中国科学技术信息研究所--国家工程技术数字图书馆

[学位论文] 强永刚江苏科技大学 2020年硕士导师: 韩文民共191页

摘要 : 船舶建造属于典型的大型复杂产品生产，在国防建设和国民经济中占有重要地位。作为船舶建造过程中的关键环节，分段建造严重影响着船舶的建造周期。同时，作为协调不同作业间工作进程的重要场所，分段又受到堆场空间布局的制约。因此，有必要将两者协... 展开船舶建造属于典型的大型复杂产品生产，在国防建设和国民经济中占有重要地位。作为船舶建造过程中的关键环节，分段建造严重影响着船舶的建造周期。同时，作为协调不同作业间工作进程的重要场所，分段又受到堆场空间布局的制约。因此，有必要将两者协同考虑以提高船舶建造效率。分段建造与堆场空间布局受到严格的时间与空间约束，即空间组织会影响生产任务的时间安排，高效时间组织又对空间组织的形式与动态调整提出要求，其调度问题具有复杂性、多目标性和动态性等特点。ZJ船厂作为中国特种工程船舶领域的领先企业，近年来随着订单的逐渐增加，为其建造过程的高效规划和管理带来了一定程度的困难。因此如何通过制定有效的船舶建造调度计划以保证时间组织和空间组织的严密协同，提升船舶建造的生产效率，成为ZJ船厂亟待解决的问题。本文考虑到ZJ船厂船体车间和分段堆场存在的分段建造作业调度不合理、空间资源利用率低、加工小组安排仅凭经验、缺乏合理有效的分配策略等问题，将时空协同调度问题分为两个部分：在船体车间，考虑到分段的建造周期、空间布局与加工小组等约束，研究分段建造的时空协同调度问题；在分段堆场，考虑到分段的空间位置和移动路径，研究堆场堆放的时空协同调度问题。关于分段建造的时空协同调度问题，本文考虑到分段之间以及分段与场地之间的空间约束以及加工小组技能水平、建造能力等时间约束，以最大化平均时空利用率为目标，提出了一种基于相似规则和空间定位规则的分段建造两阶段混合调度方法。该方法在第一阶段采用相似规则将分段归类为若干个分段类，每个类中的所有分段在空间上相似、在时间上连续，以此得到分段类的尺寸、开工与完工时间；第二阶段分别设计了基于“面搜索”的平均最大剩余空间规则与基于“点搜索”的左下角(Bottom-Left, BL)定位规则，通过对比得出较优的空间定位规则，以此得到分段建造的时空协同调度方案，并采用可视化图表展示。关于堆场堆放的时空协同调度问题，本文同时讨论了分段的空间定位和移动路径选择两个子问题。考虑到分段的入场与离场时间等时间约束以及分段堆场的堆位布局、阻塞分段数量与位置等空间约束，本文以最小化非生产性移动次数为目标，提出了一种基于空间定位、路径选择和阻塞分段重定位的调度方案。通过上述研究，本文得出了包含分段开工与完工时间、场地空间位置与方向、各工序加工小组安排在内的分段建造时空协同调度方案，以及包含进场分段空间位置、进/出场分段移动路径和阻塞分段重定位的堆场堆放时空协同调度方案，不仅减少了船体车间的总完工时间、增加了作业场地空间利用率并实现了加工小组的持续高效利用，还有效减少了分段堆场平板运输车的非生产性移动次数。研究成果对相关大型复杂产品制造企业生产调度策略的制定有所参考，为进一步提高生产组织水平提供了切实可行和有效的方案。收起

关键词 : 船舶建造企业分段建造堆场堆放时空协同调度最大剩余空间规则

2. 关联规则挖掘算法研究与应用

[学位论文] 陈晨江苏大学 2009年硕士导师: 鞠时光共75页

摘要 : 数据挖掘是指从大量的、不完全地、有噪声的、模糊的、随机的数据中提取人们感兴趣的知识和规则的过程，数据挖掘的研究已经取得了重大的进展，而且被应用到众多的领域。关联规则挖掘是数据挖掘研究中一个重要课题，它主要用于从给定的数据集中发现频... 展开数据挖掘是指从大量的、不完全地、有噪声的、模糊的、随机的数据中提取人们感兴趣的知识和规则的过程，数据挖掘的研究已经取得了重大的进展，而且被应用到众多的领域。关联规则挖掘是数据挖掘研究中一个重要课题，它主要用于从给定的数据集中发现频繁出现的项集模式知识。本文首先介绍了数据挖掘的任务和过程以及它的应用情况和发展趋势，关联规则挖掘的基本概念、分类方法和经典算法，然后重点对如何高效挖掘最大频繁项集、生成关联规则以及缩减规则的规模进行了研究，对根据得到的正规则挖掘隐含的负规则进行了探讨，最后设计并实现了江苏财经职业技术学院教学质量评价分析系统。本文的主要工作和研究成果如下： 1、对如何高效挖掘最大频繁项集进行了研究，针对现有算法中存在的需要超集检测和递归的建立条件频繁模式树问题提出基于有序FP树和NBN策略挖掘最大频繁项集的MMFI算法，对算法的性能和效率进行了分析和实验验证。 2、针对MMFI算法中需要反复检索相同项目结点链影响挖掘效率的问题进一步修改了用于挖掘的数据结构，提出基于含叶子结点链的有序FP树挖掘最大频繁项集的IMMFI算法，通过实验对算法的性能和效率进行了验证。 3、对生成关联规则的方法进行了研究，针对基本生成方法导致的“规则爆炸”问题分析了现有缩减规则规模方法中存在的问题，提出了最大关联规则MAR的概念，类似于用挖掘最大频繁项集取代挖掘完全频繁项集，用挖掘最大关联规则取代挖掘所有的关联规则，提出基于候选规则队列集结构挖掘单个最大频繁项集的最大关联规则的MMARI算法，并用实例对算法的性能进行了验证。 4、分析了用MMARI算法挖掘整个事务数据库的最大关联规则存在的问题，提出了挖掘整个事务数据库最大关联规则的MMARD算法，对算法在不同情况下应选取的策略进行了论证，并通过实例对算法的性能进行了验证。 5、对冗余规则问题进行了研究，提出一种在特定情况下根据挖掘出的正关联规则直接获得隐含的置信度更高的负关联规则的方法。 6、设计并实现了江苏财经职业技术学院教学评价信息分析系统。收起

关键词 : 数据挖掘关联规则最大频繁项集最大关联规则隐含负规则

3. 基于最小最大规则的集成策略研究

[学位论文] 周国静南京邮电大学 2015年硕士导师: 李云共58页

摘要 : 从二十世纪九十年代起，集成学习逐渐成为机器学习领域的一个研究热点，它是通过组合多个不同弱学习模型，从而形成一个泛化能力更好的强学习模型。集成学习的思想先后被用于分类问题和特征选择问题中，都取得了不错的效果。本文主要是对集成学习在这... 展开从二十世纪九十年代起，集成学习逐渐成为机器学习领域的一个研究热点，它是通过组合多个不同弱学习模型，从而形成一个泛化能力更好的强学习模型。集成学习的思想先后被用于分类问题和特征选择问题中，都取得了不错的效果。本文主要是对集成学习在这两个方面应用进行分析和研究，特别关注一种经典的基于最小最大规则的集成策略。本文首先介绍了一种基于最小最大规则的分类集成策略，并针对生物医学领域的分类问题，比较了该集成策略与其它三种常用集成策略在包括医疗图像识别、癌症诊断以及蛋白质细胞定位在内的多个生物医学数据集上的分类效果。实验结果表明：第一，相对于单个分类器，集成学习确实可以有效提高分类性能；第二，Bagging集成策略和AdaBoost集成策略对模型性能的提升较为稳定；第三，随机子空间集成策略在特征维度较高时更具有优势，而当特征选择数较少时，最小最大规则集成策略在多数情况下优于其它三种策略；第四，当选择特征的数量达到一定程度时，模型的性能会保持不变甚至出现下降现象。在特征选择问题中，本文提出了一种基于最小最大规则集成策略的特征选择方法。它通过采用数据划分的方式来提高对大规模数据的处理能力。并将该策略与均值法、投票法、中心点聚类这三种常用的集成策略相比较。通过在现实数据集上的仿真实验，结果表明本文所提出的集成策略在选择特征数较少时具有一定优势。另外，在最小最大规则集成模型的基础上，本文加入了对特征冗余性的分析，采用最大代价生成树的方法来找出具有较强相关性的特征组，并在此基础上剔除部分冗余特征。在人工合成的数据集和现实数据集上的实验结果表明：加入冗余性分析可以在较低的特征空间上获得更好的分类性能。收起

关键词 : 最小最大规则集成策略特征选择生物医学

4. Web日志分析系统的设计与实现

[学位论文] 李靖黑龙江大学 2013年硕士导师: 阚忠良;李兆祥共75页

摘要 : 如今互联网中的数据呈现爆炸式的增长，如何从海量数据中发现潜在的规律和知识已经是一个不可回避的问题，而Web挖掘可以很好地解决这一问题。Web日志挖掘是Web挖掘的重要研究方向，目的在于从大量的Web日志数据中挖掘出用户的浏览行为和兴趣偏好，以... 展开如今互联网中的数据呈现爆炸式的增长，如何从海量数据中发现潜在的规律和知识已经是一个不可回避的问题，而Web挖掘可以很好地解决这一问题。Web日志挖掘是Web挖掘的重要研究方向，目的在于从大量的Web日志数据中挖掘出用户的浏览行为和兴趣偏好，以便于调整站点结构和更有针对性地向用户推荐页面或服务。本文对Web日志挖掘的相关理论和和完成过程进行了全面而系统地阐述、分析，同时，提出了一种适用于高校网站的改进的模式挖掘算法。首先，要预处理采集到的原始Web日志数据，依次经过数据清洗、用户识别、会话识别、路径补充和事务识别步骤，不仅过滤了数据，还把Web日志转换成事务数据库，为模式挖掘奠定了基础。其次，深入分析了关联规则挖掘思想以及Apriori算法。针对Apriori算法操作麻烦，需要多次重复扫描数据库来产生候选集的问题，本文创新性地在软集模型下进行关联规则挖掘，提出了一种基于软集的最大关联规则挖掘算法。软集理论作为一个新兴的处理不确定性问题的工具，因其在模型描述上的简单而独特，被成功应用在决策问题中。本文将事务数据库用软集表示后，使其呈现出更加丰富的知识和信息，在软集上进行关联规则挖掘能够达到更好的效果。为了避免对属性支持子集的蛮力搜索，本文提出了软最大关联规则算法，不但可以保障挖掘结果的精度，而且在时间复杂度上表现出了突出的优势。最后，本文设计并编程实现了Web日志分析系统。系统采用软最大关联规则算法对高校网站日志进行规则提取，并将挖掘到的关联规则通过系统界面呈现给用户。除此之外，系统还设有性能分析模块，可以统计分析页面的点击数、页面停留时间、用户来源和受欢迎页面等，使网站管理者对用户网站访问情况进行更详细的了解，以此为参照对网站进行改进。收起

关键词 : Web日志分析系统数据挖掘关联规则软最大关联规则挖掘

5. 基于iceberg概念格的最大频繁项集挖掘研究

[学位论文] 王富强江苏大学 2010年硕士导师: 薛安荣共70页

摘要 : 关联规则挖掘过程中频繁项集(Frequent Itemset，FI)的求解是关联规则挖掘的基础和前提，也是关联规则挖掘中最耗时的一步。降低候选项集的数量是减小开销的最好手段。由于最大频繁项集(Maximal Frequent Itemset，MFI)中已经隐含了所有频繁项集，所以... 展开关联规则挖掘过程中频繁项集(Frequent Itemset，FI)的求解是关联规则挖掘的基础和前提，也是关联规则挖掘中最耗时的一步。降低候选项集的数量是减小开销的最好手段。由于最大频繁项集(Maximal Frequent Itemset，MFI)中已经隐含了所有频繁项集，所以可把发现频繁项集的问题转化为发现最大频繁项集的问题。挖掘最大频繁项集可有效地缩小项集的规模，便于用户迅速发现稠密数据集中的知识。然而，随着数据收集和数据存储技术的快速进步，使得各组织机构积累了海量的数据，造成现有的最大频繁项集挖掘算法挖掘效率低下，主要表现为：多次扫描数据库需要大量I/O开销；候选集规模过大导致无法计算和存储；增量挖掘困难；大量冗余的和用户不感兴趣的规则等等。为了解决上述问题，论文将具有完备特性的iceberg概念格模型引入到最大频繁项集挖掘的研究中。iceberg概念格是在用户指定的支持度阈值的条件下概念格中所有频繁概念构成的半序格结构，每个频繁概念的内涵都是一个频繁闭项集，描述了数据集中对象和属性之间的关系。利用频繁闭项集与最大频繁项集之间的隶属关系和频繁概念之间良好的泛化和特化关系，提出了基于iceberg概念格的最大频繁项集和属性增长的最大频繁项集增量挖掘算法。论文还对基于iceberg概念格的正相关的无冗余关联规则进行研究，解决了从最大频繁项集中挖掘的关联规则会导致支持度信息的损失和存在大量冗余的用户不感兴趣的规则的问题。论文的主要工作如下； (1)提出基于iceberg概念格的最大频繁项集挖掘算法ICMFIA(IcebergConcept Lattice Maxmal Frequent Itemset Alogithm)。该算法通过一次扫描数据集构建iceberg概念格，利用iceberg概念格中频繁概念之间良好的覆盖关系，能快速计算出最大频繁项集所对应的最大频繁概念，所有最大频繁概念的内涵就是所求的最大频繁项集的集合。理论证明和实验测试结果表明，所提算法与现有算法相比，具有扫描数据集次数少和挖掘效率高的优点。 (2)提出基于iceberg概念格的最大频繁项集增量挖掘算法MAI-AI(MaximalFrequent Itemset-Attribute Incremental)。该算法主要针对数据集的属性增加后最大频繁项集挖掘问题。在原始iceberg概念格的基础上构建新的iceberg概念格并计算新增的最大频繁概念和需要更新的最大频繁概念。然后只需挖掘新增的最大频繁项集和最大频繁项集集合中需要更新的最大频繁项集。避免了数据集中属性增加后需要重新挖掘所有的最大频繁项集问题。实验结果表明，算法具有重复工作少和重用率高的优点。 (3)提出了在iceberg概念格中挖掘正相关的无冗余关联规则的方法，以解决最大频繁项集挖掘出的关联规则支持度信息的损失和存在大量用户不感兴趣的规则等问题。通过提出无冗余关联规则来缩小挖掘规则的规模，其它有效的关联规则的支持度和置信度都能通过无冗余关联规则计算出来。由于使用支持度-置信度框架计算的强关联规则不一定是有趣的，论文引入提升度来挖掘正相关无冗余关联规则，挖掘用户真正感兴趣的规则。收起

关键词 : iceberg概念格最大频繁项集无冗余关联规则关联规则挖掘

6. 关联规则的概率算法及其应用

[学位论文] 邓林海华南理工大学 2007年硕士导师: 廖芹共63页

摘要 : 数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。关联规则挖掘是数据挖掘领域一个非常重要的技术，它由R.Agrawal等人首先提出以解... 展开

关键词 : 关联规则概率算法数据挖掘最大频繁集

7. 维汉机器翻译中调序关键技术研究

[学位论文] 陈科海中国科学院研究生院 2013年硕士导师: 周喜共80页

摘要 : 自然语言表现出多种多样不同的单词顺序，而统计机器翻译所面临的主要挑战之一就是如何模拟这些顺序的差异。机器翻译被看做是由两个相关联的问题组成:预测译文中的单词和决定这些单词的顺序，也即翻译和调序。尽管许多研究者专注于改善翻译模型来提高... 展开自然语言表现出多种多样不同的单词顺序，而统计机器翻译所面临的主要挑战之一就是如何模拟这些顺序的差异。机器翻译被看做是由两个相关联的问题组成:预测译文中的单词和决定这些单词的顺序，也即翻译和调序。尽管许多研究者专注于改善翻译模型来提高译文质量，比如由最初的基于词的翻译模型，到基于短语的翻译模型和基于层次短语的翻译模型，再到基于句法的翻译模型，都递进式的改善着机器翻译的性能。目前机器翻译开始步入瓶颈期，随着大语种之间平行语料收集规模的不断扩大，一定程度的保障了译文的诚实度(译文是否覆盖了源句子的意思？)，但是流利度(译文是否符合目标语言顺序？)面临着极大的挑战，尤其是面对资源缺乏的小语种翻译，比如本文所研究的维汉机器翻译。在维汉机器翻译中，维吾尔语是一种形态学变化丰富的粘着性语言，也即通过在词干后附加词缀构成新词，同时维吾尔语和汉语具有不同的句法结构，维吾尔语是主宾谓结构而汉语是主谓宾结构。其次维吾尔语属于小语种，平行语料资源困乏，在相同规模语料所构建的维汉机器翻译系统中，结果译文中存在着严重的目标译文乱序现象，因此维汉机器翻译与中英等具有相同语序的大语种机器翻译相比，译文质量相差甚远。针对上述维汉机器翻译所面临的挑战，本文通过认真学习钻研大语种机器翻译中的成熟理论和算法模型，同时认真分析维吾尔语自身的语法特性，提出了一种符合维汉机器翻译特点的调序模型，并进行了实验系统验证。本文的主要贡献如下: 1.针对维汉机器翻译的特殊性，通过深入学习分析维吾尔语的语法特点，比如构词方式、维汉语序差异等，重点研究了如何在维汉机器翻译中既能体现维吾尔语的语法特点，又能兼顾当前翻译模型的优势。为此本文提出了一种基于维吾尔语短语的形式化定义，从而在短语级别上间接的体现维吾尔语词的特点，兼顾了维吾尔语语法特性，以便能够在维汉机器翻译中构建性能良好的调序模型。 2.当前维汉机器翻译系统所产生的译文中，存在着严重的乱序现象，导致维汉机器翻译系统翻译性能偏低。针对该问题，本文对当前机器翻译领域的主流调序方法进行深入学习，在此基础之上，借助统计机器翻译中短语表的获取方法，从维汉平行语料中获取调序实例，再按照维吾尔语短语的形式化定义对调序实例进行特征化，最后利用最大熵分类算法来估计调序特征的权重，使得对于维汉机器翻译具有更好的调序能力。 3.机器翻译的两大基本问题是翻译和调序。基本的翻译框架利用翻译模型来保证源语言和目标语言之间能够进行对应意义的翻译，而语言模型则是从诸多的翻译假设中选择一个最符合目标语言的顺序的翻译假设，从而得到符合目标语言顺序的译文。本文通过深入学习钻研目前机器翻译领域中性能较好的开源翻译引擎之一Moses，然后将本文所创建的维汉调序模型融入翻译引擎Moses之中，并与Moses中现有的调序模型进行实验对比，实验结果表明本文所构建的调序模型在维汉机器翻译中优于Moses中现有的调序模型，较好的改善了译文中的乱序现象。收起

关键词 : 维汉机器翻译句法翻译模糊规则最大熵调序模型

8. 维吾尔语-乌兹别克语机器翻译研究

[学位论文] 阿西穆·托合提新疆大学 2017年硕士导师: 艾山·吾买尔共61页

摘要 : 自从计算机发明以来，人们对机器翻译的兴趣越来越大。机器翻译是指计算机把一种自然语言（源语言）转换成另一种自然语言（目标语言）的过程。维吾尔语和乌兹别克语在单词结构、构形、词性、句法等方面有很多相同点或相似之处。因此，实现维吾尔语和... 展开

关键词 : 机器翻译乌兹别克语维吾尔语翻译规则最大熵

9. 最大频繁项集挖掘算法的研究

[学位论文] 张心静长春工业大学 2016年硕士导师: 王红梅共54页

摘要 : 数据挖掘技术自诞生以来就致力于发现隐藏在数据中有价值的信息。随着大数据时代的到来，数据挖掘可以将丰富的数据变为一种宝贵的资源，其地位变得更是不可小觑。发现关联规则是数据挖掘工作的重中之重，而挖掘频繁项集又是寻找关联规则的主要步骤。... 展开数据挖掘技术自诞生以来就致力于发现隐藏在数据中有价值的信息。随着大数据时代的到来，数据挖掘可以将丰富的数据变为一种宝贵的资源，其地位变得更是不可小觑。发现关联规则是数据挖掘工作的重中之重，而挖掘频繁项集又是寻找关联规则的主要步骤。但是频繁项集不仅数量庞大，还存在信息冗余的问题，因此挖掘最大频繁项集的任务应运而生。在压缩频繁项集的同时，最大频繁项集也缓解了数据存储的压力。另外，在Web挖掘、DNA分析等一些应用领域内，挖掘最大频繁项集的重要性也是显而易见的。因此如何提高最大频繁项集的挖掘效率成为了一个重要的研究方向。本文阐述了挖掘最大频繁项集的研究背景及意义。通过国内外研究现状发现，挖掘最大频繁项集的算法通常是在Apriori和FP-Tree这两种思想的基础上进行改进。但是，基于Apriori改进的算法在自底向上逐渐产生频繁项集的过程中会产生多余的候选项集，为了计算项集的支持度，多次扫描数据库是对时间和资源的一种浪费。另外，随着挖掘宽度和深度的增加，FP-Tree的构建将会消耗巨大的时空资源。基于上述问题，对最大频繁项集挖掘过程中的相关问题进行了深入研究。除了基础概念和理论，本文还综述了挖掘最大频繁项集的过程中所用到的搜索策略和剪枝策略，同时分析了最大频繁项集挖掘的四种经典算法，为后续最大频繁项集的挖掘算法奠定了理论基础。本文提出了一种基于回溯的最大频繁项集挖掘算法GBMFI(Go-Back Maximal Frequent Itemsets)。它以枚举树为搜索空间，通过深度优先搜索克服了自底向上和自顶向下搜索策略的不足，采用垂直表示数据库的方法降低了项集支持度计算的复杂性，并融入非频繁子集、频繁超集以及利用父子关系的剪枝策略，针对不同情况，使用恰当的剪枝方法，提高了算法效率。随后，在四种标准数据集下进行了实验。与DepthProject算法对比可得，在相同环境下，GBMFI算法运行速度较快，并对不同数据集下的最大频繁项集的结果数与分布情况进行了研究。另外，本文还提出了一种分布式并行挖掘最大频繁项集的算法AMI，虽然实验效果欠佳，但为下一步工作指明了方向。收起

关键词 : 数据挖掘最大频繁项集算法设计关联规则

10. 基于粗糙集理论不完备信息系统的数据挖掘方法研究

[学位论文] 周玉新辽宁工业大学 2007年硕士导师: 周军共53页

摘要 : 粗糙集理论是八十年代初由波兰学者Z．Pawlak提出的一种处理不精确、不确定性知识的数学工具。由于其近年来在机器学习、模式识别、决策分析、过程控制、数据库知识发现、专家系统等领域的成功应用，越来越受到各领域专家的广泛关注。属性约简和规则提... 展开粗糙集理论是八十年代初由波兰学者Z．Pawlak提出的一种处理不精确、不确定性知识的数学工具。由于其近年来在机器学习、模式识别、决策分析、过程控制、数据库知识发现、专家系统等领域的成功应用，越来越受到各领域专家的广泛关注。属性约简和规则提取是粗糙集理论的核心内容，研究基于粗糙集理论的属性约简和规则提取方法具有十分重要的理论意义和实际意义。属性约简和规则提取在信息系统的处理中占据了重要的位置，在信息系统的处理过程中，提出一种高效简便的属性约简和规则提取算法可以极大提高数据挖掘的效率，并得到尽可能符合我们需要的知识。本文利用不完备信息系统的特点及其与经典集合论中相关理论的相通性，将前人所提出的覆盖粗糙集理论进一步发展深化，同时兼顾经典粗糙集理论和经典集合论的优点，提出一种新的基于覆盖粗糙集理论的不完备信息系统中的数据挖掘方法。论文主要内容包括以下几个方面： (1)分析了粗糙集理论的研究现状，并对各种方法的优缺点进行了比较； (2)针对信息系统的属性约简和属性值约简提出了一种基于覆盖粗糙集理论，利用最大一致块技术进行信息系统约简的算法。该算法首先利用william Zhu提出的最大一致块技术对原始信息系统进行属性约简，去除冗余属性，然后在此基础上利用覆盖粗糙集理论对信息系统进行属性值的约简。实例表明该算法简单易行，并能极大程度的去除原始信息系统中的冗余信息，从而得到尽可能简化的信息系统，以简化后继的规则提取工作。 (3)在规则提取部分，首先利用前面所提到的属性约简和属性值约简技术去除决策表中的冗余信息，从而得到最简的决策表。同时，提出“基本规则集”的概念，并利用覆盖粗糙集的相关理论证明决策表中的所有规则都可以由基本规则集得到。收起

关键词 : 粗糙集属性约简规则提取最大一致块数据挖掘