验将研究对象进行分类,并提供了严格的数学理论方法;粗糙集通过定义不可分辨关系的族集来定义知识,使得知识有了清楚的数学意义。模糊集理论中对象的隶属度函数值不依赖于其他对象,一般是由专家直接给出,因此带有很强的主观意志;粗糙集理论中     

基于粗糙集-CPN网络的客户价值预测

利用人工神经网络与粗糙集理论的优势互补,将粗糙集用于优化客户价值的指标结构,CPN神经网络用于预测,提出并建立一种粗糙集与CPN神经网络相结合的客户价值预测模型,并依此模型进行了实例验证。     

粗糙模糊子群及其性质

本文主要讨论了粗糙集代数系统,引入粗糙模糊群的概念,并讨论相关的性质;最后介绍了粗糙集理论在决策系统中的应用     

粗糙集条件信息熵权重确定方法的改进

权重确定是决策和评价的重要环节.文献[1]基于粗糙集条件信息熵的权重确定方法是为了避免冗余属性权重为0的情况,但是该方法得到的冗余属性的重要度却高于非冗余属性的重要度.通过对文献[1]粗糙集条件信息熵权重确定方法的分析,找出相矛盾的原因,并讨论了属性重要度优先级队列的构造,进而在此基础上提出了以粗糙集的代数理论为基础的粗糙集条件信息熵权重确定的改进方法.     

基于划分类归并的粗糙集属性约简新算法

文章以论域的不同划分与条件属性的不同子集确定的等价关系间的一一对应关系为出发点,研究了粗糙集属性约简与论域划分类归并之间的内在联系,利用粗糙集模型某些属性约简的正区域不变性,提出一种基于论域划分类归并的粗糙集属性约简新的算法.理论分析和实践结果表明了所提出算法的有效性与实用性.     

基于优势关系粗糙集的模糊综合评价的权重确定

文章应用优势关系粗糙集,根据属性的综合优势度计算属性重要度。将属性重要度归一化处理来确定权重的方法克服了传统确定权重的主观性,弥补了经典粗糙集方法确定权重不能很好表达偏好信息的缺点。最后以企业发展能力模糊综合评价的权重确定为例,说明应用优势关系粗糙集确定权重方法是可行的。     

不完备信息系统下量化容差关系的改进

0引言1982年,波兰科学家Pawlak首次提出粗糙集的概念,粗糙集理论和方法是一种数据分析与推理的有效工具。经过20余年的发展,粗糙集理论在人工智能、数据挖掘、机器学习、医疗诊断、航空航天等众多领域得到广泛关注和应用犤1犦。Pawlak最初提出的基于不可分辩关系的粗糙集理论只     

一种基于粗糙集条件信息熵的多指标综合评价方法研究

针对多指标综合评价中各评价指标权重获取的问题,构建了基于粗糙集条件信息熵的多指标综合评价智能模型。考虑到实际综合评价应用分析中常见的小样本数据特点,将决策表进行合理分块划分,以层次式计算的方式基于粗糙集方法逐步实现对各个评价指标权重的客观求取。算例分析和实验比较,验证了该粗糙集智能评价模型的有效性与优越性。     

一种基于粗糙集属性约简的入侵检测算法

文章论述了一种基于粗糙集理论的入侵检测的算法,通过将粗糙集中的属性约简算法用于入侵检测数据的挖掘,建立了基于粗糙集的入侵检测系统模型,并对基于属性频度的约简算法进行了改进,提高了数据挖掘效率,有助于得到简洁高效的数据。     

完备决策表中的Bayes公式

文章就粗糙集与在完备的决策表中基于粗糙集建立起来的Bayes公式在决策分析上的应用进行了分析,得到它不仅相比主观的“古典”Bayes公式来得更为客观,而且它体现了所分析数据的概率结构与蕴涵和概率之间的紧密联系。     

高新技术项目投资风险的评价模型

粗糙集具有强大的数值分析能力,而BP神经网络具有准确地逼近收敛能力,所以将粗糙集和BP神经网络串行结合,建立一种基于粗糙集-BP神经网络的高新技术项目投资风险评价模型。把粗糙集作为模型的前置系统进行属性约简,消除样本冗余,减少BP神经网络输入维数和隐含层神经元权值连接的个数,从而达到提高BP神经网络训练速度、运行速度和评价精度的目的。最后,仿真研究表明运用该混合模型能取得较满意的结果。     

粗糙集方法在医学影像诊断分析中的应用

医学诊断常面对越来越多的医学影像数据信息,比较不同分析方法对于疾病诊断十分必要.对183例脑胶质瘤的MR资料分别使用粗糙集理论和logistic回归分析方法导出影像诊断规则.与病理结果对比后发现,使用粗糙集理论的诊断规则准确性高于其他统计方法.粗糙集理论对提高医学影像学诊断水平有更好的临床应用价值.     

基于粗糙集支持向量机的个人信用评估模型

文章改变了过去个人信用评估模型多使用统计方法或者主观分析方法精简数据集属性个数的做法,将粗糙集与支持向量机结合的粗糙集支持向量机方法引入个人信用评估实践。以包括1000个统计样本的德国信用数据作为个人信用评估模型的数据来源,应用粗糙集分析系统RSES进行数据预处理,运用遗传算法计算约简,得出以不同的缩减率得到的约简集;然后使用支持向量机分析工具LIBSVM逐步处理已经进行过属性约简的数据集,并在处理过程中应用了交叉验证和网格搜索技术。     

基于权重优势关系的粗糙近似模型

在不完备信息系统中,为了解决不完全的偏好决策问题,相关学者提出了多种优势关系及其相应的粗糙集模型.但在实际情况中,各条件属性对决策属性的影响程度是有差异的.文章提出一种基于权重的优势关系及其粗糙集近似模型,以及基于粗糙集的权重设定方法和阈值的设定方法.通过对比分析,权重优势关系比广义扩展优势关系更符合实际情况.并用实例证明了权重优势关系及其粗糙近似模型的实用性和有效性.     

基于粗糙集的语音情感分类的决策方法

文章首先分析了语音信号中与情感有关的振幅、基频及共振峰系的参数组和提取方法,以此构造决策表,通过粗糙集的方法对表中数据进行处理,获取参数的重要度,并建立适合语音信号的粗糙集分类规则.将规则应用于实例进行测试,验证了方法的有效性.     

确定中小企业能力提升重点的粗糙集方法

本文创新性地将粗糙集理论应用于该领域,将对于中小企业竞争力的评价指标看作粗糙集决策表的条件属性,计算属性重要性并进行排序,从而得出要成为合格的虚拟企业合作伙伴,中小企业要提升竞争力的重点。     

运用粗糙集理论对我国粮食产量的预测

文章将粗糙集理论引入我国粮食产量预测;通过属性约简从诸多影响因素中提取关键因素,并对各因素重要程度进行排序,得到一致、完备的预测规则;通过实际应用验证了其可行性,证明粗糙集的利用能有效地避免人为因素的影响,可以得到更合理的预测结果。