基于粗糙集的最小规则生成算法

讨论了可辩识矩阵的内容的深层次含义，分析了它与属性值约简的关系，并提出了一种利用可辩识矩阵实现属性值约简的方法，分析了利用可辩识矩阵实现属性约简和属性值约简的方法，设计了基于可辩识矩阵的最佳约简的算法，使得属性约简和属性值约简得以一致计算，使知识推理过程变得统一且相对简单．     

电控发动机故障诊断属性约简算法应用研究

利用粗糙集理论中的区分矩阵属性约简算法对电控发动机的几种典型故障参数进行属性约简,为验证约简结果是否有利于下一步的故障诊断,采用较成熟的BP神经网络对其进行诊断验证,将约简结果作为网络的输入,待诊断故障作为网络的输出。通过学习训练结果表明:利用区分矩阵方法所获得的核约简不能作为故障诊断的特征参量,其导致网络不收敛,而其它3组约简可以用于区分现有故障。为获得最优的属性约简结果,利用二进制粒矩阵的方法进行了最优属性约简的证明。     

基于评价指数的属性约简算法

从粗糙集理论出发,提出可分辨关系和对象差异矩阵的概念,并以此为基础构造出基于评价指数的属性约简算法.算法采用自底向上的方法,利用属性的评价指数作为启发式信息,求得属性集合的约简.在多个UCI数据集上进行试验,理论分析和实验数据表明,文中提出的属性约简算法是有效、可行的,具有较高的效率.     

基于评价指数的属性约简算法

从粗糙集理论出发,提出可分辨关系和对象差异矩阵的概念,并以此为基础构造出基于评价指数的属性约简算法.算法采用自底向上的方法,利用属性的评价指数作为启发式信息,求得属性集合的约简.在多个UC I数据集上进行试验,理论分析和实验数据表明,文中提出的属性约简算法是有效、可行的,具有较高的效率.     

有偏好的交通网络路径选择模型

在城市交通网络中, 已知路径的时间属性与费用属性, 分析了出行者对路径有、无主观偏好时的路径选择问题。当无偏好时, 利用信息熵理论和多属性综合决策方法给出了获得路径综合属性值的计算模型; 当有偏好时, 对不同的路径通过互反判断矩阵给出主观偏好, 然后利用互反判断矩阵之间的偏差建立关于属性权重向量的优化模型, 并采用解析的方法对模型进行求解, 得到每个属性的权重, 从而进一步计算出每条路径的综合属性值, 属性值最大的路径为最优路径。分析结果表明: 在无偏好时最佳选择路径2的综合属性值为0.918;在有偏好时最佳选择路径4的综合属性值为0.965, 与无偏好的相差较大, 且6条路径的选择次序不同。可见, 出行者的主观偏好对路径选择结果有较大的影响。     

SDG故障诊断决策表的粒约简算法

为了减少故障特征集的维数,降低流程系统故障诊断知识库的复杂程度,本文将基于二进制粒矩阵的粒约简算法引入到基于SDG模型的故障诊断中.以离心泵与液位系统为例,用粒语言来描述和表达SDG故障诊断模型中的元素,建立反映故障-征兆因果关系的决策表,进而对冗余属性及属性值进行约简,有效地约简了SDG诊断规则,提高了故障诊断的效率.     

基于粗糙集的立体停车库选址决策研究

提出了一种应用粗糙集理论选址方法,利用粗糙集理论建立模型,考虑到高峰时段停车数量、步行距离、土地价格等客观因素的影响,选取条件属性和决策属性建立决策表,采用差别矩阵属性约简算法进行约简,并对约简结果进行验证,最后归纳得到决策规则.以某城市一地区为例,介绍了该方法的应用,得出了该地区修建立体停车库选址的决策方法.     

决策表的正域约简及核的计算

为降低计算的复杂度,基于正域约简的定义,研究了决策表的约简方法及核的计算方法,构造了关于决策表对象的区分条件.探讨了该条件下正域约简与区分属性集合的关系,借助区分矩阵与区分函数提出了一种完备的约简方法,并且区分矩阵的构成无需计算正域,可直接由决策表产生.     

基于可分辨重要度的属性约简算法

在可分辨关系和分辨强度指数概念的基础上,构造出“基于可分辨重要度的属性约简算法”．算法采用自底向上的方法,利用启发式信息可分辨重要度SIG作为属性选取的依据．算法无需生成中间结果,并将相关的逻辑运算转换成矩阵运算,从而达到降低系统时空开销、有效处理大规模数据的目的．理论分析和UCI数据集的测试结果表明,文中提出的算法有效、可行．     

基于粗糙集理论的模型结构选择与知识发现

为了合理选择决策模型，提出了一种基于粗糙集理论获取模型选择知识并利用获取的知识选择模型的方法．通过随机设定模型参数，得到备选模型的属性值为连续值的决策表；通过设定误差范围，获得决策表中对象之间的关系；利用该关系和粗糙集理论，对决策表进行属性约简，获得决策规则；按该决策规则进行推理，实现智能决策的模型选择．实例表明，该算法是可行的。