基于粗集理论的产品配置规则获取方法研究

研究了基于粗集（RS）理论的产品配置规则获取方法,实现信息约简,产生更简洁、更有意义的规则。给出了数据约简方法,包括建立RS知识模型、RS决策逻辑表示、确定辨识矩阵、计算其核心、进行属性归约、规则形成等内容。结合案例进行了验证,利用RS理论对传动机构总成的配置模型进行约简,可以得出最简化的配置规则,用于产品配置设计。     

基于粗糙集理论的多属性评估方法的研究

传统的模糊综合评价利用模糊数学理论来描述评价过程中涉及的一些模糊因素,取得了一定效果。但这种方法存在如隶属度参数的调整的主观性,网络结构不易确定,模糊规则的选取等问题不易解决。文章提出结合粗糙集理论（RS）和模糊神经网络（FNN）的一种网络评估模型,使得网络的结构容易确定,并利用Rosetta软件轻松提取模糊规则,是一种具有通用性的网络评估模型。     

AVS/RS系统动态分析及决策模型

通过模拟自动小车存取系统(AVS/RS)中任务的动态排队过程,建立了一个基于动态排队网络的系统分析与决策模型。首先,描述了AVS/RS的系统构架、运行规则及任务场景概率。接着,根据系统任务特征构造了一个动态排队网络模型(DQNM)。最后,运用改进的聚合法对该系统模型进行求解,并对系统性能进行分析。分析表明,该模型能够找出系统的最佳小车-电梯组合方式,从而为优化系统的设计、提高设备的利用率、节约系统运行成本提供决策支持。     

基于数据库操作的粗糙集的规则生成

提出了基于数据库操作的粗糙集（RS）的一种新模型,大部分传统的RS方法没有与数据库系统结合起来,使得RS理论在很多领域中受到限制,并提出了一组基于数据库操作的计算核、约简,规则生成的算法, 与传统RS模型相比,新的模型非常有效且可扩展。     

基于Rough Set带结论域的关联规则挖掘

论文构建了一种基于RoughSet(RS)带结论域的强关联规则挖掘模型,采用约简决策表和改进的Apriori算法来挖掘关联规则,提高了关联规则的挖掘效率和挖掘质量,提出并实现了带结论域的关联规则挖掘的解决方案。     

概率粗糙集模型

1.引言原始的RS模型(常称为Pawlak RS模型)是建立在二元等价关系的基础上的,但由于实际问题的需要,PawlakRS模型的应用受到了限制,因此人们将二元等价关系推广成一般的二元关系,得到了一般关系下的RS模型,Yao还在文[4]中讨论了基于邻域算子的RS模型。另一方面Pawlak粗糙集模型是基于可利用信息的完全性的,因而忽视了可利用信息的不完全性和可能存在的统计和随机信息,这类模型对于不协调的决策表的规则提取往往显得无能为力。本文我们从概率论的观点出发来研究粗糙集理论,为研究不确定信息系统提供了新的粗糙集模型。     

基于RS在移动计算中的规则提取与仿真

RS(RoughSet)方法是一种处理不精确或不完整信息的强有力数学工具。该文首先提出了基于RS在移动计算环境中进行数据挖掘的系统模型,并给出了对数据进行规则提取的具体算法,最后给出了仿真程序和应用结果。     

工业无线测控网络智能节点

本文以嵌入式和无线局域网（简称WLAN）技术为基础,设计开发了一款面向工业无线测控网络应用的WLAN智能节点．该智能节点作为传统工业测控设备的无线网络扩展,通过RS232、RS485或CAN总线接口与设备通信来获取数据,并通过无线网络将数据发送给PLC或计算机等控制设备,从而有效弥补了有线网络在某些特殊环境下的不足,进一步拓展了工业测控网络的应用领域．     

基于RS的BP-HMM在网络入侵检测中的应用

提出了基于RS的BP-HMM模型的网络入侵检测方法,并给出了模型的训练和识别方法.由于简单的使用HMM建立的分类器不能兼顾每个模型对其对应目标有很强的识别能力和模型之间差异性的最大化.因此将基于RS的BP神经网络集成到HMM框架中,提高了系统的分类识别能力.     

基于整体活性度模型的自适应分布式代理机制

将网络用户整体访问网络的行为视为个体用户兴趣的叠加,以此建立用户整体活性度模型。基于该模型,提出一种自适应分布式代理机制,给出代理集群系统的结构与模型代理规则。实验结果表明,与规则网络、聚集网络相比,采用自适应分布式代理机制的网络对网络链接的处理能力较优。     

粗糙集在销售决策系统中的应用

在销售决策支持系统中,存在着大量的信息和很多不确定的因素,这使得做出科学合理的决策变得很困难。粗糙集理论是处理不确定性知识与不完整数据的有效工具,因此可以根据粗糙集理论通过分析推理找出销售数据中存在的有用的知识。依据粗糙集理论实现了一种对销售决策表知识简化的方法,采用粗集理论处理大量销售信息,从中提取有用规则,通过分析和推理产生最小决策规则。通过实例分析,验证了粗糙集理论与销售决策支持系统相结合方法的可行性。该方法有效地解决了智能销售决策支持系统中决策规则的获取与理解等问题。     

一种基于粗糙集的集成算法及应用

粗糙集理论的主要思想是在保持信息系统分类能力不变的前提下，通过知识约简，导出问题的决策和分类规则：本文提出一种基于信息量的属性约简和规则提取的集成算法，并结合汽车里程试验数据进行验证，通过仿真实验，表明了该算法的有效性和可行性。     

不完备信息系统中知识获取算法

粗糙集理论是一种新的处理模糊和不确定知识的软计算工具.应用粗糙集理论,可以将隐藏在系统的知识能够以决策规则的形式表达出来.根据粗糙集上下近似的概念,决策规则能够分成确定性规则和可能性规则两种.本文将介绍从不完备信息系统中知识获取的算法,通过这些算法能够从不完备决策表中生成一种确定性的规则和两种可能性的规则,同时也介绍了不完备决策表中描述约简的算法.     

基于粗糙集理论的计算机图像识别系统

为解决专家系统较难获取完备知识的瓶颈问题,设计了一种基于粗糙集理论的诊断系统。研究历史数据所形成的决策表,运用粗糙集理论进行约简,构建专家系统知识库模型。通过计算诊断规则粗糙度,确定诊断规则的置信程度。利用推理机,实现对知识库的动态维护。结合诊断的特点,建立基于粗糙集理论的专家诊断系统模型,快速准确地实现诊断的目标。实例表明,该专家诊断系统有效、实用,具有很好的学习能力。     

一种不确定性规则挖掘的混合方法及其应用

为了在含有连续条件属性的决策表中挖掘和应用决策规则,通过采用互信息熵作为模糊聚类的截距值选定准则,对信息系统对象集进行模糊聚类划分,并根据粗糙集的有关概念,确定基于截距的近似集和边界,从中挖掘出不确定性决策规则,进一步建立决策知识库。最后以该知识库为识别模型,结合模糊隶属度的计算和不确定性推理进行地层识别,取得了令人满意的效果。     

基于最大分布约简的风险规则挖掘

在研究如何更好地开发利用网箱渔场的过程中,人们已经认识到由于污染所引起的环境风险和其他影响因子。但是如何来评估网箱渔场的风险呢?粗糙集理论是一种数据推理的有力工具。该文介绍利用粗糙集理论进行风险规则挖掘的一种方法。首先介绍不完备信息系统下有关最大分布约简的概念,再对渔业环境中老化程度和风险等级进行了量化描述,最后给出了基于最大分布约简的网箱渔场老化风险规则的挖掘算法。     

粗糙集的泛系化扩展模型

粗糙集与泛系理论相结合已成为一个新兴的研究领域,基于泛系理论中的泛权场/网等理论,对粗糙集理论的基本概念进行了基本的概括和扩展,将粗糙集理论泛系化扩展加以研究,进而构建了粗糙集的泛系化扩展模型,并通过实例给予解释,为粗糙集的进一步完善和扩展找到了一条新路。     

基于粗糙集模糊神经网络的自适应逆控制

粗糙集和模糊神经网络在智能信息处理方面各有优缺点,若将二者结合起来可增强信息处理的能力.将粗糙集理论中的贪心算法和缺省规则获取算法进行结合改进,并将结合算法应用到补偿模糊神经网络的输入模糊化和规则提取中.最后针对某型火炮伺服系统输出端噪声对重定位的影响,用粗糙集模糊神经网络对受扰对象进行逆建模,并将学习得到的模型作为逆控制系统的控制器来消除扰动,仿真结果表明此种网络在精简决策规则,缩短训练时间,提高误差精度等方面都有显著改善.