基于粗糙集和决策树法的认知无线电知识挖掘

合集下载

基于粗糙集的数据挖掘在无线网络入侵检测中的应用

（总坏和劫持、跟踪难。决策分散缺乏集中则攻击可破坏
第网络算法的节点协作。
二
无线网加密和认证不能抵御已破坏节点攻击，因
五
五其带有私钥，点而限于临近节点，检测需局部运行。断
）
!"# ＭＯＤＥＲＮＣＯＭＰＵＴＥＲ２００７．３
应度；进化更优参数组产生更优解。启发式约简：Ｒ为
属性集，（ｂ１，ｂ２．．．）＝τ（ａ１，ａ２，．．．）为属性的一个有序队
列；对ｉ＝１到ｎ，执行（Ｒ←Ｒ－ｂｉ；若Ｒ不是约简，Ｒ＝
Ｒ∪ｂｉ）。解是约简且依赖于 τ（ａ１，ａ２，．．．）。
１９９４年Ｓｋｏｗｒｏｎ等将容差关系引入粗糙集［７］，可
检测法可分：异常检测如统计分析、贝叶斯推理／网络／
聚类、神经网络、机器学习等，能识别未知入侵，但漏
检误检突出；根据已知特征码匹配审计，准确但不能检
测未知攻击。按数据来源分基于主机和基于网络。
（２）入侵检测系统中的数据挖掘
ＩＤＳ应准确、全面、可扩展伸缩、适应环境和健
ＩＰ（ｘ）表示属性集Ｐ上满足关系Ｔ（ｘ，ｙ）对象ｙ的集合，即
对象ｘ容差类。用阈值法判定特征项，ｆ（ｔｉ，ｔｊ）大于阈值０
时为容差。对给定特征项ｔ，与之容差的特征项构成一容
差类。据上下近似可定义３种关系。两集合上下近似相
同则粗略相等。一个的上下近似包含另一个的则粗略包
空Ｐ"Ｒ产生ＩＮＤ（Ｐ）的等价类关系集Ｕ／ＩＮＤ（Ｐ）称基本
知识，相应等价类称基本概念；Ｑ∈Ｒ则Ｑ称初等知

试论一种基于粗糙集的海量数据挖掘算法

• 100•ELECTRONICS WORLD ・探索与观察试论一种基于粗糙集的海量数据挖掘算法中国计量大学信息工程学院蔡丛豫引言：就传统的数据挖掘技术来说，其在数据量级方面存在着一定的局限性，影响最终的效果，所以将粗糙集理论应用其中。

对此，本文以算法的优化为切入点，对一种基于粗糙集的海量数据挖掘算法进行分析。

结合本文的分析，其目的就是优化海量数据挖掘算法，并以全新的并行算法等为基础，提高海量数据挖掘的效率，以期为相关人员提供参考。

1.基于粗糙集对Rough Set知识约简算法的改进1.1 离散化算法在Rough Set 知识获取方法中，数据离散化是其关键的构成内容之一，本文就采用属性重要性的方式，将CDL 引入到原算法之中，保证这种算法能够实现对海量数据的挖掘。

具体来说，这种算法的具体步骤为：（1）对每一个连续的条件属性，进行循环遍历，同时能够生成条件信息熵，即ICDL （{a i }）的信息熵。

（2）结合条件信息，对信息熵以降序的方式进行排序，即将所有连续的属性均进行排列。

（3）对于完成排序的DT ，并每个条件的a i 进行循环遍历，从而能够形成ICDL （C\{a i }）。

在这一条件下，可以将S zone 设置为null ，而S zone 实际上是a i 值域的子集。

（4）对（S a ，S b ）区间的额每一个断点，进行循环遍历，而S a 、S b 是a i 的连续属性值，并设S zone 的值为S zone 与S a 的和。

（5）对DT 中所有满足条件SV j （a i ）=S h 的样本，进行循环遍历，即SV j ，而其中的S h=属于S zone 。

（6）对DT 中所有满足条件SV j （a i ）=S b 的样本，进行循环遍历，即SV k ，如果样本SV k 、SV j 属于ICDL （{a i }）的同一分类中，并且使用@的符号进行连接，在需要将（S a ，S b ）的断点选择出来，并对S zone 进行重置（空）。

基于粗糙集和决策树的医学图像分类研究

基于粗糙集和决策树的医学图像分类研究
程鹏;宋余庆;朱玉全;吴微
【期刊名称】《计算机工程与应用》
【年(卷),期】2008(44)6
【摘要】根据医学图像数据的特性,提出一种基于粗糙集和决策树相结合的数据挖掘新方法.该方法利用粗糙集中基于属性重要性的离散化方法对医学图像特征进行离散化,采用粗糙集对其属性进行约简,得到低维训练数据,再用SLIQ决策树算法产生决策规则.实验表明:将粗糙理论与SLIQ相结合的数据挖掘方法既保留了原始数据的内部特点,同时剔除了与分类无关或关系不大的冗余特征,从而提高了分类的准确率和效率.
【总页数】3页(P243-245)
【作者】程鹏;宋余庆;朱玉全;吴微
【作者单位】江苏大学计算机科学与通信工程学院,江苏镇江212013;江苏大学计算机科学与通信工程学院,江苏镇江212013;江苏大学计算机科学与通信工程学院,江苏镇江212013;江苏大学计算机科学与通信工程学院,江苏镇江212013
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于邻域关系模糊粗糙集的医学图像分类研究 [J], 胡学伟;蒋芸;邹丽;李志磊;沈健
2.基于决策树对支持向量机的医学图像分类新方法 [J], 邹丽;蒋芸;陈娜;沈健;胡学伟;李志磊
3.基于模糊粗糙集、数学形态学和分形理论的医学图像分类研究 [J], 韩培友;郝重阳;张先勇;樊养余
4.基于贝叶斯决策树的医学图像分类方法研究 [J], 赵凤霞;谢福鼎
5.基于决策树的遥感图像分类方法研究 [J], 杨帆;王博
因版权原因，仅展示原文概要，查看原文内容请购买。

基于粗糙集的遗传算法在数据挖掘中的应用

基于粗糙集的遗传算法在数据挖掘中的应用
李智玲;张亦军;胡彧
【期刊名称】《科技情报开发与经济》
【年(卷),期】2009(019)009
【摘要】应用粗糙集对知识分类的特点,结合遗传算法进化理论,提出了新的数据挖掘模型;针对大数据表字段过多、信息冗余大的特点,采用粗糙集的理论方法进行处理,在改进数据预处理方法的基础上,对条件属性进行约简,提出了改进的属性约简算法;指出对于数据量大的决策表仅仅属性约简是不够的,对大量的规则还要进行筛选提取,结合遗传算法进行优化筛选处理,通过选择、交叉、变异后从大量的规则中得到较优的规则集.
【总页数】4页(P127-129,144)
【作者】李智玲;张亦军;胡彧
【作者单位】山西财经大学信息管理学院,山西太原,030031;太原联通公司,山西太原,030001;太原理工大学测控所,山西太原,030024
【正文语种】中文
【中图分类】TP274
【相关文献】
1.模糊粗糙集数据挖掘方法在电力变压器故障诊断中的应用研究--基于油中溶解气体的分析诊断 [J], 董立新;肖登明;王俏华;吕干云;刘奕路
2.粗糙集结合遗传算法在数据挖掘中的应用 [J], 胡彧;张亦军;杨冬梅
3.粗糙集结合遗传算法在数据挖掘中的应用 [J], 胡彧;张亦军;杨冬梅
4.基于粗糙集和遗传算法的数据挖掘方法 [J], 胡启韬;袁志平;周忠海;
5.基于粗糙集和遗传算法的数据挖掘方法 [J], 胡启韬;袁志平;周忠海
因版权原因，仅展示原文概要，查看原文内容请购买。

基于粗糙集的数据挖掘方法分析

基于粗糙集的数据挖掘方法分析
符钰
【期刊名称】《泰州职业技术学院学报》
【年(卷),期】2011(011)002
【摘要】文章从数据挖掘和粗糙集的基本概念出发,研究粗糙集理论在数据挖掘中的典型运用,为大型数据挖掘提供了一种新的方法.基于粗糙集的数据挖掘,首先通过粗糙集理论对数据进行预处理,然后对属性约简,最后进行决策规则提取,寻找最优解.【总页数】3页(P67-69)
【作者】符钰
【作者单位】泰州职业技术学院电子信息与工程系,江苏泰州225300
【正文语种】中文
【中图分类】TP391
【相关文献】
1.拖拉机装配车间调度系统设计—基于粗糙集理论和大数据挖掘 [J], 郅芬香; 王留芳; 梁硕
2.基于粗糙集的电子政务绩效评估方法分析 [J], 郑丽娜
3.基于粗糙集理论的数据挖掘在CRM中的应用 [J], 张丽莉
4.基于粗糙集的电子商务群体用户访问数据挖掘方法 [J], 宋晓姣;胡媛媛
5.试论一种基于粗糙集的海量数据挖掘算法 [J], 蔡丛豫
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于粗糙集的分类数据挖掘算法

一种基于粗糙集的分类数据挖掘算法
马君华;陈云开
【期刊名称】《计算机科学》
【年(卷),期】2008(35)6
【摘要】目前,粗糙集理论及数据挖掘的研究已经成为热点领域.本文提出一种基于粗糙集理论的分类数据挖掘算法,从实际数据出发,运用不同简化层次的算法,导出每个层次上的信息集,最后得到规则集.在进行推理和决策分析时,按照一定算法进行匹配,得出结论.算法分析表明,这一算法属性约简具有较好有效性,可减少未知样本参与分类的决策属性,适合模型相对稳定、更新不频繁且建模过程可以在后台进行的应用.
【总页数】4页(P213-216)
【作者】马君华;陈云开
【作者单位】华中科技大学计算机科学与技术学院,武汉,430074;华中科技大学计算机科学与技术学院,武汉,430074
【正文语种】中文
【中图分类】TP3
【相关文献】
1.一种基于粗糙集理论的数据挖掘算法的研究 [J], 马跃峰;赵予
2.一种基于双层可伸缩结构遗传算法的分类数据挖掘算法 [J], 董红斌;周志雄
3.一种基于粗糙集理论的启发式分类规则挖掘算法 [J], 李祝平;冯秀芳;李冰清
4.一种基于粗糙集理论的最简决策规则挖掘算法 [J], 钱进;孟祥萍;刘大有;叶飞跃
5.试论一种基于粗糙集的海量数据挖掘算法 [J], 蔡丛豫
因版权原因，仅展示原文概要，查看原文内容请购买。

基于粗糙集和遗传算法的数据挖掘方法

基于粗糙集和遗传算法旳数据挖掘措施摘要：运用粗糙集和遗传算法旳理论,为大型旳数据挖掘提供了一种新旳措施。

首先通过粗糙集理论对数据进行预处理, 然后对属性简约，最终通过遗传算法进行规则提取, 寻找最优解。

关键词:粗糙集;遗传算法；数据挖掘；知识发现Dａｔa ExｔracｔioｎＢased on Rｏuｇh Ｓｅt　and GｅnｅtiｃＡlｇoｒithmAbstｒact: A neｗ　ａpproach　for datａmining bｙ　using ｒougｈset and ｇeneｔic ａｌgoriｔhm　is inｔrｏduced in　this aｒtiｃle.　First oｆall ｗe ｐretrｅａｔour daｔaｗｉth roｕｇh set, anｄthen reｄucｅ　ａｔtribｕtｅｓ，　finally we　extｒacｔｔhe beｓｔruｌe thｒough genetｉｃ　ａlｇｏriｔhm.Keｙ　Words:Ｒougｈ　Seｔ；Genｅtｉc Aｌgoriｔhm; Data Extration; Knowｌedge Diｓｃoｖeｒy0　引言数据挖掘[1]又称知识发现, 是从大量旳、不完全旳、有躁声旳、模糊旳实际数据中, 提取隐含在其中旳、人们事先不懂得旳、但又很有用旳知识和信息旳过程。

它旳一般环节如下:　提出问题→数据准备→数据整顿→建立模型→评价和解释。

它是数据库研究、开发和应用最活跃旳一种分支, 是多学科旳交叉领域, 波及数据库技术、人工智能、机器学习、神经网络、数学、记录学、模式识别、知识库系统、知识获取、信息提取、高性能计算、并行计算、数据可视化等多方面旳知识。

1　粗糙集与遗传算法旳基本概念粗糙集(　Rｏugh Set，RS)[2]作为一种全新旳数学概念,为处理具有不完整、不一致及不确定性特性旳信息提供了新旳有效工具, 它旳重要特点之一是不必提供问题所需处理旳数据集合之外旳任何先验信息。

基于粗糙集及AC聚类算法的用电客户信用知识挖掘

基于粗糙集及AC聚类算法的用电客户信用知识挖掘【摘要】用电客户信用关系是供电企业客户关系管理的重要内容。

在分析对用电客户的信用评价指标体系的基础上，提出基于粗糙集及AC聚类算法的用电客户信用评价模型。

首先借助粗糙集理论，对指标进行属性约简，并运用自组织数据挖掘中的Knowledge Miner软件，采用AC聚类算法对用电客户进行聚类分析，从而得到各个用电客户的信用等级。

最后结合聚类结果，利用ID3算法，建立决策规则，得出具有一般指导意义的用电客户信用评价的规则知识。

【关键词】粗糙集属性简约；AC聚类；ID3算法；用电客户1.引言（1）随着电力体制改革的推进和电力市场化进程的加快，供电企业在电力市场上面临着越来越激烈竞争。

一方面，用电客户逐渐成为竞争的焦点，提高用电客户满意度与供电企业自身的经济效益紧密相关；另一方面，供电企业先消费后付款的特殊交易方式，造成有些用电客户拖欠电费。

因此，供电企业需要对用电客户进行有效的信用评价，对不同信用等级的客户采用不同的营销策略，建立信用激励机制，提高供电企业用电营销辅助决策水平。

（2）目前，随着用电客户信用评价成为供电企业客户关系管理的重要内容，有关用电客户信用评价方面的研究成果也在不断的增多。

目前常用的方法主要有综合评估法［3］、模糊多属性方法［4］、主客观评价的方法［5］、模糊偏序方法［6］等。

这些研究从不同角度，为解决用电客户信用评价问题提供了一些值得借鉴的思路和方法。

上述方法在进行用电客户信用评价时各有特点，但其评价指标较多，精炼性稍显不足。

随着信用评价体系指标不断增多，指标之间不可避免的存在一定的关联性、交叉性，其重要性也不尽相同，从复杂的指标体系中筛选出重要的指标也是进行用电客户信用评价的一个重要方面，因而本文把在指标属性约简方面具有强大优势的粗糙集理论引入用电客户的信用评价中。

（3）粗糙集是一种处理不精确、不相容和不完全数据的数学工具，这一理论主要的应用是对含有大量冗余信息的知识系统进行约简，它不仅具有模拟人类逻辑思维的能力，而且能有效地分析和处理不精确、不一致、不完整的信息［9］。

一种基于粗糙集的决策算法挖掘方法

一种基于粗糙集的决策算法挖掘方法
王常伟;马英红;朱颖翠
【期刊名称】《科技信息》
【年(卷),期】2007(000)007
【摘要】属性约简和属性值约简是利用粗糙集理论从决策表中挖掘决策规则的基础,挖掘决策规则是粗糙集理论的重要研究领域之一.本文根据属性的重要度和条件差别矩阵来进行条件属性约简,找出有效约简.同时定义了决策表的不一致度,并根据属性重要度来进行属性值约简,在保持决策表不一致度不增加的前提下挖掘出决策规则,该决策规则集满足独立性、覆盖全域性、可接受性和一致性,即决策规则集为决策算法,最后运用实例对该方法的有效性进行说明.
【总页数】2页(P5-6)
【作者】王常伟;马英红;朱颖翠
【作者单位】山东师范大学管理学院,山东,济南,250014;山东师范大学管理学院,山东,济南,250014;山东师范大学管理学院,山东,济南,250014
【正文语种】中文
【中图分类】TP3
【相关文献】
1.一种基于粗糙集和信息论的Web日志挖掘方法 [J], 柳炳祥;李海林
2.一种基于粗糙集合的心绞痛数据挖掘方法 [J], 陈乐
3.一种基于相似关系粗糙集的低风险决策算法 [J], 年福忠;李明
4.一种基于PS-粗糙集的动态三支决策算法 [J], 张春英;乔鹏;王立亚;秦豪;刘璐;唐虎
5.一种基于粗糙集的近似质量求取属性约简的决策算法 [J], 徐德友;胡寿松
因版权原因，仅展示原文概要，查看原文内容请购买。

基于粗糙集的关联规则挖掘方法

基于粗糙集的关联规则挖掘方法
贺超波;陈启买
【期刊名称】《计算机应用》
【年(卷),期】2010(030)001
【摘要】对粗糙集进行了相关研究,并提出一种以粗糙集理论为基础的关联规则挖掘方法,该方法首先利用粗糙集的特征属性约简算法进行属性约简,然后在构建约简决策表的基础上应用改进的Apriori算法进行关联规则挖掘.该方法的优势在于消除了不重要的属性,减少了属性数目和候选项集数量,同时只需一次扫描决策表就可产生决策规则.应用实例及实验结果分析表明该方法是一种有效而且快速的关联规则挖掘方法.
【总页数】4页(P25-28)
【作者】贺超波;陈启买
【作者单位】仲恺农业工程学院,计算机科学与工程学院,广州,510225;华南师范大学,计算机学院,广州,510631
【正文语种】中文
【中图分类】TP392
【相关文献】
1.基于粗糙集的多维关联规则挖掘方法 [J], 陶多秀;吕跃进;邓春燕
2.基于粗糙集与关联规则的道路运输管理信息数据挖掘方法 [J], 郑晓峰;王曙
3.基于关联规则的网络信息数据挖掘方法 [J], 王润芳;丁晓敏
4.基于配电数据的关联规则挖掘方法 [J], 郭成;张万达;王波
5.基于粗糙集的关联规则挖掘方法的研究与应用 [J], 吴陈;李丹丹
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第８卷
第５期
信息与电子工程
ＩＮＦ０ＲＭＡＴ１０ＮＡＮＤＥＬＥＣＴＲＯＮＩＥＮＧＩＣＮＥＥＲＩＮＧ
Ｖｏ８，．１．Ｎｏ５
２１００年１０月
Ｏｃ．２０ｔ．０１
文章编号：１７－８２２１）５００ —６６２２９（０００－６７０
Ａｂｓｒｃ：ＩｓｏｅｏｈｋｙｉｓｓｔａｋｎｎｗｌｄｅｄｓｏｅｙｅｆｃｉｅｙｉｇｉｉｅｔａｔｔｉｎｆｔｅｅｓｕｅｈｔｍａｉｇｋｏｅｇｉｃｖｒｆｅｔｖｌｎａＣｏｎｔｖ
ｄｃｓｏｔｏｓａｔｄｅｔｅｓｂｌｔｈｏｇａｅｅｉｉｎｍｅｈｄｎｄｓｕｉｄｉｓｆａｉｉｉｙｔｒｕｈａｃｓ．Ｕｓｎａａｂｓｄｏｉｌｔｏｌｔｏｍｆｉｇｄｔａｅｎｓｍｕａｉｎｐａｆｒｏ
Ｃ知识挖掘模型，并通过案例研究其可行性；利用基于ＭＡＬＢ８２１ａ理层仿真平台收集的数ＲＴＡ０．１物据作为Ｃ感知样值，通过样本值训练决策树序列，构建决策树提取知识，并用混淆矩阵法对设计Ｒ模型的准确性及性能进行评价。实验结果表明，该方法设计模型的分类准确率高，增强了知识的
可解释性，能够初步达到认知无线电知识挖掘和对以往经验学习的目的。关键词：认知无线电；知识挖掘；决策树；粗糙集；Ｃ．算法４５
中图分类号：Ｔ９４Ｐ７Ｎ１；Ｔ２４文献标识码：Ａ
Ｋｎｗｌｄｅｄｓｏｅｙｆｒｃｇｉｉｅｒｄｏｂｓｄｏｏｇｅｎｄｏｅｇｉｃｖｒｏｏｎｔｖａｉａｅｎｒｕｈｓｔａｄｅｉｉｎｔｅｅｈｄｃｓｏｒｅｍｔｏ
Ｒａｉ（Ｒ）ｎｉｅｄｓｇ．ａｉｇｏｈｅｅｒｈａｏｔＲｕｈＳｔｈｏｎ４５ａｇｒｔｍｏｅｉｉｎｄｏＣｅｇｎｅｉｎＢｓｎｎｔｅｒｓａｃｂｕｏｇｅｅｒａｄＣ．ｌｏｉｈｆｃｓｏＴｙｄ
ｔｅ，ｔｉｔｄｅｅｔｄａｍｏｅｆＣＲｎｏｅｇｉｃｖｒｅｉｎｄｂｙｃｍｂｎｔｏｆｒｕｈｓｔａｄｒｅｈｓｓｕｙｐｒｓｎｅｄｌｏｋｗｌｄｅｄｓｏｅｄｓｇｅｏｉａｉｎｏｏｇｅｎｙ
ＭＡＴＬＡＢ０．ａｈｓｃｌａｅｓ８２１ｐｙｉａｌｙｒａＣＲｒｅｔｏａｌ，ｄｃｓｏｔｅｅｕｎｅｗａｔａｎｄａｄｌｐｅｃｐｉｎｓｍｐｅｅｉｉｎｒｅｓｑｅｃｓｒｉｅ，ｎ
ＹＵａ — ａ “ Ｘｉｏｈｎｇ
，
ＬＩＬｅ — ｉ，ＨＵＡＮＧｉｍｎＹｕ— ｉｇｑｎ
（ａＳｈｏｆｎｏｍａｉｎＥｇｎｅｉｇｌ．ｃｏｌｆｎｆｃｕｉｇＳｉｎｅａｄＥｇｎｅｉｇＳｕｈｅｔｉｅｓｔｆｃｅｃ，１．ｃｏｌｆｒｔｎｉｅｒ；ｂＳｈｏｕａｔｒｎｃｅｃｎｎｉｅｒｎ，ｏｔｗｓｖｒｉｏｉｎｅｏＩｏｎｏＭａＵｎｙＳＭｉｎａｇＳｃｕｎ６１１Ｃｉａａｙｎｉｈａ２００，ｈｎ）
基于粗糙集和决策树法的认知无线电知识挖掘
余晓航ｈ，李磊民，黄玉清
（．南科技大学ａ息工程学院；ｂ国防科技学院，四川绵阳６１１）１西．信．２００
摘要：对粗糙集、决策树ｃ．算法进行了研究，提出用粗糙集和决策树ｖｌｔｄｂｏｆｓｏｔｘｓｅａｕａｅｙｃｎｕｉｎｍａｒ．Ｔｈｉｌｔｏｅｕｔｈｗｈｔｔｅｐｏｏｅｅｉｎｍｏｅｅｓｈｇｉｅｓｍｕａｉｎｒｓｌｓｓｏｔａｈｒｐｓｄｄｓｇｄｌｇｔｉｈｃａｓｆｃｔｏｃｕｒｃａｅｃｎｅｈｎｅｔｅｉｔｒｅａｌｔｆｋｏｅｇｌｓｉｉａｉｎａｃａｙｒｔ，ａｎａｃｈｎｅｐｒｔｂｉｉｙｏｎｗｌｄｅ，ａｄｔｅｅｏｅｈｓｐｅｉｎｒｌｎｈｒｆｒａｒｌｍｉａｙｉａｈｅｅｈｕｏｅｏｎｗｌｄｅｄｓｏｅｒｃｇｔｖａｉｎｅｒｉｇｆｏｔｅｅｐｒｅｃｓｃｉｖｄｔｅｐｒｓｆｋｏｅｇｉｃｖｒｆｏｎｉｉｅｒｄｏａｄｌａｎｎｒｍｈｘｅｉｎｅ．ｐｙｏＫｅｒｓ：ＣｏｎｉｉｅＲａｉｙｗｏｄｇｔｖｄｏ；ｋｎｗｌｄｇｉｃｖｒｏｅｅｄｓｏｅｙ；ｄｃｓｏｅｅｉｉｎｔｅ；ｒｕｈｓｔＣ４．ｌｏｔｍｒｏｇｅ；５ａｇｒｈｉ
ｄｃｓｏｒｅｗａｕｌｆｒｋｏｅｇｘｒｃｉｎｅｉｉｎｔｅｓｂｉｔｏｎｗｌｄｅｅｔａｔｏ．Ｔｈｎｔｅａｃｒｃｎｅｏｍａｃｆｔｅｄｓｇｄｅｅｈｃｕａｙａｄｐｒｒｎｅｏｈｅｉｎｍｏｌｆ