共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
在分析陶瓷砖缺陷分析的现状和传统粗糙集模型不足的基础上,提出了一种基于变精度粗糙集理论的缺陷分析模型。利用变精度粗糙集的近似依赖性进行属性约简,据此得到决策规则。该方法允许一定范围内的错误分类率存在,提高了分析模型的容错性,为陶瓷砖缺陷分析提供了一种新的思路。实例分析结果验证了该方法的有效性和可靠性。 相似文献
3.
4.
为了对陶瓷原料进行科学分类,在叙述了粗糙集理论的一些基本概念的基础上,给出了用粗糙集建立陶瓷原料分类模型的基本步骤和对陶瓷原料化学组成进行处理的方法,并给出了一个分析实例。实验结果表明:使用该方法对陶瓷原料分类能达到预期效果,有助于配方设计中对陶瓷原料的选取。 相似文献
5.
属性约简是基于粗集的数据挖掘的核心内容之一.本文介绍了一种面向对象的属性约简算法,该算法体现了粗集理论在数据缩简与规则提取方面的优势. 相似文献
6.
为了减少支持向量机算法处理的数据量,降低支持向量机算法需要处理的样本维数,本文讨论了基于粗糙集的支持向量机分类方法,在一定程度上提高了支持向量机处理大规模数据的能力。 相似文献
7.
目前,针对L-CNG加气站安全评价指标提取,往往以相关标准、规范或专家意见等定性因素为主,其存在安全影响因素冗杂、评价指标多层次、噪声样本过多等问题。为了进一步降低冗杂评价因素对评价结果影响,提高L-CNG加气站安全评价准确性,将基于粗糙集理论的属性约简应用至L-CNG加气站安全评价指标体系的构建过程。基于事故致因理论,经过安全影响因素分析,得到加气站危险源初始识别清单后,运用粗糙集理论进行知识约简,构建以人员因素、管理因素、设备因素、环境因素、工艺流程因素等五个一级指标为主体的L-CNG加气站安全评价指标。 相似文献
8.
提出一种基于蚁群-粗糙集原理的入侵检测方法。首先通过粗糙集对不确性数据进行筛选;再利用改进蚁群算法对数据进行约简,减少了计算时间;然后再根据设定的阀值,用蚁群-粗糙集导出规则得到检测结果。实验结果表明,改进蚁群算法数据约简速度高于利用遗传算法以及蚁群算法,该方法对DoS和Probe攻击具有很高的检测率和较低的误检率,并且对U2R和R2L攻击也有较好的检测率。 相似文献
9.
10.
11.
12.
本文针对Apriori算法中会产生大量无效候选集的问题,提出了基于粗糙集改进的Apriori算法。首先利用粗糙集原理对原始数据进行约减得到数据的核,然后利用候选集频数优化策略对Apriori算改进,减少对数据的扫描次数,最后将改进后的Apriori算法应用到某地财政预算中公用经费支出中,找出公用经费之间的关联关系。 相似文献
13.
14.
15.
以柴油机故障诊断为背景,研究了基于粗糙集理论的参数优化在故障诊断中的应用.首先采用小波包能量谱方法提取振动信号的特征参数,并用粗糙集理论对其进行属性约简,最后用RBF神经网络对各类故障进行辨识,结果表明:利用粗糙集约简后,通过减少神经网络的输入节点数,简化网络的结构,提高了诊断的准确率及效率. 相似文献
16.
地震属性及其在储层预测中的应用 总被引:1,自引:0,他引:1
随着数学、信息科学等领域新知识的引入,从地震数据中提取的地震属性越来越丰富,可以提取有关时间、振幅、频率、吸收衰减等方面的地震属性有上百种,并且新的地震属性还在不断地从地震数据中提取出来。这些地震属性从它的计算角度可以分为两类,一类为单道计算的地震属性;另一类为多道计算的地震属性。综合应用这两种方法计算出来的地震属性在储层预测中有较好的应用。 相似文献
17.
输入训练神经网络的维数约简算法及其在化工过程建模中的应用 总被引:1,自引:0,他引:1
Many applications of principal component analysis (PCA) can be found in dimensionality reduction. But linear PCA method is not well suitable for nonlinear chemical processes. A new PCA method based on improved input training neural network (IT-NN) is proposed for the nonlinear system modelling in this paper. Momentum factor and adaptive learning rate are introduced into learning algorithm to improve the training speed of IT-NN. Contrasting to the auto-associative neural network (ANN), IT-NN has less hidden layers and higher training speed. The effectiveness is illustrated through a comparison of IT-NN with linear PCA and ANN with experiments. Moreover, the IT-NN is combined with RBF neural network (RBF-NN) to model the yields of ethylene and propylene in the naphtha pyrolysis system. From the illustrative example and practical application, IT-NN combined with RBF-NN is an effective method of nonlinear chemical process modelling. 相似文献
18.
19.