基于粗糙集的酥梨病害知识发现系统构建

依据粗糙集理论,采用基于差别矩阵的启发式属性约简算法,获取属性约简集,产生相应的决策表的决策规则.并以此为基础,实现了砀山酥梨病害诊断系统,为酥梨病害诊断提供一个切实可行的诊断工具.     

基于AHP与Rough Set的农业节水技术综合评价

由于不同区域自然条件的差异,农业节水技术自身特点及对应用环境条件的要求,导致不同农业节水技术的应用效果存在很大差异,有较大的不确定性,因此,如何筛选合理的评价指标,构建科学、全面的农业节水技术综合评价方法具有十分重要的意义。根据对农业节水技术应用效果的实地调研,应用Delphi法从调查获得的20项评价指标中筛选出了9项农业节水技术综合评价指标。其中节水率、积温和土壤肥力属于生态因子,产投比、劳动力投入和经济投入属于经济因子,可靠性、推广程度和农民认可度为社会因子。基于以上9项指标,构建了农业节水技术综合评价指标体系.综合评价方法(ARM)通过引入经验因子α对应用层次分析法(AHP)和粗糙集(Rough Set)所获得指标权重进行修订,使指标权重更加合理化。同时,分别应用AHP、Rough Set和ARM对甘肃省武威市的地膜覆盖、秸秆覆盖和常规畦田灌溉在大田中的应用效果进行了综合评价。评价结果显示,在对地膜覆盖技术评价中,AHP法过分强调了经济效益的作用(0.44),Rough Set法则强调的是生态效益(0.33)和社会效益(0.32),弱化了经济效益(0.05),ARM修正了以上2种方法的评价结果,获得地膜覆盖的经济效益、生态效益和社会效益,分别为0.36、0.20和0.13。在对秸秆覆盖评价中,与其它两种方法相比,Rough Set法的评价结果存在显著性差异,ARM修正获得的经济效益、生态效益和社会效益,分别为0.09、0.18和0.06。在对常规畦田灌溉评价中,Rough Set法强调了生态效益(0.28),经过修正获得的经济效益、生态效益和社会效益,分别为0.24、0.01和0.13。ARM的评价结果表明,采用地膜覆盖的经济效益最佳;同常规畦田灌溉相比较,地膜覆盖、秸秆覆盖的生态性指数分别比之高0.19和0.17,主要是由于秸秆覆盖具有保墒、增加土壤有机质以及在作物生长后期调节地温的作用,地膜覆盖具有节水、提高苗期土壤温度和促进提前出苗的作用;同秸秆覆盖相比,地膜覆盖和常规畦田灌溉的社会性指数分别高112.12%、18.18%,说明这两种技术在河西半干旱地区具有良好的社会基础。可见,在西北半干旱地区地膜覆盖用于种植玉米的效果最佳,而秸秆覆盖尽管其生态效益较高,但经济效益较低,推广应用存在一定的难度。     

粗糙集模糊聚类分析法在昆虫分类研究中的应用

本文根据昆虫图像,对半翅目、鳞翅目、鞘翅目的28种昆虫提取的形状参数、叶状性、球状性等7项数学形态特征进行了粗糙集模糊聚类分析。在粗糙集处理的基础上,分别进行7指标和3指标（相对约简）两种不同的模糊聚类分析法相比较。结果显示,在作为目级阶元分类指标时,各项特征的重要性依次为：(似圆度、偏心率)＞（亮斑数、球状性、圆形性）＞（叶状性、形状参数）;粗糙集分类正确率优于模糊聚类分析法;粗糙集处理后的3指标分类正确率优于未处理的7指标分类正确率。结论认为,粗糙集理论在昆虫依据数学形态特征进行分类方面与统计分析方法相比更有优势,粗糙集滤过指标后再进行模糊聚类法分析在昆虫分类研究上具有重要意义。     

基于c-均值聚类的粗糙集神经网络在心脏病诊断中的应用

采用c-均值聚类法将决策表中的连续条件属性进行离散化,用粗糙集处理离散化后的决策表系统得到简化规则,然后将规则集输入BP神经网络进行训练,并对测试集进行预测.以此模型对一组有关心脏病诊断的数据进行处理,得到的预测判准率达85%,而单独使用粗糙集或BPNN进行预测,则判准率分别为76%和82%;若在粗糙集和BPNN联用模型中,对原始数据采用传统的等距离离散化和等频率离散化等离散化方法,预测判准率则分别只有53%和77%.     

粗糙集理论在昆虫分类学上的应用

研究了昆虫的数学形态特征在目级昆虫分类阶元上作为分类特征的可行性、可靠性和重要性,以及3个目的亲缘关系远近.根据昆虫图像,对半翅目、鳞翅目、鞘翅目的28种昆虫提取形状参数、叶状性、球状性等7项数学形态特征进行了粗糙集理论与方法的论证和运算,并与赵汗青等人统计分析的结果加以比较.在作为目级阶元分类时,各项特征的重要性依次为:(似圆度、偏心率)＞(亮斑数、球状性、圆形性)＞(叶状性、形状参数).从数学形态特征角度讲,3个目的亲缘关系远近大小依次为:半翅目与鞘翅目＞鳞翅目与鞘翅目＞半翅目与鳞翅目.粗糙集理论在昆虫依据数学形态特征进行分类方面与统计分析方法相比有更为理想的作用.     

数学形态学在昆虫总科阶元分类学上的应用研究

对鳞翅目Lepidoptera和鞘翅目Coleoptera 5个总科23种昆虫图像中提取昆虫面积、周长等11项数学形态特征进行了粗糙集神经网络分析,并与赵汗青统计分析加以比较,结果表明在总科阶元上,11项特征的可靠性顺序为面积、亮斑数＞周长、横轴长、形状参数、圆形性、似圆度、偏心率＞纵轴长、叶状性、球状性形性、似圆度、偏心率)＞(纵轴长、叶状性)＞(形状参数、亮斑数).与赵汗青等人用统计学分析的结果不完全一致,但大多数属性特征重要性还是一致的.神经网络模式识别结果与传统分类结果完全一致.由此得出:粗糙集理论在昆虫依据数学形态特征进行分类方面与统计分析方法相比更为理想.     

基于限制容差关系的不完备信息系统粗集模型拓展

本文在分析了已有的不完备信息系统粗集扩展模型,针对王国胤的限制容差模型存在条件限制宽松和严格的不足,对原有模型加以改造,通过实例比较,验证其更具有实用性,在划分容差类时更具合理性有效性．     

粗糙集理论对湖泊生态系统健康评定指数法的评价

选用浮游植物生物量(BA)等5个生态系统健康评价指标,通过计算各指标指数和加权综合指数法对意大利西西里岛30个湖泊的健康做出分级.然后用粗糙集理论对5个指标进行筛选处理,又重新计算加权综合指数和分级.结果表明:浮游动物生物量(BZ)指标在湖泊健康分级中没有作用,是多余指标;粗糙集理论与健康指数相结合有重要意义.     

基于知识粒度的森林生态系统健康评价指标赋权方法

依据系统科学原理,从影响森林健康包括的系统活力、系统组成、系统恢复力和林地环境等方面筛选13个指标构建森林健康评价指标体系;针对健康评价取值未知(无决策属性)的状况,利用粗糙集理论的属性重要度分析各指标因子对森林健康的影响程度,提出将基于知识粒度和属性重要度的森林健康评价指标赋权法。根据二类调查和样地调查数据,以湖南省大围山自然保护区8个次生林群落和2个人工林样地为应用实例,结果表明:森林健康评价指标体系的林分郁闭度、林分蓄积量、叶面积指数等13个指标在大围山自然保护区森林健康评价中的权重与专家打分法得到的结果基本相符,并且对样地进行了评价,其中只有1个处于健康,7个处于亚健康,2个处于不健康。与层次分析法、主成分分析法等赋权方法相比,基于粗糙集的森林健康评价指标赋权法不需要提供任何先验信息,以森林健康系统相关信息为分析依据,直接从反映森林健康的指标数据中挖掘各因子之间的相关性及其重要度,不依赖专家经验,信息量越大,所得权重越客观。该评价指标赋权法真实有效,评价结果更符合客观实际,为森林健康评价和健康经营提供理论依据。     

基于粗糙集的数据挖掘技术及其在临床医学诊断中的应用

数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程。临床医学上大量的数据中蕴含着丰富的信息,利用数据挖掘技术,特别是基于粗糙集理论的数据挖掘技术,通过数据训练集所训练得到的算法模型能够有效应用于疾病诊断。并获得很高的准确率,本文简单介绍了数据挖掘技术的基本原理和主要方法,以及粗糙集理论的基本原理,并给出了一个利用数据挖掘技术对肺部肿瘤进行诊断评价的应用实例。