一种基于粗集理论的车地无线通信设备故障诊断方法*

针对车地无线通信设备故障诊断信息不一致的情况下进行故障的推理和诊断,提出了一种基于粗集理论的车地无线通信装备故障诊断方法。该方法从诊断决策支持系统定义出发,将车地无线通信设备故障诊断问题用一个不同简化层次的故障决策网络表示,由网络节点根据定义出的规则置信度和覆盖度可推导出对应有效的故障诊断规则集合。通过故障诊断规则匹配,便可方便得出车地通信单元故障诊断结果,实例分析表明该方法具有较好诊断有效性。     

浅谈基于粗集理论的文本归类系统

文本归类是处理大量文本数据自动分类的重要技术。基于粗集理论建立的林业文本信息归类系统,是在已知类别的训练集的基础上,通过分析训练数据样本,建立决策表产生区分矩阵构造出区分函数,并化简它,得到最小属性约简,最后应用Apriori算法产生最终分类的规则表,利用产生的规则表,可将林业文本信息数据进行自动归类。     

New Algorithm for Binary Connected-Component Labeling Based on Run-Length Encoding and Union-Find Sets

Based on detailed analysis of advantages and disadvantages of the existing connected-component labeling (CCL) algorithm, a new algorithm for binary connected components labeling based on run-length encoding (RLE) and union-find sets has been put forward. The new algorithm uses RLE as the basic processing unit, converts the label merging of connected RLE into sets grouping in accordance with equivalence relation, and uses the union-find sets which is the realization method of sets grouping to solve the label merging of connected RLE. And the label merging procedure has been optimized: the union operation has been modified by adding the "weighted rule" to avoid getting a degenerated-tree, and the "path compression" has been adopted when implementing the find operation, then the time complexity of label merging is O(nα(n)). The experiments show that the new algorithm can label the connected components of any shapes very quickly and exactly, save more memory, and facilitate the subsequent image analysis.     

二型模糊集模糊推理方法的单调性

模糊推理是蓬勃发展中的模糊控制技术的数学核心,二型模糊集的模糊推理是研究二型模糊逻辑系统的基础。各种模糊推理方法都具有单调性,从而导致人们当使用这些模糊推理方法时,应首先判明所讨论问题领域的推理是否具有相应的性质,否则可能导致不恰当的推理结果。     

模糊粗糙逻辑语义及其推理

主要从粗糙集、模糊集、逻辑学等三个方面来定义模糊粗糙逻辑的概念,给出了带逻辑符号＂┑,∧,∨,→,＂的模糊粗糙逻辑的真值区间的运算。并分别从＂→,┑,∧,∨＂四个逻辑运算符研究了模糊粗糙逻辑的语义推理。     

RS与FNN集成在焊接缺陷识别中应用

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重,以及现有的识别算法准确率低的问题,提出了一种粗糙集(RS)和模糊神经网络(FNN)集成的缺陷识别算法.首先使用模糊C-均值聚类算法对样本属性离散化,然后使用RS对离散化后的样本数据进行属性约简得到决策规则,并使用π函数根据聚类的中心和半径对属性进行模糊化,克服RS对噪声敏感问题;根据得到的精简模糊决策规则和模糊逻辑推理确定FNN的结构,使用依赖度和规则的条件覆盖度确定网络的初始参数,考虑到样本中数据的可信度问题,用加权代价函数调整模型参数.仿真实验表明,本算法解决了分类过程中样本数据受到噪声干扰引起的不确定性、FNN结构难以确定的问题,能有效地提高焊缝图像缺陷的识别能力.     

粗支持向量机分类建模方法

为了克服样本模式的复杂性、噪声的影响以及信息的不完整性问题,利用粗糙集和支持向量机(SVM)的优点,把粗糙集理论用于二分类球形SVM,提出一种称为粗支持向量机分类建模方法.粗糙集具有刻画不确定、不完整数据和复杂模式的能力,分类结果能够体现出数据的不确定性,但是它不仅不具备良好的学习能力,而且也不能保证分类模型具有良好的推广能力;SVM具有良好的推广性能,但是对不确定数据的建模能力较差.本文把分类结果分为正域、边界域和负域,由此来判断不确定数据样本的分类结果的不确定性程度.通过调整参数来调节边界的宽度和允许建模的在野点样本的比例,提高分类模型的灵活性.仿真结果说明了算法的有效性.     

评判燃煤锅炉结渣特性的两种模式识别方法的对比

将直接模糊模式识别方法和基于Vague集的距离意义下相似度量理论引入燃煤锅炉结渣评判中.评判结果表明,二模型能较好的解决了误判断或因识别结果无显著差异而无法作出明确评判的问题.与通常模式识别方法相比,此方法所得数据结果能够使现场运行人员比较容易地得出当前运行锅炉的结渣状况.     

模糊关系下的概率粗糙集模型及其Bayes决策

经典的概率粗糙集模型是基于论域上的等价关系而建立的,然而在实际应用中,等价关系很难得到。因此,经典的概率粗糙集模型被推广到基于一般二元关系的概率粗糙集模型。更进一步地,还可以推广到模糊二元关系。建立了基于模糊关系的概率粗糙集模型,推广了前人的工作,同时给出了该模型下的Bayes决策方法和应用实例。     

一种基于变精度粗糙集的图像分类方法

基于变精度粗糙集,引入近似区分矩阵的概念,提出一种基于颜色特征的图像分类模型及其分类算法.变精度粗糙集理论在数据分类应用中主要是将集合间精确的包含关系改为多数包含关系,既允许一定程度的错误分辨率存在.用该方法进行图像资源的分类,克服了经典粗糙集不宜处理带有噪声的数据和决策表不协调的分类问题的缺陷,同时又大大简化分类规则,且形成的规则集便于用户理解.完善近似空间的概念.实验结果表明：在处理决策表不协调的图像分类问题,变精度粗糙集方法性能良好,分类准确、高效.