基于粗糙集的T-S模糊神经网络在回转窑烧结过程中的应用

基于粗糙集理论的知识约简方法和T-S模糊神经网络的非线性映射理论,针对回转窑烧结过程被控对象复杂、各参数之间相互耦合及难以建立精确数学模型的特点,提出一种RS-FNN智能控制策略。采用基于一种新的聚类有效性准则函数的模糊C均值聚类算法对连续属性进行离散化;然后利用粗糙集理论由历史数据样本提取约简规则集,对应的T-S模型具有反映数据特征的良好拓扑结构;最后T-S模型参数由梯度下降混合最小二乘法进行精调。该方法应用于铁矿氧化球团回转窑生产过程控制取得了良好效果,增强了系统容错及抗干扰的能力。     

基于Rough Sets的传感器异常数据处理

在各种传感器的应用中,经常要对传感器的测量数据进行处理,以保证测量结果的可靠性．为了利用粗糙集理论处理不确定数据的优点,根据粗糙集理论的思想,先由已知测量数据提取出决策表,再进行补全、离散化等预处理,最后进行属性约简并提取出分类规则,对测量数据进行分类,剔除测量数据中的异常数据．实验结果显示该异常数据发现方法比常用的异常数据处理方法更为客观、精确和可靠．     

一种基于灰色变精度粗糙集的属性约简方法及其应用

针对订单接受决策中存在着大量冗余属性和不精确分类的问题,利用粗糙集和灰色系统理论的思想,提出了一种基于灰色变精度粗糙集的订单属性约简方法,解决了经典粗糙集处理分类不精确的问题,弥补了传统的灰色粗糙集容错能力差的不足,避免了一定程度的信息损失。该方法首先对订单接受决策属性进行分析,建立订单接受决策属性体系。然后对订单属性值进行收集和预处理,建立灰色关联矩阵,通过调整灰色关联关系阈值和分类正确率阈值,基于重要度对订单属性进行约简。最后通过实例验证了方法的可行性。     

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。     

属性排序的粗糙集和统计方法研究

引入实际问题需求决策表,研究属性排序的层级式计算方法,给出层级式计算的过程,并总结出层级式计算的金字塔模型。使用粗糙集属性重要度为第1层方法,位于金字塔底端,是宏观度量;基于约简的属性频次统计为第2层方法,在约简基础上结合统计方法计算属性重要程度数值度量,是宏观和微观兼有的度量;将基于约简的属性影响程度均值作为第3层方法,考量属性的微观区别并以数值度量来进行重要性比较,位于金字塔顶端。研究结果完善了粗糙集理论和应用的方法。     

基于粗糙集理论的数据库推理控制

提出了一种基于粗糙集理论的数据库推理泄漏控制方法。该方法采用粗糙集理论技术,分析、提取出数据库中敏感和非敏感数据之间的联系,根据这些联系和各个属性的重要性,在防止敏感数据被推理泄漏的前提下,对数据库系统返回给普通用户的数据动态地做最小修改。实验结果表明该方法可扩展性强,在保证较高的数据可用性的同时提高了数据库的安全性。     

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。     

基于粗糙集理论的农村居民人均收入预测

粗糙集理论是一种较新的软计算方法,可以有效地分析和处理不完备信息.将粗糙集理论的思想引入到对农村居民人均收入的预测当中,首先,从诸多的影响因素中提取关键因素,并对关键因素进行重要程度的排序,从而得到一致、完备的预测规则.与传统的方法相比,该方法无需前提假设,而且可以有效地处理农村居民人均收入的涨幅与影响因素之间的强耦合与非线性关系.经实验证明该方法是一种适用性强的预测方法.     

基于粗集理论的连续属性离散化方法及其在语音识别中的应用

文章提出基于粗集理论的语音识别的模型和方法,给出连续语音属性离散化算法,最后把算法应用于语音识别信息系统的构建.     

数据挖掘技术在计算机文化基础教学中的应用

应用数据挖掘技术对参加计算机文化基础等级考试的学生模拟考试成绩进行挖掘分析,提取有价值的信息,寻找出教学中存在的问题,并利用粗糙集理论中条件属性对决策属性重要性的不同,计算出各个考试内容对考试结果的重要性,进而确定影响学生考试成绩的主要知识点,从而指导教师有重点地组织下一步教学活动。应用实践表明,在计算机等级考试中,利用粗糙集理论中属性重要性判断不同知识点对成绩影响的程度,结果与实际情况是吻合的。     

一种精确测量周期信号参数的窗口和内插算法

提出了一种基于离散傅里叶变换的改进的周期信号参数的测量算法。该算法通过对时域信号加合适的窗函数,并在频域采用相应的内插算法,可以有效地减小测量过程中信号的频谱泄漏,得到精确的测量结果。仿真实验通过与已有算法的比较证明了该方法的有效性和先进性;噪声分析实验证明了该方法的稳定性。     

基于遗传算法的复杂平面曲线轮廓度误差评定

针对不规则曲线轮廓度误差评定中存在的问题,提出了一种基于非均匀有理B样条(NURBS)插值与遗传算法相结合的复杂曲线轮廓度评定方法,对离散数据点表示的理论轮廓进行3次NURBS插值反算控制点,建立了理论轮廓曲线的数学模型;采用实数编码的遗传算法求解测量点与理论轮廓曲线位置偏差,消除了由于位置偏差引起的轮廓度评定的不精确问题;阐述了测量点到理论轮廓最短距离的求解算法和步骤。实验结果表明该方法能够快速获得较好的误差评定结果。     

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。     

粗糙集-神经网络集成的WSN节点故障诊断

提出一种粗糙集?神经网络集成的无线传感器网络(WSN)节点故障诊断新方法。根据无线传感器网络的应用环境和故障特征得到诊断决策表,利用改进的粗糙集中的归纳属性约简算法对诊断决策表进行属性约简,用Hamming网络建立一套故障分类的方法。仿真实验结果显示,该诊断算法在进行WSN节点故障诊断时,诊断准确性高,通信代价小,能耗低,鲁棒性高。     

基于粗糙集属性约简的模糊模式识别

通过运用粗糙集归约理论对资料进行浓缩和筛选，略去不必要的属性，简化数据。用模糊模式识别确定对象应当归属的模式，给出其对于各个模式的相对隶属度，从而达到分类目的。经实例计算，得到了较好的结果。     

基于灰狼优化算法的装配式预制构件生产调度优化研究

合理优化预制构件的生产调度是降低装配式生产成本的一种方式。在考虑到构件生产资源约束的前提下,建立了装配式预制构件生产调度优化模型,设计了求解该模型的改进离散灰狼优化算法(Improve Grey Wolf Optimization, IGWO)并带入实际案例进行了测试。将改进后的离散灰狼算法、Palmer启发式算法和遗传算法(Genetic Algorithm, GA)结果进行了对比,结果表明：改进后的离散灰狼算法优于Palmer法和遗传算法,且在合理安排调度后能够提升预制构件的生产效率。     

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。     

基于粗糙集和熵权法的石油供应链可持续发展评估

分析石油供应链管理研究现状,提出石油供应链可持续评估的重要性。构建了压力状态响应模型来评估石油供应链的可持续性。在该模型中应用一种新的权重确定方法,即结合粗糙集和熵权法综合考虑属性对决策的重要性和属性的信息量。将该模型应用于中国石油天然气股份有限公司的可持续发展水平评估,并与通过理想解构建优化模型确定权重的方法进行比较,一方面检验该方法进行可持续发展评估的合理性,另一方面评估了该公司近年的可持续发展水平,并对相关问题进行了分析。     

不完备信息系统的辐射源识别方法研究

该文将粗糙集理论引入不完备信息系统下的辐射源识别。基于粗糙集理论,给出了一种新的不完备信息系统下辐射源识别模型。该方法以相似关系、相容关系作为基础,通过知识约简和决策规则的提取,较好地解决了不完备信息系统的辐射源识别问题。以雷达辐射源用途识别为例给出实例分析,说明了该模型处理不完备信息识别问题的有效性。     

基于决策强度的一种属性约简算法

属性约简是粗糙集理论研究的主要内容之一,目的在于获取优良的规则集合.利用数据挖掘中规则的支持度和置信度的概念,提出了决策表的决策强度的概念, 分析了在属性约简过程中,决策强度的变化趋势;然后给出一种基于决策强度的属性约简的启发式算法, 该算法的时间复杂度为O(|C|2| U|log|U|);最后用一个例子,说明算法的有效性.