基于决策强度的一种属性约简算法

属性约简是粗糙集理论研究的主要内容之一,目的在于获取优良的规则集合.利用数据挖掘中规则的支持度和置信度的概念,提出了决策表的决策强度的概念, 分析了在属性约简过程中,决策强度的变化趋势;然后给出一种基于决策强度的属性约简的启发式算法, 该算法的时间复杂度为O(|C|2| U|log|U|);最后用一个例子,说明算法的有效性.     

粗集在交通事故黑点成因分析中的应用

交通事故黑点的形成原因多种多样,每一个事故多发点都有其形成的最大诱因。作为交通安全管理工作的重要任务,交通事故黑点的鉴别与改善是预防交通事故发生、减少交通事故损失的有效手段。该文针对交通事故多发点成因的复杂性和多样性,提出通过粗集来对公路交通中的不利因素进行筛选,找到形成事故多发点的最大诱因,从而有针对性地进行整治,能够有效地节约时间和费用,避免不必要的人力、物力浪费。     

多标准决策表中发现概率规则的变精度粗糙集方法

用优势关系代替不可分辨关系,本文提出了一种可以从多标准决策表中获取概率规则的扩展变精度粗糙集模型,该模型能够处理多标准决策表中可能的不一相容性,获取由偏好对象组成的概率决策规则集,并导出事例决策系统的偏好模型。研究结果表明:基于优势关系,从多标准决策表中获取的最小概率规则集,使用的条件数量较少,且导出规则的数量较少、较强。     

粗集决策表与决策表简化的可信度比较

根据粗集决策表提供信息的完备性,借助可信度的定义,对粗集决策表和简化的决策表的决策规则的可信度进行比较,得出了简化后的决策表的决策规则的可信度高于简化前的决策表的决策规则的可信度,为粗集理论的应用提供了有用的分析工具。     

基于Rough Sets的传感器异常数据处理

在各种传感器的应用中,经常要对传感器的测量数据进行处理,以保证测量结果的可靠性．为了利用粗糙集理论处理不确定数据的优点,根据粗糙集理论的思想,先由已知测量数据提取出决策表,再进行补全、离散化等预处理,最后进行属性约简并提取出分类规则,对测量数据进行分类,剔除测量数据中的异常数据．实验结果显示该异常数据发现方法比常用的异常数据处理方法更为客观、精确和可靠．     

基于粗集理论的一种归纳学习算法

归纳学习是粗集理论的主要应用领域.本文基于粗糙集理论,针对相容决策表,提出一种新的归纳学习算法.与以往的方法相比,这种算法比较简单,能够全面地获取规则且没有冗余.此外,还讨论了不相容决策表的学习,给出了具有较高可信度的规则挖掘过程.     

粗集神经网络系统及其应用

讨论了粗集神经网络系统及其在心电图自动识别中的应用。根据识别需要,从MIT心电图数据库获取心电图特征参数,根据粗集理论对属性进行优化,并用BP神经网络进行学习。运用这些特征参数和训练好的BP神经网络对心电图进行分类,识别准确率达到90%。     

决策理论在医疗诊断中的应用

医疗诊断领域是近年来新兴的一个数据挖掘技术应用领域,有着十分广阔的前景。针对传统医疗专家系统的弊端,提出了基于决策表信息系统的医疗诊断规则生成算法和规则库的动态更新算法,并用实际例子说明了其有效性,对于开发基于决策表的医疗诊断系统有重要意义。     

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     

一种基于Rough集的客户流失风险分析方法

为了对客户流失风险分析过程中的大量的冗余特征进行约简或压缩,本文利用粗集理论中的特征约简方法来研究客户流失风险分析,提出了一种基于粗集的客户流失风险的分析方法.通过一个客户流失风险的分析实例对该算法进行了检验,实验结果表明,在保证分类质量基本不变的情况下,该算法可以查找出对分类起主要作用的特征,从而达到了特征约简的目的,成功地将粗集理论应用到客户流失风险的分析和预警中,为客户流失风险的分析和预警提供了一条新的研究思路和方法.