基于RBF网络的柴油机运行工况分析

本文介绍了神经网络中运用广泛的RBF神经网络的模型及其学习算法．将其引入到柴油机运行工况分析领域，在MATLAB环境下，建立了柴油机喷油特性的RBF神经网络模型，并用以模拟柴油机的喷油特性，模拟结果得到了实验验证。     

基于Elman神经网络的高速公路限速控制

限速控制是高速公路交通控制的重要措施和手段，为了提高限速控制精度，提出Elman神经网络建模方法。阐述了Elman神经网络的原理，根据高速公路主线上车辆群状态、路面状况、气象条件等信息，建立交通流速度限制Elman神经网络模型，Elman神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为2、12、12和1，采用Levenberg—Marquardt算法对Elman神经网络进行训练，并与RBF神经网络进行仿真对比。结果表明。Elman神经网络和RBF神经网络的训练误差分别为9．99769×100和2．38112×10^-4，与RBF神经网络相比较，Elman神经网络自适应能力强、泛化能力好，能准确地建立交通流速度限制模型．具有良好的应用前景。     

基于RBF网络和AR模型的网络时延预测

分析了网络传输时延的组成和特点，提出了利用AR模型和RBF神经网络预测网络传输时1延，运用Matlab软件对其预测进行仿真．结果证明AR模型和RBF神经网络都能很好的预测网络时延，通过对比仿真结果分析，得出各自进行时延预测的适用条件。     

基于改进型RBF神经网络辨识的PID控制

针对工业控制领域复杂非线性时变系统．提出了基于改进型RBF神经网络的PID参数在线自整定方法。采用改进型RBF神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，实现系统的智能控制。仿真结果表明，与常规RBF神经网络PID控制方法相比，该方法具有控制精度高、响应速度快的优点，并且具备较强的自适应性和鲁棒性。     

基于RBF神经网络的软仪表的开发及在蒸馏装置的应用

通过在我厂蒸馏装置上软仪表的具体使用情况．简单介绍了基于RBF神经网络的软仪表的开发。RBF神经网络的特点、在建模中的应用及RBF神经网络改进后的模型应用。开发软仪表的目的，及在实际使用中时现场生产的指导意义。     

水处理过程的RBF和BP神经网络建模

针对水处理过程非线性、时变和大滞后的特点，本文采用RBF和BP神经网络分别建立了水处理过程模型，利用水厂实际运行数据对两个模型分别进行了训练和检验。与BP神经网络模型相比，RBF神经网络模型具有逼近能力强、收敛速度快等优点。该模型可以实现对水处理过程的在线辨识，并可进一步用于该过程的神经网络预测控制。     

一种新型模糊-粗神经网络及其在元音识别中的应用

为度量模糊粗不确定性信息，引入了模糊粗隶属函数．基于模糊粗糙集理论构建了一种新型的模糊，粗神经网络（FRNN）,该网络融合了模糊信息和粗糙信息的处理能力．对5个元音字母的语音识别进行测试，结果显示FRNN网络不仅训练速度快，而且分类性能优于BP网络、RBF网络和贝叶斯分类器．     

基于径向基函数神经网络的非线性模型辨识

从径向基函数（RBF）神经网络原理分析出发，提出了一种基于RBF神经网络学习算法，用于对非线性对象模型的拟合与辩识，并将此方法用于实际非线性模型的学习与辩识。结果表明，基于RBF的神经网络可快速完成对样本的学习与拟合，对具有连续特性的线性与非线性模型，具有快速实时的学习速度和优良的学习性能。     

基于小波分析与RBF神经网络的甘蔗制糖结晶过程预测

本文针对甘蔗制糖结晶过程中由于传感器失灵 引起的变量及参数不可测的问题，建立一个甘蔗制糖结晶过程的RBF（径向基函数）神经网 络模型，该模型把小波分析和RBF神经网络紧密结合起来．实验结果表明该模型能达到逼近 实际煮糖过程的目的．     

基于模型输出敏感度分析法的动态RBF神经网络设计

针对一般RBF神经网络在学习过程中网络结构不能改变的问题,提出一种动态RBF神经网络结构设计方法．算法的实质是利用敏感度分析法（SA）对神经网络模型的输出进行分析,通过判断隐含层神经元的输出对整个网络输出的影响,删除RBF隐含层中冗余的神经元,实现对神经网络的动态修剪．非线性函数逼近结果及动态系统建模结果表明,该动态RBF神经网络具有较好的性能;与最小RBF（MRBF）神经网络相比,采用所提算法能得到更小的检测误差和更短的训练时间,最终网络结构紧凑．     

基于粗糙集的智能规划算法的研究*

提出一种新的不确定,即初始对象集合的不确定,并利用粗糙集理论来解决这种不确定性;将粗糙集理论和智能规划相结合,提出一种新的不确定规划——粗规划。给出了粗规划问题的概念、粗规划的初始状态、粗糙动作和粗规划目标等一系列相关的定义,提出了粗规划问题的两种求解模型,并给出基于规划图的粗规划算法。     

基于粗糙逻辑(RL)的微分对策理论

针对微分对策在实际应用上的困难，引入粗糙控制这一新颖的人工智能方法。粗糙集理论能刻画和处理不完整、不精确信息。在简略介绍了粗糙集、粗糙逻辑和粗糙控制大致思想的基础上，尝试将粗糙逻辑和粗糙控制引入微分对策，以追逃问题为例，初步探索了粗糙微分对策模型的建立方法。该对策模型体现了控制算法简单、迅速和易于实现的优点，也降低了微分对策要求精确数学模型和完备信息的困难。同时也将粗糙控制和模糊控制做了简单的比较。     

基于Rough Set的矿区REES系统中的瓦斯事故分析

瓦斯事故是煤矿经常发生的事故,在矿区REES系统中应对其有准确的分析与预测,采用了Rough Set理论对矿区REES系统中事故分析进行了建模,给出了分析步骤与流程,然后利用作业评价法评价矿井中煤与瓦斯突出分类等级,最后利用Rough Set理论建立煤与瓦斯的决策表,求得其约减,提取决策规则,对规则进行了分析,用于指导煤矿开采。     

图像阈值化的自适应粗糙熵方法

摘 要：目的：图像阈值化将灰度图像转换为二值图像,被广泛应用于多个领域。因实际工程应用中固有的不确定性,自动阈值选择仍然是一个极具挑战的课题。针对图像自动阈值化问题,提出了一种利用粗糙集的自适应方法。方法：该方法分析了基于粗糙集的图像表示框架,建立了图像粗糙粒度与局部灰度标准差的相互关系,通过最小化自适应粗糙粒度准则获得最优的划分粒度。进一步在该粒度下构造了图像目标和背景的上下近似集及其粗糙不确定度,通过搜索灰度级最大化粗糙熵获得图像最优灰度阈值,并将图像目标和背景的边界作为过渡区,利用其灰度均值作为阈值完成图像二值化。结果：对所提出的方法通过多个图像分三组进行了实验比较,包括三种经典阈值化方法和一种利用粗糙集的方法。其中,所提出的方法生成的可视化二值图像结果远远优于传统粗糙集阈值化方法。此外,也采用了误分率、平均结构相似性、假阴率和假阳率等指标进一步量化评估与比较相关实验结果。定性和定量的实验结果表明,所提出方法的图像分割质量较高、性能稳定。结论：所提出的方法适应能力较好,具有合理性和有效性,可以作为现有经典方法的有力补充。     

基于包含度的决策表属性约简算法的研究

粗糙集理论是一种有效的信息处理工具,决策表属性约简是粗糙集理论研究的一个核心内容。利用RoughSet理论的相关知识,提出了一种基于包含度的决策表属性约简算法。与现有的决策表属性约简算法进行比较,它具有较低的复杂度和较强的可使用性。最后对UCI机器学习数据库中的例子进行约简的实验结果证明,它可以取得比较满意的效果。     

基于Rough Set的属性值约简算法研究

从逻辑的角度分析了属性值约简的本质及过程，在此基础上构造辨识矩阵，提出了一种基于Rough set的属性值约简新算法，并对此进行了证明。该算法比以往的算法更简便、直观，易于编程实现，也更易从本质上理解属性值约简的实质及过程，并且算法不破坏决策系统中的不一致规则所蕴含的信息量。实例分析表明该算法是有效可行的。     

粗糙近似算子的公理化刻画:综述

从近似空间导出的一对下近似算子与上近似算子是粗糙集理论研究与应用发展的核心基础,近似算子的公理化刻画是粗糙集的理论研究的主要方向.文中回顾基于二元关系的各种经典粗糙近似算子、粗糙模糊近似算子和模糊粗糙近似算子的构造性定义,总结与分析这些近似算子的公理化刻画研究的进展.最后,展望粗糙近似算子的公理化刻画的进一步研究和与其它数学结构之间关系的研究.     

基于粗糙集的数据聚类方法研究

RoughSets理论是一种新型的处理含糊和不确定性知识的数学工具,将RoughSets理论应用于知识发现中的聚类分析,给出了信息系统的约简、信息系统的可辨识属性矩阵和信息系统的辨识公式等定义,在此基础上提出了基于粗糙集的数据聚类算法RSDC,实验结果验证了该算法的可行性,并且对符号属性和数值属性数据都具有良好的聚类效果。     

近似精度Rough数及其在DSS中的应用

本文在介绍Ｒｏｕｇｈ集基础上，用Ｒｏｕｇｈ下和上近似集定义了近似精度Ｒｏｕｇｈ数及其运算法则。并举例说明了这种新构想的Ｒｏｕｇｈ数被应用于ＤＳＳ（决策支持系统）中颇有新意。最后，阐述了近似精度μ将使Ｒｏｕｇｈ逻辑的五值被扩充为多值。     

Rough Set中基于聚类的连续属性离散化方法

分析了一些RoughSet中连续属性离散化的方法，指出了其中的某些不足，并给出了一个基于聚类的连续属性离散化的方法，对当前的论域中的例子根据相似性进行聚类，对每个聚类在各属性轴上的投影的边界设离 散断点。该方法考虑了各属性之间的相关性，能得到比较合理的离散结果。