摘要：随着大数据时代的到来,数据的类标签数量急剧增加,对现有的分类任务带来了严峻的挑战。为了解决这个问题,人们通常将标签组织成层次结构,使用结构中所包含的信息来对任务进行学习。考虑样本的不断增加,使用模糊粗糙集信息熵设计了一种面向层次分类的增量特征选择算法。考虑兄弟策略,将现有的λ条件熵推广到了层次分类的情形,设计了一种非增量的层次分类特征选择算法,设计了λ增量条件熵,基于此设计了增量版本的特征选择算法。在实验中,采用了包括非增量版本在内的7种不同的特征选择算法在5个层次数据集上与增量算法进行比较,实验结果验证了2种算法的有效性,并且所设计的增量算法能在不影响性能的情况下加快特征选择的进程。

摘要：模糊粗糙集可突破经典粗糙集仅能处理离散数据的局限,有效对连续型数值进行特征选择。然而,模糊粗糙集以对象为中心计算,时间复杂度高,难以处理高维和大规模数据。为此,基于水平截集提出一种不一致近邻加速策略。该策略跟踪论域中每个对象的模糊近邻集,持续删减其中不影响计算的近邻,若对象的不一致近邻删减至空,则删减该对象,从而提高算法效率。同时,设计一种基于不一致近邻递减的属性重要度,可有效抑制冗余特征入选,提升效率及分类精度。通过理论证明,所提的加速策略及属性重要度不影响属性入选的次序。在此基础上,提出新的模糊粗糙集特征选择算法。在9个UCI和scikit数据集上进行验证,实验结果表明,该算法不仅有效缩短运行时间,并可取得较高的分类精度,相比FA-FSCE、AVDP和IV-FS-FRS-2算法,运行时间至少可缩短9.44%,尤其在高维和大规模数据上可缩短61.01%~99.54%,在支持向量机和K-近邻算法的分类精度上最高可分别提高11.20%和19.95%。

摘要：提出一种改进的三比值变压器故障诊断方法。以模糊粗糙集为数学基础建立信息决策系统,采用数据挖掘技术解决这一建立过程中的若干问题。考虑到信息源的连续取值对模糊粗糙推理的影响,利用模糊集方法处理连续取值型属性。利用数据库知识发现技术挖掘数据库中隐含的聚类信息,设置属性的模糊取值并确定隶属函数。并在此基础上基于包含度对模糊规则进行约简和剔除。设计了适用于模糊粗糙规则提取的数据挖掘算法,从数据库中提取规则,按属性集建立多表决策库的拓扑结构。诊断结果表明,该决策库故障正判率较高,模糊判断规则适应现场条件。

摘要：针对应急救援演练控制的复杂性和难以量化问题,为实现多人参演系统的有效控制,基于分析分层过程法(analytic hierarchy process,AHP),建立一种模糊粗糙集知识测度的综合建模方法.首先,分析模糊粗糙集各类知识测度相关概念、相互联系和各自特点,通过AHP方法,建立模糊规则的分层度量模型并给出了对比矩阵的构造示例,对模糊规则进行更加精细的度量.其次,在分析应急演练知识构成的基础上,提出预案知识提取和模糊关系粗糙集的构建方法;设计了演练过程控制流程和基于本文知识综合测度方法形成的核心控制流程;通过对规则重要性排序,提高规则判别精度,提供规则选择的手段和一种规则冲突消解方法.最终,通过一个简单案例,验证了本文所提的研究工作的可行性.

摘要：实例库维护是基于实例的推理方法中的一项核心工作,目前国内外关于实例库维护方法的研究还存在一些不足.针对机械产品设计实例的特点,提出一种基于模糊粗糙集理论的实例库维护方法.首先定义了产品设计实例特征权重计算、实例库族集的划分以及实例属性的约简方法;在此基础上,引入覆盖度和可触及方法对典型实例进行筛简.最后开发了面向工程机械设计的实例库维护系统,并给出了具体应用效果.

摘要：选择影响注塑件质量的注塑模浇注系统方案为研究对象,提出了浇注系统方案智能化设计策略。考虑到浇注系统方案设计中存在的模糊性和不确定性等因素,对经典的粗糙集理论进行了扩展。将等价关系扩展为模糊相似关系,提出一种模糊粗糙集模型归纳学习算法,并利用此模型建立了具有规则数目少、规则简捷等优点的浇注系统方案设计模糊知识库,并开发了一个浇注系统方案智能化设计原型系统。设计实例初步表明该研究工作和开发的设计原型系统能提高浇注系统设计效率。

摘要：针对影像分类中少量标记样本问题,提出了基于模糊粗糙集的影像半监督分类算法.首先,通过模糊粗糙集对数据的粗糙性与模糊性进行建模,采用归一化的模糊互信息来度量特征与类别信息的相关性,并利用模糊上下近似度量样本的类别隶属度;然后,结合归一化的模糊互信息改进正则化框架下的特征评价方法,在谱图分析的半监督特征选择框架下实现特征优选;其次,结合近邻约束提高模糊上下近似预测样本类别的准确性,设计基于模糊粗糙集的约束自学习,选择信息量大的未标记样本更新训练样本集;最后,利用新的样本集训练分类器,完成影像分类任务.多组实验表明所提算法能够在少量标记样本的条件下有效提高影像的分类精度.

摘要：多标记分类任务中的数据通常是高维的,直接利用高维数据建模可能导致训练效率低下,模型复杂,同时可能影响分类效果.针对多标记数据,文中提出属性-标记矩阵的概念,建立基于标记关系的模糊粗糙集模型,设计此类模型的约简算法,用于多标记数据分类任务的特征选择.在8个公开的数据集上实验验证文中算法的有效性.

摘要：为解决受天气影响、探测器故障和人为错误等多种原因造成的交通流数据丢失问题,提出一种基于模糊粗糙集理论的交通流数据补缺方法,将支持向量聚类与模糊粗糙集结合进行交通流数据的分类,并结合模糊神经网络和遗传算法进行数据补齐。该方法对支持向量聚类参数,聚类大小和加权因子进行优化,并估计缺失值。研究结果表明所提出的混合方法具有足够且合理的数据修复性能,与模糊神经网络等估算模型的结果对比表明,该模型的数据修复效果优于其他对比模型。

摘要：在线流组特征选择可以充分利用特征流中原始的组结构信息,以在线的方式处理特征选择问题。然而,现有方法大多无法处理具有模糊性和不确定性的数据。为此,提出一种基于模糊邻域判别指数的在线流组特征选择算法。设计一种模糊邻域判别指数,用于描述模糊邻域粒的判别信息,扩展相关的不确定性度量方法。在此基础上,用组内特征选择和组间特征选择两种策略选择具有强近似能力且非冗余的特征。在8个公共数据集上进行对比实验,验证了该算法具有更优且稳定的分类性能。