C~3I信息融合评价指标体系优化方法研究

测试评估系统在C3I信息融合的发展过程中起着极其重要的作用;文章讨论了信息融合系统评估的一般理论和利用粗糙集理论的属性约简算法对多传感器信息融合的跟踪评价指标集进行优化的方法,为建立一个适应多个领域的融合评价平台提供了一个可行性方案,针对移动目标构建了航迹模拟系统的评价指标,并对其进行了优化,给出了一些用于定量评估的性能指标的定义和测试评估系统的构建方法及过程,并基于软总线结构进行了软件设计;通过实例分析,使得该评估指标体系的可靠性和实用性得到了验证。     

基于粗集理论和证据理论的多源信息融合方法

本文针对多源信息融合问题，首先利用基于Kohonen网络的离散化算法和粗集理论对样本信息进行离散化和约简，形成了待决策问题的经验决策表．在此基础上，利用经验决策表以及粗集理论和证据理论的关系，计算了待决策信息的有关证据的基本概率指派和条件概率指派．最后，按照合成规则对上述条件概率指派进行了合成，并根据决策规则进行决策．实例研究表明，该方法实验结果令人满意．     

基于粗集理论和支持向量机的多源信息融合方法及应用

针对目前多源信息融合存在的问题,本文提出采用模拟人类思维的方法来实现信息融合.该方法首先利用粗集理论的强定性分析能力对多源输入信息进行约简,消除了样本中的噪声和冗余,在此基础上,再利用支持向量机对约简信息进行融合.为了获得最优的融合精度,该方法还利用遗传算法对融合进行了优化.文字识别的实例研究表明,该方法具有良好的容错性、稳健性和准确性.     

集值信息下的粗集与知识获取

在复杂的决策环境中,集值信息是不可避免的。在此情况下,专家往往也能给出满意的决策。从集值信息系统中提取有用的规则,用于增强智能系统的知识库,具有实际意义。粗集是处理不确定信息的有效方法,但它通常适用于完全决策表。本文对粗集理论在集值信息下进行了初步的拓展,为从集值决策表中挖掘知识提供一定的理论基础。     

粗集理论和Rosetta系统在教学质量评价中的应用

基于粗集理论,利用Rosetta系统对高校教学质量评价信息系统进行离散化和属性约简,得到了评价指标体系中的核心指标和决策规则。利用这些规则,测得被评估教师的实际教学水平,客观评价教师的教学质量,为教师教学质量评价提供一种新的分析方法。     

粗集理论对目标识别中改进融合效果的讨论

应用于目标识别中的数据融合技术，虽已取得一定的成效，但是仍存在一些问题。粗集理论是一种处理不精确知识的数学工具。基于粗集理论的数据融合应用于目标识别中能改进融合的效果。     

基于粗集的产品色彩预测系统研究

针对传统人工预测流行色方法效率低、费用高的问题,采用决策表知识表达技术和模糊集合方法构建了流行色知识仓库,结合可辨识矩阵理论和粗集理论提出流行色预测知识挖掘算法,该算法可根据流行色知识库建立条件属性和决策属性依赖关系,从而完成流行色的预测推理。开发了基于粗集理论的智能化流行色预测系统,并以服装产品为例预测流行色测,结果表明该系统可准确预测未来短期内的流行色。     

用于机器人信息融合的RS智能系统

粗集理论是一种处理不精确知识的数学工具.该文提出了一种将粗集理论与人工神经网络、模糊聚类结合起来的信息融合方法,用于装配机器人的工件识别与分类.实验结果表明,该方法在优选属性、分类正确率方面具有优越性.     

基于粗集神经网络的教学评估系统

为了便于教学质量的评估,将粗集理论与神经网络结合起来,构建粗神经网络.在此基础上,开发出集数据管理、网络训练、教学评估于一体的智能教学评估系统.结果表明,该系统使用方便,精度较高,可移植性强.     

基于粗集理论的机器学习与推理

利用粗集理论探讨机器学习中的几个重要概念及研究方法,提出一种基于祖集理论的推理和学习方法。这种研究方法不仅开拓了一条机器学习的新途径,而且也是从数据中推理决策规则的一种新探索。     

一种结合粗糙集与神经网络的多传感器信息融合算法

近年来,神经网络被广泛应用于多传感器信息融合.但是当传感器数量庞大时,过高的输入神经网络的信息维数会导致神经网络训练速度下降,甚至不收敛.针对上述问题,对传统的基于神经网络的融合算法进行了改进,利用粗糙集的冗余数据约简算法,剔除部分传感器的输入,同时将剩余的传感器信息重新组合,形成维数较小的数据分别训练,从而避免了输入数据维数过高带来的问题,较之于传统算法,算法在训练阶段的迭代次数等时间性能以及融合阶段的准确性两个方面均有所提高.     

一种基于粗糙集的集成算法及应用

粗糙集理论的主要思想是在保持信息系统分类能力不变的前提下,通过知识约简,导出问题的决策和分类规则：本文提出一种基于信息量的属性约简和规则提取的集成算法,并结合汽车里程试验数据进行验证,通过仿真实验,表明了该算法的有效性和可行性。     

基于信息增益和粗糙集的入侵检测方法

传统的随机森林在网络入侵检测中收敛速度慢,并且学习性能不够完善。为消除原始入侵检测数据中的冗余信息,提出一种基于信息增益和粗糙集的随机森林入侵检测方法。使用信息增益对数据的各个属性进行相关分析,删除冗余属性,减小属性简约的时间复杂度;利用粗糙集理论从数据中提取分明函数,求得属性简约;使用随机森林分类器进行分类。实验结果表明,该方法收敛速度较快,在召回率和精度方面都要高于传统的随机森林方法,尤其是在训练样本充足的网络环境下,效果更加明显。     

基于组件的算法测试系统的建模与实现

为构建一个通用的信息融合算法测试系统,采用组件技术,定义通用的接口规范,使得在不同平台不同环境下开发的算法在符合接口规范的条件下,完全与系统兼容.在后期的算法的维护和改进过程中,接口不变的情况下只对内部处理进行修改,就能够实现算法的再测试,形成一个有利于算法开发与研究的辅助平台.     

基于粗糙集的教育网站综合评价研究

教育网站的综合评价对教育信息化资源建设与发展具有重要的意义.依据粗糙集理论的对象分类能力,通过属性约简,删除冗余属性,有效简化评价指标体系.以知识的信息量概念为基础对属性的重要性进行定义,得到了指标权重确定方法.在此基础上建立了教育网站的综合评价模型,由此对评价对象进行排序选优,从而得到教育网站综合评价的新方法.最后通过实例验证了该方法的实用性和可行性.     

对象综合信息实时融合研究与实现

随着社会的进步,系统中包含的信息越来越复杂。为了有效地处理这些信息,提出对象综合信息实时融合的系统框架。基于此框架的系统能够根据用户建立的对象模型实现分散异构信息的自动采集和实时融合,最后为上层应用提供全面、统一的信息支撑。由于对象模型支持动态扩展,因此系统具有很好的扩展性。基于该框架的系统已经在实际项目中得到应用,并且运行效果良好。     

基于粗糙集的推理通道消除

基于粗糙集理论对推理通道问题进行了研究。通过采用属性约简和属性值约简方法对数据库中的数据进行处理。在属性值约简基础之上,采用一种改进算法找出了数据库中推理规则集。进一步,将推理规则集中属性频率高的属性安全级别提高至决策属性的安全级别,从而消除推理通道。最后通过一个实例表明提出的消除通道算法是有效的。     

一种基于粗集理论属性约简的粗化算法

本文基于粗集理论，针对知识表达系统提出了一种新的归纳学习方法，对该方法中条件属性的简化进行了详细的讨论，并给出了一种具体的属性约简算法，其特点是简单，容易实现，考虑了属性值代表范围的合理性。