基于粗糙集的CBR规则提取的应用研究

粗糙集理论是一种新型的处理不精确问题的数据分析理论。将粗糙集理论应用于CBR中,用差别矩阵对决策表知识进行约简,发现并提取规则,建立基于粗糙集的范例索引;可有效地消除原CBR范例冗余属和数据嗓音。以滚动轴承噪声值样本为实例,通过计算和分析,证明该方法切实可行。     

基于粗糙集理论的煤矿瓦斯预测技术

针对煤矿瓦斯灾害的特点,提出了用粗糙集理论对瓦斯灾害进行预测.分析了瓦斯灾害特征,并建立了瓦斯灾害特征知识库,应用粗糙集理论建立了煤矿瓦斯灾害预测的数据挖掘模型,讨论了瓦斯灾害预测模型中的粗糙集属性关系,采用信息熵准则对粗糙集约简方法在预测中存在的不足进行了弥补.通过实际应用,证实了粗糙集理论在瓦斯灾害预测中的有效性和实用性.     

钻 井 液 优 化 设 计 系 统

根据钻井液设计要求，用基于范例推理(CBR)和规则推理(RBR)方法完成钻井液的设计。这两种方法并用，能克服各自缺点，很好地完成钻井液的优化设计。     

关于粗糙集的理论及应用研究

粗糙集理论作为新型的软计算方法,是一种分析和处理模糊和不确定性信息的有效工具,广泛应用于人工智能、知识发现、模式识别、故障检测等领域。本文描述了粗糙集理论的基本概念和特征,阐述了粗糙集理论的研究现状,讨论了粗糙集理论研究中存在的问题,并对粗糙集理论的发展进行了展望。     

基于粗糙模糊集理论的采矿方法优选

权值确定的主观性是制约模糊数学选择采矿方法的关键因素,而粗糙集理论以数据驱动来进行分类,数学上十分严密,更具客观性.提出用粗糙模糊集理论选择采矿方法,利用粗糙集理论确定影响采矿方法优劣的各属性权值、模糊集理论对各采矿方法进行综合评判.通过实例,证明了粗糙模糊集理论在优化选择采矿方法时的科学性和客观性.     

AHP与粗糙集在煤层地质条件评价中的对比应用

利用层次分析法和粗糙集理论在处理不确定问题上的优越性,结合贵州煤矿实际,分别建立两种理论的评价模型,进行对比分析,指导煤矿生产.通过分析发现由于个别地质条件因素(如煤层倾角、断层等)在贵州表现突出,故粗糙集理论模型更符合贵州煤矿实际生产情况.     

基于粗糙集理论的煤炭资源型城市发展水平综合评价

通过引入粗糙集和信息熵理论，建立粗糙集的城市发展水平指标评价模型，利用该模型找出影响城市发展水平的因素，并通过实例对模型的可行性进行验证.     

粗糙集和自适应神经网络的集成模型在边坡稳定性分析中的应用

介绍了利用SOM网络-粗糙集-BP网络集成进行边坡稳定性预测的方案,应用SOM网络将边坡稳定性因素中的连续属性值离散化及基于粗糙集理论计算边坡稳定决策系统的约简,并根据实际需要确定最优决策系统和在最优决策系统的基础上设计BP网络进行预测.边坡稳定性预测的实际结果验证了所提出的神经网络与粗糙集理论相结合的可行性,在数据充足的条件下,该方案可以推广到其它具有连续属性值的情况.     

粗糙集约简算法的研究与实现

粗糙集理论是一种基于对现实世界进行不确定描述的理论,属性约简是粗糙集理论的核心理论之一。对粗糙集理论进行阐述,并给出基于启发式的知识约简算法,最后结合MATLAB程序实例说明了该算法的可行性与有效性。     

加州承载比(CBR)试验在土方路基工程的应用

加州承载比(CBR)试验是评价路基土和路面材料强度及稳定性的重要技术指标,对路基填筑材料合理的选择具有重要的参考意义.本文通过工程实例分析了CBR值与压实度的关系,并对不同击实次数下的压实度和对应的CBR值进行回归,得出回归方程,从而使CBR试验更好的应用于工程实践.