胶合板缺陷识别方法比较研究

结合胶合板缺陷检测分类,通过对比研究了几种有效、实用的模式分类方法,讨论了该方法的优势和局限性,提出了一种基于粗糙集和神经网络的模式分类方法.利用粗糙集处理图像特征中冗余的或较差的属性特征,有效地减小了网络规模,将该特性和神经网络的非线性映射能力和很强的抗干扰性相结合,能够进一步提高分类精度和收敛速度.在胶合板缺陷识别的实际应用中,其识别精度达到了90 93%,循环次数较粗糙集预处理前平均下降了1000余次.研究结果表明粗糙集神经网络模式识别方法适于胶合板缺陷分类.     

基于粗糙集的图像中值滤波算法

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具.它作为一种软计算方法,与模糊方法、遗传算法、神经网络等一样,是有发展潜力的智能信息处理方法.文中将粗糙集理论应用到图像滤波中,提出了一种基于粗糙集理论的图像中值滤波算法.给出了标准中值滤波算法和文中算法的比较实验,结果表明,该算法去噪能力强于标准中值滤波算法,且能较好地保持图像的边缘细节信息.     

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.     

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.     

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。     

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%.     

网络安全态势感知新方法

针对网络安全态势感知问题,为了提高态势感知和预测过程的速度和精准度,提出一种基于神经网络的网络安全态势感知方法. 首先利用网络安全态势评估的指标体系来表征整个网络的安全状态,然后提出一种基于逆向传播(BP)神经网络的网络安全态势评估方法. 为解决态势要素与评估结果之间的不确定性及模糊性问题,提出一种基于RBF神经网络的网络安全态势预测方法,利用RBF神经网络找出网络态势值的非线性映射关系,采用自适应遗传算法对网络参数进行优化并感知网络安全态势,在真实网络环境下对提出的方法进行验证,实验结果证明该方法对网络安全态势感知是可行和有效的.     

基于粗糙集—神经网络的三相SPWM逆变电路故障诊断研究

以三相SPWM逆变电路为研究对象，利用MATLAB仿真软件建立故障仿真模型。针对故障诊断中冗余及不完整的信息常使诊断规则误报、漏报的现象，采用粗糙集-神经网络对三相逆变电路进行故障诊断，优化了神经网络结构，提高诊断速度。仿真实验表明该方法取得了良好的故障诊断效果。     

粗糙集理论及其应用

介绍了一种不完备信息的新颖、有效的软计算方法-粗糙集理论,阐述其基本理论框架,讨论其典型应用,描述粗糙集与神经网络、模糊集、并行算法、专家系统有机结合的条件,并介绍了几种智能处理系统的结构。     

基于多元数据融合的主机安全态势评估模型研究

终端主机安全是当前网络安全管理的防御重点.针对国内主机安全态势评估模型在安全要素融合上面临的不足,提出了一种基于多元数据融合的主机安全态势评估模型.该模型借助粗糙集理论,可量化安全要素对终端主机安全的依赖度.实验表明,操作系统、重要文件、浏览器是终端主机安全的防御重点.     

变精度粗糙集与神经网络在故障诊断中的应用

针对标准的粗糙集理论不能很好地处理带有噪声的数据,而故障诊断信息中难以避免地存在噪声数据,对此,提出了SOM网络-变精度粗糙集-RBF神经网络的故障诊断方法：首先应用SOM网络对故障诊断数据中的连续属性值进行离散化,然后利用变精度粗糙集理论的属性依赖度进行启发式约简,据此得到最优决策系统,最后在最优决策系统的基础上设计RBF神经网络进行故障诊断。实例验证了该方法的可行性,且故障诊断正确率高。     

基于遗传算法的神经网络油水层识别

文章研究了基于遗传算法的神经网络油水层识别方法,针对神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,提出了基于粗集属性约简方法降低了输入信息的空间维数、减少了运算量和简化了神经网络的拓扑结构,利用遗传算法提高神经网络的训练速度。实验结果表明：将混合智能计算方法应用于油水层识别中效果显著,其学习训练速度和拟合精度远优于传统BP神经网络算法。     

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.     

基于Rough Set和neural network组合数据挖掘

提出了一种基于rough set和neural network的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简，然后使用神经网络对数据进行学习，并同时完成属性的不一致约简，最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明，该方法快速有效，生成规则简单准确，具有良好的鲁棒性。     

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．     

基于灰色理论的网络安全态势预测方法

为了有效地预测网络安全态势,在态势因子和灰色理论的基础上,提出了将灰色GM(1,1)和GM(1,N)模型相结合来预测网络安全态势的方法。首先筛选态势因子,再利用模型GM(1,1)对态势因子的变化进行预测,得到N个态势因子变化函数,最后利用这些函数和模型GM(1,N)对网络安全态势进行预测。将灰色GM(1,1)模型、神经网络模型和本文方法对网络安全态势进行预测,实验结果表明,本方法能够更准确地预测网络安全态势。     

基于改进广义回归神经网络的网络安全态势预测

针对网络安全态势精确预测,提出一种基于改进广义回归神经网络的预测方法,以改善网络安全态势预测精度.利用滑动时间窗口方法将各个离散时间监测点的网络安全态势值构造成部分线性相关的多元回归数据序列,以其做为样本集输入到改进广义回归神经网络加以训练,进而得到网络安全态势预测模型.在改进广义回归神经网络训练过程中,利用粒子群算法...