8、《Prolog 中基于粗糙集的数据挖掘工具及累积调度检测算法概述》

《Prolog 中基于粗糙集的数据挖掘工具及累积调度检测算法概述》

在数据挖掘和调度问题领域，有两个重要的研究方向值得关注，一是基于粗糙集的数据挖掘工具在非确定性信息系统（NISs）中的应用，二是累积调度中的非首个/非最后检测算法。下面将分别对这两个方面进行详细介绍。

基于粗糙集的数据挖掘工具在 NISs 中的应用

在非确定性信息系统（NISs）的数据挖掘中，我们可以通过一系列操作来生成和分析规则。

1. 规则的分类

在 NISs 中，规则可以分为不同的类别。例如，考虑两个蕴含关系 imp4 和 imp5。通过执行 ?-threevalues(3,[[2,5],[5,2]]). 操作，得到 [(0.1,0.1),(1.0,1.0),(0.142,0.333)] 的结果，且执行时间为 0.001 秒。由于准确性的最小值为 1.0，所以 imp4 在所有派生的确定性信息系统（DISs）中是一致的，我们称其为全局一致（GC）。而 imp5 是不确定的，因为 [1,4] 是从 [1,4]∨[1,5] 中选择的，它在某些派生的 DISs 中是一致的，我们称其为边缘（MA）。

根据这些情况，我们定义了 6 类蕴含关系，如下表所示：
| | GC(全局一致) | MA(边缘) | GI(全局不一致) |
| — | — | — | — |
| 确定 | DGC | DMA | DGI |
| 不确定 | IGC | IMA | IGI |

在 DISs 中，只有 DGC 和