粗集理论在神经网络模式识别中的应用

基于粗糙集理论在神经网络模式识别中,利用粗糙集将采集的原始数据作为学习样本,量化样本属性值,组织决策表,将样本的条件和决策属性建为二维表并约简条件属性,仅保留影响分类的重要属性.将决策规则中必要条件属性神经网络化,通过粗糙集和神经网络并行学习实现最小决策规则,直到由最少属性构成的决策规则网络能正确划分所有测试集样本为止.     

基于粗糙决策树模型的复杂设备智能故障诊断

提出一种粗糙决策树智能故障诊断方法。首先利用粗糙集理论构建故障诊断决策表;然后应用最小熵离散算法对特征数据进行离散;接着利用基于分辨矩阵的算法对决策表进行属性约简,并基于最大聚类比原则优选出最佳约简;最后利用C4.5算法构造出诊断决策树。并对实例进行故障诊断。结果表明：该方法不仅能有效地减少特征数据获取的工作量,而且能快速准确地实现故障识别,具有比粗糙集诊断法、粗糙决策诊断法和C4.5诊断法更强的工程实用性。     

基于粗糙集的机载武器智能选择决策方法

机载外挂物管理系统智能化发展要求系统智能决策能力,由于决策因素的复杂性,一般决策方法在应用中受到较大限制。依据Pawlak提出的粗糙集理论,建立了完备信息系统多因素粗糙集决策方法,并在原有粗糙集属性约简和规则获取算法的基础上,设计完备信息系统下最小规则约简集获取算法。以某型飞机为例,运用该粗糙集决策方法建模实现了机载武器智能选择,证明了该方法在外挂物管理系统智能决策实现的有效性。     

基于粗糙集理论的发动机数据特征提取

发动机转速信号中蕴含着丰富的信息,本文中运用粗糙集理论对发动机转速信号进行了分析,提出一种从庞杂数据中提取有用信息的方法.结果表明,利用可辨识矩阵算法对决策表进行属性约简,剔除其中的冗余信息,有效地提取了能够表征发动机技术状况的特征参数.     

数据库中基于粗糙集的分类和约简

把粗糙集理论与基于概率统计ID3算法结合建立粗糙集约简模型，可处理不精确扣模糊数据集信息，多维属性元组组成的粗糙集数据可用公式描述论域、有限属性、条件属性、决策属性、属性值集扣信息函数，用数据表格描述对象以建立知识表达系统，粗糙集分类约简用ID3算法可消除冗余数据集扣冲突检测，用粗糙集理论处理不一致扣不确定数据集可得到知识等价类，通过ID3算法对比决策树，可导出数据集确定性规则扣不确定性约简规则。     

基于差别矩阵属性约简算法的改进

基于差别矩阵的粗糙集属性约简改进算法,先判断差别矩阵核是否为空,再根据判断结果采取求差别矩阵、求核、属性约简等步骤,完成其相对约简.即通过构造决策表的差别矩阵核心程序求差别矩阵,在对属性进行约简前先对核进行判断并求核.最后根据输入输出进行属性约简.该方法能节约属性约简时间,提高算法效率.     

粗集数据挖掘技术在市场营销中的应用

基于粗糙集理论的启发式数据挖掘算法,先量化数据属性的重要性,再对属性排序,并对选择的属性子集进行约简条件判定.在选择若干次后获得满足约简条件的属性子集.利用该算法,通过预处理、数据约减等步骤从商场营销数据库中收集顾客属性数据,消去多余数据属性.并由此预测需求趋势,评估需求倾向的改变,以便进行决策.     

采用粗糙集模糊模型辨识的内燃机柱塞故障诊断

在内燃机的柱塞故障诊断中,采用增类减类的离散化方法将连续数据量离散化.该应用分为决策表及属性值约简,后者将基于不分明关系运算的代数方法或逻辑方法相结合,最后建立相应的隶属函数,实现模糊控制.     

基于粗糙集理论的制导基准图选定准则研究

基准图选定准则的研究是景像匹配制导中的重要课题之一.文中系统地研究了一些图像可匹配性检验参数以及基于匹配实验的基准图评价方法,给出了基于粗糙集理论的可匹配性检验参数的选择步骤与算法,通过不可分辨关系确定属性约简,导出决策规则,寻求到基准图的选定准则.     

炮兵目标威胁度评估及决策规则挖掘

为解决炮兵目标威胁度评估中主观因素影响较大以及威胁度评估体系中可能存在不合理属性等问题,利用偏好关系建立一种客观的炮兵目标威胁度评估模型,得到目标威胁度排序;再利用粗糙集理论对目标威胁度评估决策表进行属性约简和值约简,剔除决策表中的不合理属性及冗余信息;并通过一个实例对模型进行验证。实例结果证明,该模型客观、有效。     

基于粗糙层次分析法的武器系统方案智能决策技术

致力于武器系统方案决策智能化,研究了智能软计算中的粗集方法(RS)与层次分析法(AHP)的融合问题。建立了层次分析模型与粗集决策表间的联系,基于此并借助粗集约简和属性重要性理论,探讨了武器系统方案评价指标体系的完善、权重的确定、判断矩阵的构造等问题,实现了AHP对领域知识的充分利用及粗集对层次结构问题的决策支持。将其用于某火箭武器系统改进方案的评价中,改进原有评价软件中的模型方法,实现了借助领域知识库的武器系统方案评价的智能决策。     

基于扰动搜索属性约简的装备故障诊断研究

为提高装备故障诊断效率,提出了一种新的粗糙集属性约简方法.首先将属性约简问题转化为集合覆盖问题,在相关矩阵的基础上构建相关系数矩阵;然后基于优质特征集选取原则,引入随机变异机制,设计扰动搜索算法,求出属性约简结果;最后,用UCI数据集和某型复杂装备电源系统进行验证.仿真结果表明,在满足分类精度要求的基础上,有效剔除了冗余属性,缩短了故障诊断时间.     

基于粗集的SVM算法在空袭目标识别中的应用

在现代防空作战中,如何快速准确对敌我目标进行识别,至关重要。本文结合粗糙集和支持向量机算法建立了基于粗糙集的SVM增量学习模型,提出了基于快速求核和集合近似质量的粗糙集属性约简算法,改进了SVM增量学习算法。试验结果表明,算法正确有效,模型符合现代防空作战中对目标识别的要求。     

粗糙集融合灰色关联的火控系统ADA 模块状态评估方法

为降低火控装备维修成本、增强火控系统完备性及提高管理效率,提出一种粗糙集融合灰色关联分析法 的状态评估方法。以某型坦克火控系统中ADA 模块为研究对象,针对火控计算机信号冗余复杂的特点,采用粗糙集 理论对其进行属性约简,将约简后的信号作为评估指标,采用灰色关联分析方法对系统进行状态评估,并通过实例 进行对比分析。结果表明：该算法计算过程简单、空间复杂度较小,能有效评估火控计算机与传感器分系统的当前 状态。     

优势决策信息系统规则获取方法及应用

鉴于已有优势决策信息系统规则获取方法存在不足,如得到规则较少、规则正确率不高等,定义优势决策辨识集和辨识矩阵,给出优势决策信息系统的属性约简方法;引入基于优势关系的粗糙集方法将对象进行优劣排序,并结合决策属性剔除不合理对象,将不协调优势决策信息系统转化为协调优势决策信息系统;提出协调优势决策信息系统的规则获取方法,该方法符合自然推理过程,直观性强,在充分挖掘系统蕴含信息的基础上,保证了规则的正确性;将该规则获取方法应用于雷达对抗目标威胁评估简单可行,并为解决属性含有“偏好信息”的决策问题提供了新的思路。     

基于粗集理论的规则知识获取

粗集理论是处理不完整数据和不精确、不确定性问题的理论．基于粗集理论，分析实到诊断数据，获取诊断规则知识．它将要处理的问题表达为知识表达系统，由条件和决策属性的依赖关系消去冗余条件属性，根据属性取非正常值的数目决定其重要性束决定冗余属性取舍。通过计算各规则的核值获取系统的简化属性核值表，采用规则优化得到简化规则集，在简化属性核值表中取值次数的多少决定规则选取的优先次序．并以武器系统中某设备模块的一组实到故障诊断数据为例，具体说明了诊断规则知识的获取过程。     

基于统计粗集的航空发动机维修成本组合预测模型

维修成本是航空发动机使用单位实现降耗增效关注的重点之一。釆用灰色理论,建立基于状态的发动机维修成本单ー预估模型,在单ー预估模型的基础上,运用统计粗集理论属性重要性判定方法,建立发动机维修成本组合预测模型,这种组合预测方法充分利用统计粗集理论“让数据说话”的优势。应用分析表明,组合模型较之单ー预测模型在拟合和预测精度上都有明显提高,这种方法也为发动机使用单位合理制定维修计划和维修资金管理提供理论基础。     

基于RS理论的支持向量机分类模型

基于粗糙集(RS)的支持向量机(SVM)分类模型用RS预处理原始样本数据,通过属性和对象的约简消除输入样本数据冗余条件和样本,简化样本数据空间维数.预处理后数据作为样本数据训练SVM,其模型采用模糊离散.用C 编程实现仿真,选用RBF核函数训练SVM,仿真证明该分类模型提高训练速度和分类精度.