不完备目标信息系统中的可变精度粗糙集模型

文中以同时具有缺席型和遗漏型未知属性值的不完备目标信息系统为研究对象,根据特征关系,研究可变精度粗糙集的模型及其性质．可变精度粗糙集模型与原始的粗糙集模型不同,它是建立在集合多数包含的基础上的,因而该模型是基于特征关系的经典粗糙集模型的推广形式,而基于特征关系的经典粗糙集模型则是可变精度粗糙集模型的一种特殊表现形式．文中对新模型的主要性质作了阐述和证明,结果表明：在不完备目标信息系统中,新模型与原始的粗糙集模型相比具有更高的近似精度,可进行更为精确的度量．     

一种新的广义多粒度优势关系粗糙集

通过分析乐观和悲观多粒度优势关系粗糙集下近似的决策过程,提出了一种新的广义多粒度优势关系粗糙集,并将乐观多粒度优势关系粗糙集和悲观多粒度优势关系粗糙集统一到广义多粒度优势粗糙集模型中.然后,比较了这3种多粒度优势关系粗糙集的下近似、上近似和度量因子之间的关系.最后讨论了广义多粒度优势关系粗糙集的一些基本性质.     

舰船装备故障诊断特征知识获取方法研究

将粗糙集理论引入到舰船装备故障诊断特征知识获取,提出一种基于粗糙集理论的舰船装备故障诊断特征知识获取模型.该模型从包含冗余和不一致信息的原始数据出发,构建决策表,通过属性约简和属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库.实例分析表明:在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征,并能有效地解决舰船装备故障诊断中规则获取的知识冗余或缺失问题,从而为粗糙集在舰船装备故障诊断中的深入应用打下基础.     

基于可能度优势关系的区间序粗糙集模型

针对当前区间序信息系统上五种优势关系的不足,提出了一种新的优势关系-α-可能度优势关系。分析了α-可能度优势关系的基本性质以及与其他优势关系的联系,进而定义了基于α-可能度优势关系的扩展粗糙集模型。算例表明,α-可能度优势关系通过α的变化来调节优势关系的“优于”程度,能够克服以往优势关系定义过宽或过窄而带来的不足。     

基于限制容差关系和集对分析方法的扩展粗集模型中的知识依赖

用基于限制容差关系的扩充粗集模型对不完备信息系统进行分析,找出各个对象间的依赖关系,将对象进行约简。用基于集对分析方法的改进集对粗集模型对已进行了对象约简的不完备信息系统进行分析,找出各个属性之间的依赖关系,进一步进行属性约简。结合一个实际例子加以分析,说明这种限制容差关系模型和集对分析方法相结合的方法对处理不完备信息系统合理有效。     

一种粗糙集与DSmT融合故障诊断方法

粗糙集和证据理论对处理不确定信息极具优势,结合二者所长,提出一种融合两种算法的故障诊断方法。首先,通过粗糙集理论对冗余的条件属性进行必要约简,然后对约简后的条件属性计算基本概率赋值和规格化并进行DSmT合成,最后将以上方法应用在关于某型装备故障诊断中验证其有效性。     

基于最大相容类粗糙集模型的容差类求解算法研究

对基于最大相容类的粗糙集模型进行深入的研究,提出两种此模型下的容差类,并从最大相容类的求解算法入手进一步提出了这两种容差类求解的算法。通过实例验证了算法的有效性,从而为基于容差关系的粗糙集模型在处理不完备信息系统的问题上提供了重要的理论基础。     

基于近似约简的基因选择方法

为了对癌症等疾病分型、诊断及进行病理学研究,利用基因微阵列数据识别疾病相关基因.考虑到了基因微阵列数据是典型的矛盾决策系统,在证明矛盾系统在近似分布集上是协调的这一事实的基础上提出了一套近似分布约简理论,讨论了不同近似分布集上约简之间的关系,提出了基于近似约简的基因选择方法.使用两组真实的基因表达数据对所提出的方法进行了验证.实验结果表明,该方法能在保持分类能力的情况下降低特征基因集的相关性,从而显著地减少特征基因的数量.     

粗集在不完备信息系统中进行知识约简和决策推理的方法研究

对不完备信息系统中利用粗集理论进行推理和知识约简进行了深入研究,分析了三种不同的知识系统和知识约简方法,它们都能消除那些从分类或决策的角度来看不必要的信息.对如何直接从这种不完备信息表上找决策规则的方法也进行了讨论.     

粗集在不完备信息系统中进行知识约简和决策推理的方法研究

对不完备信息系统中利用粗集理论进行推理和知识约简进行了深入研究，分析了三种不同的知识系统和知识约简方法，它们都能消除那些从分类或决策的角度来看不必要的信息。对如何直接从这种不完备信息表上找决策规则的方法也进行了讨论。     

粗糙集理论在装备故障诊断中的应用

针对目前部队的装备故障诊断能力较弱的现状,通过几种故障诊断方法的比较,选取出粗糙集作为装备故障诊断方法,从而对已得到的装备状态的测试数据进行分析,利用粗糙集的约简算法消除冗余信息,利用决策表的形式从不完备的、不精确的测试数据中导出诊断规则,并应用于某型电台装备中进行故障诊断。结果表明,诊断结果快速准确,为今后进一步研究粗糙集算法在故障诊断中应用提供了依据。     

基于变精度粗糙集的故障特征选择方法

粗糙集理论是近年来发展起来的一种有效处理不确定、不精确问题的新型数学工具。文章阐述了传统Pawlak粗糙集的核心内容,并介绍了变精度粗糙集的基本概念。从信息论观点出发,提出了基于变精度粗糙集的信息表属性约简方法,并验证了将该方法应用于故障特征选择的可行性。柴油机的实际诊断结果表明,该方法节省了硬件费用,改善了运算效能。     

基于容差关系知识依赖的属性约简算法研究

为了提高不完备信息系统中的属性约简能力,文中基于容差关系研究了知识粒度、知识依赖度等概念,给出了一种新的知识粒度定义,研究了两种依赖度的性质,并通过例子加以验证.通过引入知识粒度的概念,对信息系统中属性的重要度进行了定义;并以属性重要度作为启发式信息提出了属性约简的两种算法,一个从核属性集出发,采用自底向上的方法,另一个从整个属性集出发,采用自顶向下的方法.在5组UCI数据集上的实验结果表明,从约简个数来看,文中算法与其他算法相比,属性个数少于或等于其他算法结果;从分类精度来看,从核属性集出发的算法精度更高.最后通过实验验证了文中算法的正确性和可行性.     

基于粗糙集知识建模的船舶焊接生产设计方法

知识获取是船舶焊接生产设计智能系统构建中的一个瓶颈问题。本文提出一种基于粗糙集理论的知识建模方法,该方法包括数据采集、顸处理、模型约简、模型推理等四个方面。通过属性约简、值约简和规则约简三个步骤,可从系统运行的经验数据中自动提取出一个精简的知识模型。针对模型推理中存在的规则匹配冲突问题,提出一种基于属性重要性的推理算法。以焊接位置、焊接方法、焊接材料、焊接设备等焊接工艺决策为例,介绍RS建模在船体焊接生产设计中的应用。     

不完备信息系统中属性增减下粗集近似概念的更新

考虑不完备信息系统中可能具有空值及多值的情况,对属性的增减导致给定集合的上、下近似集的更新的方法进行了探讨,推导和证明一组相关的计算公式,并通过例子加以验证,避免了信息系统中知识变化时需重新分类以计算近似集而带来的庞大的时空开销。建立了不完备信息系统中的知识依赖的概念,对于属性增减时知识依赖的度量变化进行了讨论,进行了相关定理的证明,为不完备信息系统中的动态信息处理提供了有效的数学理论方法。     

基于粗糙集理论的板材热成形工艺建模

在复杂制造过程工艺决策系统的研究与开发中,工艺知识或规律的获取通常是系统建模中的一个难点,本文在对粗糙集理论与方法扩充的基础上,将其引入到板材热成形加工过程建模中。给出变包含度粗糙集的构造,提出基于依赖度及包含度增量的知识约简算法,通过粗糙集建模提取板材热成形的工艺规律,运用近似推理对加工参数进行快速确定。     

一种不完全信息下的多属性决策方法及其军事应用

针对属性权重和属性值完全未知情况下的多属性决策问题,提出一种不完全信息下多属性决策方法,通过设立属性排序值并引入直觉模糊集来表示虚拟属性值及对虚拟属性值的认可度,在此基础上采用线性规划方法求解得到属性权重,方法意义明确,符合实际决策思维过程,可广泛应用作战方案的评估。     

粗糙集和最小二乘支持向量机的船舶汽轮工况分析

汽轮是保证船舶正常航行的重要设备,对船舶汽轮工况进行分析具有重要意义,针对当前船舶汽轮工况分析方法误差大、效率低等不足,设计了基于粗糙集和最小二乘支持向量机的船舶汽轮工况分析方法。首先对当前船舶汽轮工况研究现状进行分析,找到船舶汽轮工况分析误差大、效率低的因素,然后从船舶汽轮工作状态信号中提取工况分析特征,通过粗糙集算法对工况分析原始特征进行约简处理,减少工况分析特征数量,提高船舶汽轮工况分析效率,最后约简处理后船舶汽轮工况分析特征作为最小二乘支持向量机的输入向量,船舶汽轮工况状态作为最小二乘支持向量机的输出向量,构建船舶汽轮工况分析模型,并进行船舶汽轮工况实例分析。本文方法得到令人满意的船舶汽轮工况分析结果,提高了船舶汽轮工况分析精度,船舶汽轮工况分析速度得到了大幅提升,比其他船舶汽轮工况分析模型具有更高的实际价值。     

粗糙集和贝叶斯网络融合故障诊断方法

融合贝叶斯网络和粗糙集对不确定故障诊断的优势,以及粗糙集对冗余信息的处理能力,给出了一种粗糙集和贝叶斯网络进行融合的装备故障诊断方法,获得最小属性集的贝叶斯网络故障诊断模型及诊断规则,并应用于某型机载电台装备中进行验证,结果表明该方法不仅有效,而且得到的诊断规则也比单纯应用贝叶斯网络要优。     

基于大数据的船舶交通客流特征组合预测模型分析

为了提高船舶交通客流特征预测的时效性,设计基于大数据相关技术信息,提出将粗糙集和支持向量机预测机制结合的预测分析模型。首先运用粗糙集属性,对大数据下的船舶交通客流信息,进行数据出行约简,删除数据中冗余属性,继而建立支持向量机回归预测机制,将约简后的船舶交通数据样本,作为数据预处理器,通过对条件值进行筛选,并量化为一张二维表格,作为决策表,重新组合成为训练数据样本,输入SVM中,进行学习训练,实现交通客流特征的组合预测。仿真实验表明,该模型预测结果特征比真实性提高29%,有效时序性提高35%,可以证明该预测模型的预测结果时效性更强。