共查询到19条相似文献,搜索用时 281 毫秒
1.
为了提高建筑节能评价的客观性,根据现行建筑节能评价体系中各分项指标对建筑能耗的影响趋势以及建筑节能设计标准中的相关规定和技术要求,结合dest软件计算值,建立建筑节能综合评价决策表,然后采用等距离方法对决策属性值离散、Jelonek算法对属性约简、数据分析法对条件属性值约简,得出并行推理规则,去除重复推理规则得到规则约简。因此,粗糙集理论无需对知识或数据的局部给予主观评价,也就是粗糙集理论对不确定性的程度的描述相对客观。该方法和相关软件相结合,既能处理数据库信息系统,挖掘潜在规律,又克服处理问题精确化;这对于实现建筑节能评价的智能化提供了很好的途径。 相似文献
2.
3.
4.
5.
6.
探讨了粗糙集理论在客户分类预测中的应用,提出对一般属性约简的修正方法、直接处理不一致系统的分类规则约简算法及基于粗糙集的客户分类预测规则,为企业客户的分类预测提供了参考.实证分析结果表明运用上述方法及规则能有效地降低了数据计算的复杂性,提高客户分类预测的准确性. 相似文献
7.
受粗糙集理论中知识约简的启发,在模糊多属性决策理论中提出属性约简的概念,构建属性约简方法,寻求属性集合中所有最简单的保序属性约简子集以及属性约简核.用属性约简子集代替原有的属性集合,通常可以显著简化模糊多属性决策问题.还将此属性约简方法应用到生产线工位绩效评估中,表明此属性约简算法的实用性. 相似文献
8.
9.
本文将变精度粗糙集模型推广到基于一般包含度的广义变精度粗糙集,利用包含度的性质讨论广义变精度粗糙集的性质。给出广义齐次包含度的定义,验证了常用的概率型包含度等均为广义齐次包含度;给出基于该广义变精度粗糙集的知识约简的方法。不同的包含度代表不同的决策语义,因此借助一般包含度研究变精度粗糙集,能够使尽可能多的有用信息被提取、挖掘,克服了基本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失,进一步推广了粗糙集模型,拓宽了粗糙集在数据挖掘、知识发现、模式识别及决策分析等领域中的应用。 相似文献
10.
11.
针对中小企业的发展特点,提出了从经营现状和发展潜力两个维度进行综合评价中小企业绩效的二维模型,并采用创业板中171家中小企业的数据进行了模型验证分析。考虑到评价企业数据量较大,论文依托于聚类分析方法,提出了一种典型样本企业选取策略,然后应用优势粗糙集理论对典型样本集进行了专家知识学习,形成中小企业绩效评价的决策规则,对所有企业进行绩效分类,构建出二维评价模型。其结果分析表明,我国中小企业在现状和发展潜力方面表现均优的企业较少,企业的发展潜力存在不足。此外,基于实际数据,论文讨论和演算了训练样本数量与粗糙集学习分类质量关系,发现粗糙集学习分类中存在过学习现象,即训练样本数的增多并不一定能提高分类质量。 相似文献
12.
目的 为挖掘大众对产品造型意象认知的机理,提出了一种将粗糙集理论和决策树技术相结合的产品造型意象设计方法。方法 首先,在感性工学理论的基础上,获取产品造型设计要素和感性评价数据,并运用粗糙集理论来构建知识表达系统;其次,对决策表属性进行约减,保留贡献值较大的属性,删除冗余属性;最后,通过AAID算法计算得到各个设计要素的重要度排序,在此基础上构建决策树,并通过读树提取相关设计规则。结果 以地铁列车头型设计为例进行研究,得到了影响感性意象“前卫的-过时的”核心设计要素,通过决策树提取到9条设计规则,结果验证了该方法的适用性和有效性。结论 通过对粗糙集理论和决策树技术的探究和应用,提出了地铁列车头型设计思路。研究结论可为其他城市轨道交通工具的产品造型意象设计提供参考依据,丰富轨道交通工具领域的产品创新设计方法。 相似文献
13.
对连续数据知识挖掘可采用模糊C均值聚类将其离散化,再应用粗糙集进行约简.文中针对该过程中样本数据离散化后出现多个聚类中心隶属度值较接近的情况.提出了隶属度重叠度的方法来扩展对应离散类别的选取.离散类剐确定后再应用粗糙集理论对其进行知识挖掘,可得到连续数据的本质特性.此方法应用于汽轮机轴系振动数据的知识挖掘.与采用最大隶属度确定对应类别的方法相比,该方法不影响对连续数据的知识挖掘,并能真实反映连续数据的特性. 相似文献
14.
The main contribution of this paper is the development of a multi-objective FMS scheduler which is designed to maximally satisfy the desired values of multiple objectives set by the operator. For each production interval, a decision rule for each decision variable is chosen by the FMS scheduler. A competitive neural network is applied to present fast but good decision rules to the operator. A unique feature of the FMS scheduler is that the competitive neural network generates the next decision rules based on the current decision rules, system status and performance measures. A commercial FMS is simulated to prove the effectiveness of the FMS scheduler. The result shows that the FMS scheduler can successfully satisfy multiple objectives. 相似文献
15.
针对目前爆破效果评价方法的不足,将多目标决策理论中的逼近理想解排序法( TOPSIS)运用于地下采场爆破效果评价中,选取大块率、每米崩矿量和炸药单耗3个主要影响因素作为地下采场爆破效果评价指标,基于粗糙集理论(RS),通过计算评价指标与评判结果的粗糙依赖度确定评价指标的权重。以某地下铅锌矿20个典型采场爆破数据作为学习样本,依据单指标分类区间下限构造4个不同等级的典型样本,通过计算典型样本与正理想解的相对贴近度确定分类区间,构建 RS-TOPSIS 地下采场爆破效果评价模型,并逐一对20组学习样本进行检验。将所建立的模型应用于该铅锌矿近期采场爆破效果评价的实践表明,RS-TOPSIS 模型具有可操作性强、继承性好、准确性和高效性等优点,该方法具有工程实用价值,可以运用于地下采场爆破效果评价。 相似文献
16.
17.
18.
目的为了减少包装造成的环境污染,研究一种基于粗糙集理论的TOPSIS综合评价法,对包装的绿色程度进行评价。方法构建包括环境、资源、能源、功能、经济等5个方面的绿色包装评价体系,利用粗糙集理论确定权重、TOPSIS方法,并对包装的绿色性进行打分排序,通过包装案例研究验证该方法的可行性。结果通过粗糙集理论与TOPSIS法相结合的评价方法得到了客观的排序结果,并选择出最优的绿色包装方案。结论基于粗糙集理论和TOPSIS的包装评价方法可对绿色包装进行评价,并得到了客观有效的评价结果。 相似文献
19.
Attribute Selection Based on Rough Set Theory for Electromagnetic Interference (EMI) Fault Diagnosis
Electromagnetic emissions are radiated from every part of a personal computer motherboard, thus producing electromagnetic interference (EMI). EMI has an adverse effect on the surrounding environment because EMI could cause malfunctions or fatal problems in other digital devices. EMI engineers diagnose motherboard EMI problems using the electromagnetic noise data measured by the spectrum analyzer. Finding the sources (e.g., PS2, USB, VGA) of electromagnetic noise is a time-consuming process. The attribute selection and fault diagnosis was developed based on the advantage of rough set theory (RST). RST is a novel data mining approach for dealing with vagueness and uncertainty. It can be used to find hidden patterns in data sets. In this study, the basic rough set theory concepts are introduced. The rough set approach enables one to discover the minimal subsets of condition attributes associated with the motherboard EMI fault diagnosis problem. The operating sequence includes data collection, data preprocessing, discretization, attribute reduction, reduction filtering, rule generation, and classification accuracy. Historical EMI noise data, colleted from a famous motherboard company in Taiwan, were used to generate diagnostic rules. Our research result (average diagnostic accuracy of 80% above) shows that the RST model is a promising approach for EMI diagnostic support systems. 相似文献