一种粗糙模糊神经网络识别器及其应用

结合粗糙集和模糊神经网络提出了一种粗糙模糊神经网络识别器的模型.该模型根据粗糙集理论对训练样本进行建立决策表、离散决策表、约简决策表、提取分类规则等推理过程设计.粗糙模糊神经网络识别器的输入层、两个隐含层、输出层的神经元个数分别根据决策表的约简结果、离散结果和分类规则、决策属性决定.将该识别器用于车牌字符识别,实验表明:该方法比粗糙集规则匹配识别方法识别率提高了18%,比BP神经网络识别方法识别率提高了2.7%.     

RS-BT神经网络融合建模及应用

针对采用BP神经网络进行滑坡灾害预测时其输入变量的选择是影响预测效果和运算速度的关键问题,本文提出构建粗糙集和遗传神经网络一体化模型思路,其基本目的是利用粗糙集在数据挖掘方面的优势和BP神经网络的预测能力,优势互补以期解决上述问题。结合实例,本文首先利用粗糙集理论建立了影响滑坡灾害的各类因素决策表并进行了约简,然后利用各因素对决策属性的支持度进行了BP神经网络初始权值的配置及预测试验。实验表明,利用该模型可以有效的删除冗余信息,提高神经网络的运算速度和预测精度,在实际工程中有一定的应用价值。     

粗糙集-神经网络在铝电解故障诊断中的应用

目的通过对铝电解生产过程中的故障进行有效地诊断来提高铝的生产效率和节约能源．方法把粗糙集和神经网络结合起来应用在铝电解的故障诊断中．先用自组织特征映射网络（SOM）对初始数据进行离散化后得到决策表,然后用粗糙集理论对决策表进行约简得到最简决策表,根据最简决策表设计BP神经网络对铝电解中的故障进行诊断．结果用粗糙集对神经网络的输入数据进行预处理可以简化神经网络的结构,减少计算量和训练时间,从而提高整个诊断系统的诊断效率、故障诊断准确率在90％以上．结论该方法能够对铝电解中的故障做出正确的诊断．     

基于粗糙集和神经网络的机械故障诊断研究

提出了粗糙集理论与神经网络结合的机械故障诊断方法,研究了连续属性离散化的SOM方法和条件属性约简的差别矩阵方法,归纳了构建神经网络需考虑的关键问题,用一个算例验证了方法的有效性.结果表明：粗糙集能有效地约简冗余信息,简化神经网络的结构,缩短网络的训练时间,提高诊断的效率;SOM网络能将连续性输入映射成具有理想聚类结果的离散性输出,并能保持数据间的拓扑结构不变;利用差别矩阵对决策表进行约简,结果准确可靠;BP神经网络泛函逼近能力强,能快速准确地完成特征空间到故障空间的映射.     

基于Rough集和RBF网络的车牌字符识别方法

提出了一种基于Rough集和RBF神经网络结合的车牌字符识别方法。该方法针对车牌字符二值化图像,给出了基于粗糙集理论的知识获取方法,包括根据训练样本的特征向量建立决策表、离散决策表属性、约简决策表属性,然后由约简后的属性构造RBF网络识别器。试验表明该方法有效地减少了决策属性的个数,简化了神经网络识别器的结构,提高了泛化能力和抗噪声能力,在车牌字符识别中取得了较好的识别效果。     

基于粗糙集理论的模糊神经网络建模方法

采用基于粗糙集的模糊神经网络模型,将粗糙集理论与模糊神经网络相结合,通过利用粗糙集理论中的约简的计算方法,从样本数据中获取精简的规则,再根据这些规则构造模糊神经网络各层的神经元个数,克服了当输入维数高时,模糊神经网络的结构过于庞大的缺点,从而使网络模型结构最简.并采用误差反向传播算法(BP算法)来训练该新型网络中的权值参数及隶属函数的中心值和宽度,仿真结果验证了该模型的优越性.     

以设计院为主导的输变电工程EPC总承包管理及风险对策

本文首先介绍了EPC总承包模式的工作特点,然后详细分析了输变电工程的EPC总承包管理以及在EPC总承包模式下输变电工程建设的风险并提出了相应化解风险的对策,最后对总承包中的索赔问题进行了分析。     

粗糙集神经网络系统在车牌字符识别中的研究

以简化信息处理的复杂性并提高信息处理精度为目标,提出了基于粗糙集神经网络系统的车牌字符识别方法.提取训练样本的特征向量建立决策表,基于粗糙集理论对决策表属性进行约简,由约简后的属性构造神经网络识别器.车牌字符识别试验结果验证了系统的有效性.     

粗糙集神经网络在图像分割中的应用

提出了粗糙集神经网络用于图像分割的方法.该方法利用粗糙集约简理论对分割后的图像区域特征进行约简,以降低特征向量维数,抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙集神经网络的结构.粗糙集神经网络中每个神经单元的输入为区域值,输出为决策分类值,此时权值预设为各规则粗糙隶属度值,然后用BP算法迭代,最终实现图像的分割.试验证明,该方法大大缩短了训练时间,提高了精度,并且得到优于常规的分割图像以及满足图像处理的实时性要求.     

EPC模式下总承包商的风险及影响因素分析

目前,国内外建筑市场上以EPC总承包模式承包工程项目的情况越来越多.由于其项目特点,使得总承包商在EPC模式下承担了更多的风险,为了更好地进行项目管理,本文对EPC模式下总承包商的风险及其影响因素进行了分析.     

EPC工程总承包项目风险管理分析与对策

工程总承包是国际上通行的一种工程建设项目组织实施方式。工程总承包的风险很大,因此在承包过程中,需认真分析风险因素,正确估算风险大小,制定风险规避措施,减轻和转化风险,这有利于企业的生存和发展。通过对EPC总承包项目风险因素的分析,提出了降低风险的对策。     

基于模糊数学的EPC总承包风险评价模型研究

为降低EPC承包模式下总承包商的风险,实现利润最大化,建立了EPC总承包风险评价指标体系,确定了风险因素的权重,采用模糊数学的算法,研究并建立了风险评价模型.建设项目风险评价是一个亟待解决的问题,根据建立的风险评价模型,对建设项目全寿命周期的风险进行评价和预防,为实现EPC承包模式下风险的有效预防提供了一条可行的技术路径.     

基于改进粗糙集理论与概率神经网络的变压器故障诊断研究

提出了一种基于改进粗糙集理论与概率神经网络的变压器故障综合诊断方法.利用了粗糙集理论的决策表约简技术,去除冗余信息,并引入可辨识矩阵,更加快速地去除故障冗余属性,减小了约简过程的复杂度.将得到的最小决策表作为改进的概率神经网络的训练样本,提高了PNN的训练速度和诊断的准确率.实例证明,该模型不仅能在信息不完备的情况下进行有效诊断,而且可以提高诊断速率及正判率.     

EPC工程总承包项目风险模糊综合评价

近年来,工程承包市场上越来越倾向于使用EPC(设计—采购—施工)方式承发包大型工程项目.与传统的承发包方式相比,总承包商在EPC项目的实施过程中承担着更多的风险因素.为提高决策科学性和合理性,针对EPC特有的风险,利用模糊评价的方法综合评价EPC风险,建立了风险评价模型,得出了EPC项目的风险等级.该模型具有通用性,适用于各类EPC风险评价.     

基于RS-GA-BP神经网络的住宅房地产估价模型与应用

针对一般住宅房地产估价问题的非线性特征,融合粗糙集方法、遗传算法和神经网络算法的优势,提出了一种新的住宅房地产估价模型一基于粗糙集、遗传算法和BP算法集成的住宅房地产估价模型．首先对影响房地产估价因素进行离散化处理,其次利用粗糙集方法对估价因素进行约简,即精减BP神经网络的输入变量,最后利用遗传算法来优化BP神经网络初始权重和阈值．优化后的BP神经网络具有较好的处理非线性问题的能力,收敛速度和仿真精度较传统BP算法都有了明显的提高．选取某市工程案例进行实证分析,研究结果表明,新的估价方法能较客观准确地估测住宅房地产的价格,在住宅房地产估价中具备较高的实用性．     

基于粗糙集和改进遗传算法优化BP神经网络的算法研究

针对BP神经网络结构由于特征维数增多变得复杂,以及网络易陷入局部极值点,提出了粗糙集和改进遗传算法结合共同优化神经网络的方法。首先利用粗糙集对样本空间进行属性约简,降低特征维数,进而简化BP神经网络的结构;然后训练过程中先用改进的遗传算法全局搜索网络的权值和阀值,再使用BP算法局部搜索细化,避免网络过早收敛。试验分析证明优化后BP神经网络比传统BP网络的预测精度得到了极大提高,泛化能力得到了增强,说明了该方法的可行性、有效性。     

浅谈EPC工程总承包项目的风险管理

正本文着重从工程风险概念、风险分析方法入手,介绍了EPC合同条件下的风险管理基本思路,根据EPC总承包模式的运作过程、管理模式、合同责任和风险分配等,借鉴和总结各种不同经验,研究对策并提出治理措施,初步形成EPC总承包模式条件下的风险管理方法。     

基于粗糙集与BP神经网络的烟气机故障诊断

结合粗糙集理论和神经网络在信息处理方面的优势,提出了一种基于粗糙集理论与BP神经网络相结合的烟气机故障诊断方法.首先对故障诊断数据中的连续属性进行离散化,然后根据粗糙集理论进行故障诊断决策系统约简,获得最优决策系统.最后在最优决策系统的基础上,设计BP神经网络对烟气机故障进行诊断.试验结果表明,该方法可以有效提高烟气机故障诊断的精度和效率.     

滚动轴承故障诊断虚拟系统的实现

针对滚动轴承,实现了一种粗糙集理论和神经网络技术相结合的新型的故障诊断虚拟系统.该系统利用粗糙集对知识的约简能力,对采集的故障征兆数据进行预处理,即采用竞争学习神经网络把连续属性离散化,将结果导入Rosetta软件中逐步分析处理,得到最小条件属性集,在此基础上构建BP神经网络进行故障识别,将网络输出送回LabView进行显示.实例分析表明,该系统可以提高滚动轴承故障诊断的收敛速度,在期望误差相同的情况下,网络训练时间减小了176步.     

基于粗集-神经网格的项目风险分析方法研究

针对国际工程项目生命周期全过程中的各风险因素,给出了风险等级分析的决策表,并运用粗集对风险决策表的各属性和属性值进行约简,找出了引发各等级风险度的主要特征属性;然后结合神经网络模型进行分析,使国际承包商在作风险因素分析时节省了时间,更为快捷地决定投标与否及投标成本。