粗糙集(Rough Set)约简系统软件

最新推荐文章于 2023-07-19 20:20:34 发布
最新推荐文章于 2023-07-19 20:20:34 发布
阅读量3.5k 收藏 7
点赞数 1
分类专栏： 数学 文章标签： sql server microsoft 数据库 存储 数据挖掘 service

现有的大部分数据库系统例如SQL Server等都具有存取效率高、存储空间的利用率高、适合大规模的数据的存储等优点，因此我们采用SQL语言实现粗糙集的集合操作，选用高性能的数据库管理系统实现粗糙集的数据挖掘，这样既可以实现大规模数据的知识获取又可以高效的处理数据。

该系统使用VC#.NET和SQL Server编写，为了获取更好的效率，该系统全部采用SQL Server存储过程实现数据库的操作，然后使用VC#.NET程序调用存储过程。本系统在Pentium 4 1.80GHz处理器,512MB内存, 20G 硬盘空间，MicroSoft Windows XP Service Pack 2, MicroSoft .NET Framework SDK v1.1，Microsoft SQL Server 2000环境下运行。

该系统主要是处理信息系统和决策表，可以从不同的数据源中获取数据集合，并输入到系统中，使之适用于本系统的操作。通过选择属性集合（或者条件属性和决策属性）来生成信息系统（决策表）保存到当前的操作表中，然后进行预处理，通过选择合适的属性约简方法（正域、差别矩阵和信息熵）进行属性约简，并对约简结果分析其正确性和独立性。如果当前操作的为决策表，则可以进行值约简生成规则集合，并可以通过输入新的对象集来验证规则的正确性。
  系统效果图

 

基于关系数据库和粗糙集理论的知识获取系统流程图

基于关系数据库和粗糙集理论的知识获取系统界面



Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1366384


 
mydriverc
关注
  • 1
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 29
    评论
专栏目录
rosetta粗糙集
04-12
粗糙集计算工具，附加教程，它提供了多种数据预处理功能，如决策表补齐、决策表离散化等及其算法，同时提供了粗糙集中常见的约简和规则的获取算法，支持从数据预处理到预测和分析规则的全过程，是一个很好的粗糙集理论软件和实验平台。
粗糙集约简 程序 matlab,粗糙集属性约简matlab程序
weixin_39794213的博客
03-21 807
粗糙集-属性约简-matlab程序Data2为条件属性， decision2为决策属性%%%my_test函数实现clc;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%读取信息系统文件 file = textread('data2.txt','%s','delimiter','\n','whitespace',''); %读取文件信息，每一行为一个胞元[m,n]=size(f...
Rosetta粗糙集软件
07-18
Rosetta粗糙集软件
常用粗糙集特征选择（属性约简）的算法汇总-基于Feast和MIToolbox工具箱实现
最新发布
冒泡排序法Matlab程序
07-19 1123
这些算法主要建立在粗糙集工具箱Feast,MIToolbox进行实现。工具箱的安装：https://blog.csdn.net/qq_44822612/article/details/131816235。以及以下各项的加权实现： MIM， CMIM， JMI， DISR， CMI。
粗糙集属性约简方法与Python实现【1】
cnjs1994的博客
05-07 1290
粗糙集是波兰理工大学Z.pawlak教授提出用来研究不完整数据，不精确知识的表达、学习，归纳等的一套理论。本博客对相关概念进行了阐述并提供了一个简单的Python例子。
RoughSets属性约简算法
热门推荐
走在前往架构师的路上
02-18 1万+
参考资料：http://baike.baidu.com/link?url=vlCBGoGR0_97l9SQ-WNeRv7oWb-3j7c6oUnyMzQAU3PTo0fx0O5MVXxckgqUlP871xR2Le-puGfFcrA4-zIntq 更多挖掘算法：https://github.com/linyiqun/DataMiningAlgorithm 介绍 RoughSets算法是一种比
粗糙集属性约简python
04-19
粗糙集属性约简代码python
rough set_粗糙集_
09-29
关于粗糙集代码的理解与应用，实现对基础知识的理解。
粗糙集软件rosetta软件处理方法及软件
03-09
粗糙集属性约简软件，能够用于进行属性约简，里面有自带的贪婪算法以及遗传算法等方法工具
粗糙集ROSETTA软件_粗糙集属性约简_源码
10-04
粗糙集属性约简的集成化软件，可以再windowsXP上运行，界面简单，软件轻量。
图像矩阵matlab代码-scikit-roughsets:基于粗糙集的约简算法的Python实现
05-23
图像矩阵matlab代码scikit-粗糙集 这是一个基于的MATLAB代码的粗集特征约简算法的实现。 还提供了与scikit-learn软件包的集成。 安装 可以使用Python的pip实用程序轻松安装该软件包。 用法 用法非常简单，与scikit的功能选择模块相同： from scikit_roughsets . rs_reduction import RoughSetsSelector import numpy as np y = np . array ([[ 1 , 0 , 0 , 0 , 0 , 0 , 0 , 1 , 1 , 1 , 1 , 1 ]]). T X = np . array ([[ 1 , 1 , 1 , 1 , 0 , 0 , 0 , 0 , 1 , 1 , 0 , 1 ], [ 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 ], [ 1 , 0 , 1 , 0 , 0 , 0 , 0 , 0 , 0 , 1 , 0 , 0 ], [ 0 , 0 , 0 , 1 , 1 , 1 , 1 , 0 , 1 , 0 ,
Rosetta粗糙集软件及使用教程
09-23
Rosetta是一款专门为使用粗糙集方法的很直观的很有用的软件，大力推荐。
粗糙集相关软件【rosetta】
04-14
粗糙集相关软件【rosetta】 --附加rosetta使用教程
Rough_SET.rar_rough set _rough_set_依赖度约简_粗糙集_粗糙集 属性约简
07-14
提出一种基于属性依赖度的粗糙集属性约简方法
rough_set.rar_rough set _属性约简
09-20
对图像特征进行属性约简，找到最适合分类的特征。
粗糙集matlab程序,粗糙集属性约简matlab程序
weixin_33099377的博客
03-18 1006
《粗糙集属性约简matlab程序》由会员分享，可在线阅读，更多相关《粗糙集属性约简matlab程序(4页珍藏版)》请在人人文库网上搜索。1、粗糙集-属性约简-matlab程序Data2为条件属性， decision2为决策属性%my_test函数实现clc;%读取信息系统文件file = textread(data2.txt,%s,delimiter,n,whitespace,); %读取文件信息...
02 粗糙集
qq_41033011的博客
07-27 777
粗糙集   粗糙集是用来表示不确定集合的一种数学方法，在精确集中设集合 X={x1,x2,x3,x4,x5,x6,x7}\mathbf{X} = \{x_1, x_2, x_3, x_4, x_5, x_6, x_7\}X={x1​,x2​,x3​,x4​,x5​,x6​,x7​}，从 x1−x7x_1 - x_7x1​−x7​ 都确定是集合 X\mathbf{X}X 中的元素。但是在粗糙集中无法确定某些元素是否一定属于这个集合，它可能属于也可能不属于。为了表达这个不确定的集合，我们可以用粗糙集来对于不确定
基于粗糙集的属性约简Python代码
05-19
以下是一个基于粗糙集的属性约简的Python代码示例： ```python import numpy as np # 计算属性的覆盖度 def coverage(X, Y, j): return sum([1 for i in range(len(X)) if X[i][j] == Y[i]]) # 计算属性的区分度 def separation(X, Y, j): val = np.unique(X[:,j]) n = len(val) s = 0 for k in range(n): S1 = [Y[i] for i in range(len(Y)) if X[i][j] == val[k]] pk = len(S1) / len(Y) if pk != 0: s += pk * np.log2(pk) return -s # 计算属性的重要性 def importance(X, Y, j): return (coverage(X, Y, j) / len(Y)) * separation(X, Y, j) # 粗糙集属性约简 def rough_set_reduction(X, Y, threshold): n_features = X.shape[1] features = list(range(n_features)) while True: max_imp = -1 max_idx = None for j in features: imp = importance(X, Y, j) if imp > max_imp: max_imp = imp max_idx = j if max_imp < threshold: break features.remove(max_idx) return features ``` 在这个示例中，我们首先定义了三个函数来计算属性的覆盖度、区分度和重要性。然后，我们使用粗糙集属性约简算法对属性进行约简。该算法的基本思想是计算每个属性的重要性，并将其与指定阈值进行比较。如果重要性大于阈值，则将该属性保留，否则将其删除。最后，我们返回剩余属性的列表。 使用时，我们可以使用以下代码来调用该函数： ```python X = np.array([[1, 0, 1, 0], [1, 1, 0, 1], [0, 1, 1, 0], [1, 1, 0, 1], [0, 0, 1, 1]]) Y = np.array([1, 1, 0, 1, 0]) threshold = 0.1 reduced_features = rough_set_reduction(X, Y, threshold) print(reduced_features) ``` 在这个示例中，我们使用一个简单的数据集和一个指定的阈值来调用粗糙集属性约简函数。最终，我们得到了约简后的属性列表。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 29
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值