基于粗糙集的条件信息熵权重方法

使用Matlab计算粗糙集的下近似属性依赖度和条件熵

在Matlab环境下，计算粗糙集的下近似属性依赖度和条件熵的方法。

Matlab 0 2024-08-29

基于粗糙集属性约简的图像隐藏信息检测新方法(2008)

统计分析方法是图像隐藏信息检测中常用的手段，相较于特定隐写分析，其更为灵活，能够快速适应新的或未知的隐写算法。为解决高维特征属性问题，采用粗糙集属性约简技术，有效降低数据规模。实验结果显示，该方法在不影响分类精度的情况下显著提升了检测速度。

统计分析 0 2024-08-30

基于粗糙集的数据挖掘技术探索

基于粗糙集理论的数据挖掘方法正在被广泛研究和应用。这一方法不仅能够处理数据中的不确定性和不完整性，还能发现隐藏在数据背后的有价值信息。研究者们通过改进算法和优化模型，不断提升其在各个领域的应用效果和准确度。未来，随着技术的进步和理论的深入，基于粗糙集的数据挖掘技术有望在更广泛的领域展现其潜力。

数据挖掘 1 2024-08-03

基于Spark的系统信息熵和条件熵计算

利用Spark计算CMIM、MRMR、MIFS等方法的开源库已经相当成熟。作者在仿照Spark MLlib库的特征选择功能基础上，扩展了支持系统信息熵和条件熵计算的方法。需要具体结果时，可直接调用ml.feature中相应的方法。

spark 2 2024-08-03

研究报告-基于粗糙集的物流资源分类方法探讨

针对当前物流行业中资源优化与组织调度存在的实际问题，本研究以现有资源分类体系为基础，结合实际数据，提出基于粗糙集理论的物流资源分类方法。首先通过粗糙集理论对资源属性进行约简，随后应用数据挖掘技术基于属性重要度进行资源分类，最终得出了有效的资源分类规则，为物流资源整合提供理论支持。通过实例验证，证明了该分类方法的实用性和有效性。

数据挖掘 0 2024-10-14

道路运输管理信息数据挖掘：粗糙集与关联规则方法

道路运输管理信息数据常存在不一致、不精确和不完整等问题。为此，本研究结合粗糙集理论的系统归纳思想和属性约简方法，提出了一种将粗糙集分析与经典关联规则相结合的数据挖掘方法。 该方法利用粗糙集分析规则条数与支持度、置信度之间的关系，并通过道路运输管理的实际案例验证了其科学性和有效性。结果表明，该方法能够有效解决道路运输管理的实际问题，并在所选案例中实现了约简 33.3% 条件属性的优化效果。

数据挖掘 3 2024-05-19

粗糙集属性约简调研

本调研分析了粗糙集理论中属性约简的方法，为大学生理解这一概念提供了指南。

数据挖掘 2 2024-04-30

基于对偶宇宙的粗糙集模型的动态增量学习方法

对偶宇宙的粗糙集模型（RSMDU）是广义的粗糙集理论（RST）模型，适用于两个宇宙上的数据挖掘任务。介绍了一种动态增量学习方法，用于在对象随时间变化的情况下更新RSMDU的近似值。图示了该方法在处理动态环境中的有效性。

数据挖掘 1 2024-07-13

基于扩展粗糙集的近似概念格规则挖掘

粗糙集与概念格作为知识发现和数据挖掘的有效工具，已在诸多领域展现出应用价值。本研究在对二者理论基础进行深入研究的基础上，提出了一种利用扩展粗糙集模型改进概念格近似性的方法。 该方法通过引入 β-多数蕴涵关系，实现了概念格外延的近似合并，并构建了近似概念格 (ACL)。在此基础上，进一步提出了概念格粗糙近似和规则挖掘算法 (LCRA)。UCI 机器学习数据库测试结果验证了该算法的可行性和有效性。

数据挖掘 4 2024-05-23