基于粗糙集理论的建筑节能综合评价方法

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。     

基于粗糙集理论的水质模糊综合评价

针对水质评价中存在指标选取主观和赋权计算繁琐等问题,提出了利用粗糙集做属性约简,消除不相关和不重要的指标;运用属性重要度对约简后的指标赋权,并应用模糊综合评价进行水质评价。结果表明,粗糙集理论应用于模糊综合评价和传统模糊综合评价的结果基本一致,而且粗糙集属性约简和属性重要度赋权能够达到客观选取指标、简化水质评价过程等目的。     

模糊粗糙集在轴承故障模式识别中的应用

提出一种基于模糊粗糙集理论的模式识别方法,将动态聚类法和方差分析法引入连续属性模糊化,获取模糊隶属函数,避开了粗糙集理论属性离散化过程带来的信息丢失;利用F检验判断分类的合理性,克服了人为确定分类数目的缺点;应用模糊化得到的模糊决策表进行条件属性约简,通过属性值约简,提取了清晰、简明的故障模式规则。轴承故障模式识别结果表明,该方法对比一般粗糙集理论,有效地提高了模式识别精度,在实际模式识别中具有很好的应用价值。     

MMAS与粗糙集在齿轮箱故障诊断中的应用

粗糙集理论是一种新的处理含糊和不确定性知识的数学工具,属性约简是粗集理论研究的重要内容,属性约简算法有很多种,而计算一个最佳约简是NP难问题。为了能够有效地获取信息系统的约简,提出了一种新的约简算法。该算法选择最大-最小蚂蚁系统(MMAS),以Fisher准则作为启发式信息来提高搜索效率,将蚁群优化算法引入属性约简中,利用粗糙集理论对故障诊断决策表进行约简,形成清晰、简明的故障诊断规则,为下一步的故障诊断打下了坚实的基础。     

基于粗糙集的电机机械状态特征的约简研究

针对集装箱起重机起升电机振动特征参数较多的特点,在利用小波包分解算法进行特征提取的过程中,引入基于粗糙集理论的属性约简方法,在保证识别精度的前提下约简特征参数的维数,以便更高效地进行机械状态识别。同时,引入Wallace测度对约简后的特征属性集与约简前进行识别精度比较。实验结果显示,约简前后的识别结果和精度基本相同,而特征属性维数大大减少,从而大大降低了聚类识别过程的复杂程度和计算量。     

采用粗糙集的客户分类预测分析

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.     

模糊决策属性约简及其在工位评估中的应用

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.     

B2C电商平台的用户体验评价

运用粗糙集属性约简算法对电商平台用户体验评价指标进行初始筛选,采用粗糙集理论得到各个评价指标的评价权重,再通过构建基于灰色关联分析的评价模型进行实证分析,结果显示本文方法具有可行性,有助于提高用户体验综合评价的准确性,并对电商平台企业提升用户体验实际工作具有参考意义。     

基于一般包含度的广义变精度粗糙集

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。     

一种基于属性划分的序信息系统并行约简算法

在粗糙集理论中,序信息系统的属性约简是一个重要的问题.目前已取得一些初步的研究成果,但仍缺乏有效的计算方法,主要表现为求解约简耗时过长.本文采用"分而治之"的策略,利用递减划分对属性进行分组,从而将原系统分解为规模相近的若干子系统,并在互不影响的情况下同步计算各子系统的核与约简,然后将子系统的核与约简合并得到原系统的核与约简.算例分析验证了本文提出的属性约简方法的可行性和有效性.     

基于优势粗糙集的中小企业二维绩效评价模型

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。     

粗糙集与决策树在城轨头型意象设计的应用

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。     

基于FCM与粗糙集的连续数据知识挖掘方法

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．     

A competitive neural network approach to multi-objective FMS scheduling

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.     

基于 RS-TOPSIS 法的地下采场爆破效果评价

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。     

滚动轴承故障模式识别方法现状分析

在提取滚动轴承故障特征后,如何设计合理的分类器对滚动轴承进行故障模式识别是故障诊断的关键步骤。分别介绍了粗糙集模式识别中的变精度粗糙集、统计模式识别中的最小二乘支持向量机、模糊模式识别中的模糊[C]均值聚类算法。分析各种方法的基本原理、应用和特点。研究发现,多种故障模式识别方法的融合运用是今后研究的重点方向。     

信息系统诱导出的形式背景及其性质

信息系统和形式背景是数据库中对象与属性之间关系的两种不同表现形式,是数据挖掘与知识发现的重要内容.本文基于粗糙集理论对两者进行了研究,指出了每个信息系统均存在一个与之对应的形式背景,通过这个形式背景可以确定信息系统的分类知识及由此划分形成的集代数.最后,文中给出了形式背景中所有概念外延组成的集合与信息系统中由划分形成的集代数相等的充分必要条件.由此,利用形式背景中的外延即可获得相应的粗近似.     

基于粗糙集理论和TOPSIS的绿色包装评价方法

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。     

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.