基于可变精度的加权粗糙集模型在约简中的研究

首先对粗糙集的定义进行了描述,在可变精度的基础上提出了加权粗糙集模型。重新定义了近似空间内的一些概念,给出了加权粗糙集模型的约简概念,指出了加权系数的两种方法。并根据实验分析,得出加权粗糙集模型约简中分类错误增大,约简长度越短,约简所花时间越长等特性。     

变精度粗糙集模型及其一个性质的推广

在[7]的基础上,对变精度粗糙集模型的部分性质进行了推广,即通过引进一对新的算子,把并与交的β上下近似集之包含关系推广到了相等关系,从而得到了更好的结果。     

变精度粗糙集模型

针对基本RS模型的不足,介绍了变精度粗糙集模型,并讨论了它与基本RS模型的关系.最后,定义了变精度粗糙集模型上的属性近似依赖、近似约简.     

基于变精度粗糙-模糊集模型的诊断知识获取

提出一种基于变精度粗糙-模糊集模型的诊断知识获取算法,利用相似性聚类方法自动获取模糊隶属函数,将连续属性表示成模糊值,通过定义模糊相似关系和模糊相似类给出了变精度粗糙-模糊模型的近似表示,并引入蚁群算法求取模糊相似关系下的属性约简,进行诊断知识的获取。将其应用于精对苯二甲酸生产过程尾氧浓度故障诊断知识获取中,结果表明:该算法可以从故障数据中提取更客观有效的诊断规则,在实际故障诊断中具有很好的应用价值。     

基于多核粒化的模糊粗糙计算模型

传统的单核粒化粗糙集模型没有考虑不同粒化关系的相互影响。为解决这一问题,提出了基于多核粒化的模糊粗糙计算模型。以一族核关系构成的多粒度空间为研究对象,将乐观和悲观粗糙集模型拓展到多核空间,定义了基于S-T算子的多核下、上近似算子。给出了基于多核粒化粗糙逼近的属性选择算法。实验结果验证了不同核粒化关系之间"求同存异"和"求同排异"的相互作用。     

基于粗糙集-神经网络的工程造价估算模型研究

通过分析粗糙集和神经网络的特点和原理,提出基于粗糙集和神经网络相结合的工程造价估算模型,并通过实例验证其有效性,具有较强的实用价值。     

模糊粗糙集的分解定理

根据模糊粗糙集(FR集)中上下近似都是模糊集合的构造性质,利用模糊集不同截集定义和分解定理,给出了模糊粗糙集(FR集)截集定义和相应的分解定理,并证明了模糊粗糙集(FR集)集的分解定理,分解定理揭示了模糊粗糙集和普通集之间的关系,在理论和应用中发挥着重要的作用。     

基于GA-SVR模型的中国上市公司融资风险预测

提升融资风险预测精度对促进企业资金融通与缓解企业融资约束问题具有重大意义。将中国上市公司作为研究对象,利用粗糙集理论（RS）筛选出企业融资风险预测指标,利用遗传算法（GA）对支持向量回归（SVR）模型的参数进行寻优,并采用GA-SVR模型预测上市公司的融资风险。研究表明:粗糙集理论筛选后得到的17个融资风险预测指标具有较强区分企业是否出现异常状况的能力;资产规模对上市公司的风险预测具有至关重要的作用;GA参数寻优后的SVR模型具有良好的预测精度与稳健性。     

非合作双基地雷达测距方法与精度分析

介绍了非合作双基地雷达的基本几何关系,讨论了非合作双基地雷达中4个重要参数(基线距离、双基地距离差、发射站目标方位角、接收站目标方位角)的测量方法,利用这4个参数可构成4种测距算法。在考虑基线距离误差的情况下,推导了这4种算法的测距误差公式。仿真结果表明,各算法测距精度与双基地雷达的几何结构有关,通过优化可得空间测距精度最高区域。实际系统的测距方案应根据所能测出的参数进行选择,同时应注意各算法的适用区域。     

基于粗糙集和RBF神经网络的分类模型研究

分类是数据挖掘中一个重要的研究领域。针对原始决策表中往往存在大量冗余信息,从而影响决策分类综合性能这一问题,提出了一种基于粗糙集和RBF神经网络的分类模型。该模型在保持训练样本分类质量的情况下,运用属性约简方法对决策表进行约简,得到维数较小的训练样本空间。通过这样确定RBF神经网络输入层变量,优化了网络结构。实例结果表明了该方法的有效性和实用性。     

粗糙集的模糊性

在研究粗糙集概念的基础上,结合模糊集的最近普通集和最远普通集两个方面,利用距离函数 lp(A,B) 、 D(A, B) 和粗糙隶属函数,得到了粗糙集的一种新的模糊度计算方法,证明了模糊度的一些重要性质。该方法在理论和应用中发挥着重要作用。     

半群中粗理想的性质

基于半群中的粗糙子半群、粗糙左理想、粗糙右理想、粗糙双侧理想、粗糙双理想的概念,集合了上近似、下近似满足单调性,根据半群上关于同余关系的单个特殊子集(如子半群,理想)的性质,讨论了两个子集之积的一些性质,并给出了这些结论的严格证明,进一步补充和完善了半群中的粗糙集理论。     

基于粗糙集理论的入侵检测方法研究

为了克服入侵检测系统存在着在先验知识较少情况的推广能力差的问题,提出了基于粗糙集理论的入侵检测方法。利用粗糙理论,建立了系统调用短序列的检测模型并应用于sendmail调用序列检测。实验结果表明:它不需要全部的正常和异常的信息,在给出较少的正常和异常调用序列数据的情况下,能得到较为理想的检测效果。     

入侵数据特征并行选择算法

用知识的条件粗糙熵定义了特征的相对重要性,提出了一种基于条件粗糙熵的入侵数据特征并行选择算法。算法首先将入侵数据决策表划分成多个子表,然后利用特征的相对重要性对各子表并行求解,最后以子表选出的局部特征为基础求得原决策表的约简。实验表明,该算法适用于大规模的入侵数据集,选出的特征属性不仅可以大大减少数据在存储、分析以及各组件共享中的代价,还能够保持并提高入侵分类的准确性。     

PCNN与粗集理论用于多聚焦图像融合

现有技术不能保证获取图像时,对图像每个位置都具有同样的聚焦效果,这样便产生了多聚焦图像的融合问题,它包括如何进行多聚焦图像像素分类及采取何种融合决策。该文结合脉冲耦合神经网络(PCNN)模型和粗集理论,对该问题进行尝试性研究,提出了一种新的多聚焦图像融合算法。首先计算原始图像的清晰度,将清晰度矩阵送入PCNN进行处理,然后根据粗集理论对原图像像素进行分类处理,最后生成融合图像。仿真结果表明,该算法在一定程度上优于其他传统算法。且具有较好的抗噪性能。     

基于互信息的无线传感器网络节点故障自诊断

故障自诊断和故障监控能提高WSN的可维护性和可靠性,延长WSN节点的使用寿命。该文提出一种无线传感器网络(wireless sensor network,WSN)节点故障自诊断的新方法。首先,可从粗糙集理论中基于互信息的属性约简算法获得故障诊断决策的约简,进而建立一套以属性匹配为核心思想的WSN节点故障自诊断技术,对WSN节点的各个模块分别进行具体的故障诊断和定位。仿真实验表明,该方法在WSN节点中实现故障自诊断时,通信代价小,能耗低,诊断的误判率低。     

个性化推荐系统描述文件攻击检测方法

个性化推荐系统能产生针对性的、个性化的信息来满足不同用户需求,但也很容易受到用户描述文件注入恶意攻击,影响正常的推荐结果。针对该问题,分析和研究了描述文件的形式化模型、描述文件的属性及分类方法,应用粗糙集理论,设计了数据预处理离散化、决策表约简和个性化推荐处理相应算法,提出了一种用户描述文件分类学习和攻击检测的方法;为降低攻击对推荐结果的影响,完善了推荐系统的安全,设计出一种动态交互的个性化推荐模型框架。实例证明,用户描述文件的属性分类及检测方法是有效的,准确率高,能够有效地改善个性化推荐系统模型的安全。