RoughSet—NN模型在林业信息处理上的应用

运用计算机技术解决林业问题成为数字农业的一个热点研究领域.融合了粗糙集和神经网络的各自优势,利用粗糙集可以减少信息表达的属性数量,使用神经网络方法系统具有较强的容错及抗干扰能力,为处理不确定、不完整信息提供了一条解决方法,因此,将粗糙集约简技术和神经网络方法结合进行应用,建立了RoughSet-NN模型,并将该模型对给定立地条件的杨树生长状况进行预测.实验表明,该方法收敛,预测准确度高.     

基于粗糙集神经网络的燃煤发热量预测模型

通过对粗糙集和BP神经网络的分析研究,以专家系统为核心,提出了一种基于粗糙集神经网络的燃煤发热量预测模型;选取影响燃煤发热量的6个参数,利用粗糙集理论对原始信息表进行约简操作,去除冗余的属性和属性值,得到约简规则,并将其作为BP神经网络的输入,对燃煤发热量进行预测;通过分析对比线性回归方法和粗糙集神经网络方法,说明该模型能有效地简化神经网络的网络结构,减少网络的训练步数,提高网络的学习效率,能够较准确地对燃煤发热量进行预测。     

模糊粗集理论在污水参数软测量中的应用

出水水质的建模与预测是污水处理过程先进控制的基础,针对污水生化处理过程的非线性、大滞后等特点,提出一种基于模糊粗糙集和RBF神经网络的出水水质预测方法.先用模糊粗糙集理论约简属性消除冗余信息后,建立基于RBF神经网络软测量模型,并应用该模型对实际污水厂的出水氨氯预测进行仿真.结果表明了该软测量模型的可靠性和有效性.     

煤矿瓦斯预测知识获取模型的应用研究

将粗糙集与神经网络结合,提出由样本更新、粗糙集预处理、神经网络训练、规则提取4个模块组成的煤矿瓦斯预测知识获取模型,将其应用于实时数据进行实验,结果表明,该模型实时性好、可靠性及精度高,可以较好地解决煤矿瓦斯预测知识获取困难的问题,为煤矿瓦斯预测专家系统知识库的建立奠定基础。     

基于自适应遗传算法的股票预测模型研究

为了解决单一神经网络模型很难满足股票预测建模要求的问题,提出一种基于遗传算法的粗糙集属性约简方法和神经网络相结合的预测模型。在该模型中,改进了自适应性遗传算法的交叉算子与变异算子。基于该遗传算法的粗糙集属性约简相比传统的粗糙集属性约简,其具有更强的求解最小属性约简的能力,解决了神经网络预测时训练速度慢、内存开销大等问题;在数据预处理过程中,引入聚类分析,有效解决了连续属性离散化的问题。实验结果证明,该预测模型具有较高的预测精度,在时间序列的股票预测中是相当有效的。     

基于粗糙集神经网络和信息融合的故障诊断

神经网络是智能故障诊断系统的一种重要的方法。粗糙集理论则是处理不完备信息的一种技术。文中以复杂的人工智能诊断问题为研究对象,系统地论述了基于神经网络、粗糙集、信息融合的智能诊断的理论、方法与实践。其主要方法如下:在故障诊断的神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果。一个故障诊断实例证明了该方法的有效性。     

基于粗糙集神经网络和信息融合的故障诊断

神经网络是智能故障诊断系统的一种重要的方法.粗糙集理论则是处理不完备信息的一种技术.文中以复杂的人工智能诊断问题为研究对象,系统地论述了基于神经网络、粗糙集、信息融合的智能诊断的理论、方法与实践.其主要方法如下:在故障诊断的神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果.一个故障诊断实例证明了该方法的有效性.     

粗糙集理论框架下的神经网络建模研究及应用

为协调决策支持和分类,引入了一种新的方法,该方法将粗糙集理论和神经网络有机地结合在一起,提出了一种基于粗糙集理论的神经网络模型构造方法.首先,利用粗糙集理论智能数据分析的能力,对神经网络进行预处理,抽取关键成分作为神经网络的输入,从而确定粗糙神经网络的初始拓扑结构.在此基础上,进一步研究和分析了该模型的实现步骤,并应用原始数据对网络进行训练,最后将该模型应用于分类规则的抽取.试验结果比较表明,该模型可以有效地提高分类的精度.     

基于粗糙集-LVQ神经网络的稽查选案模型研究

税务稽查选案是稽查前对纳税人纳税诚信的分析过程.利用粗糙集理论与LVQ神经网络的优势互补,粗糙集作为前置处理系统优化选案指标结构,神经网络进行分类处理,提出并建立了一种粗糙集与LVQ神经网络相结合的税务稽查选案模型,并依此模型进行了实例验证.结果表明,利用该模型在得到可视化预测结果的同时,还可以得到较高的预测精度.     

基于粗糙集和BP神经网络的石化管道外腐蚀程度预测应用

研究管道外腐蚀程度预测问题;传统预测方法有专家评分系统等,而造成管道腐蚀的原因众多,专家对各个因素的偏好不一样,因此这类方法个人主观因素较强,预测的结果不够客观、准确;为了克服个人主观影响,提高预测精度,提出粗糙集-BP神经网络预测模型;该预测模型首先利用粗糙集理论消除管道腐蚀影响因素中的冗余因素,然后利用BP神经网络依据处理后的数据进行学习建模,并测试;仿真结果表明了该模型简洁性、快速性和有效性.     

The impact of overload conditions on computer network reliability

Performance in terms of reliability of computer networks motivates this paper. A limit theorem on the extreme queue length in open queueing networks in heavy traffic is derived and then applied to a reliability model for computer networks where we relate the time of failure of a computer network to the system parameters.     

计算机网络的Petri网建模及性能指标评估

本文提出了用广义随机Ｐｅｔｒｉ网理论对计算机网络进行性能指标评估建模的具体规则，并给出了其相应的广义随机Ｐｅｔｒｉ网图，导出了依据广义随机Ｐｅｔｒｉ网模型（ＧＳＰＮ）对计算机网络中几个主要性能指标直接进行计算的方程，克服了以往在建模过程中的盲目性和无规则性．提出了从广义随机Ｐｅｔｒｉ网建模到进行计算机网性能指标计算的一系列方法．这些方法可有效地完成对计算机网络的建模和性能指标的计算，对分析和设计计算机网络具有普遍的指导意义．     

Resource allocation in computer networks by a regional accessibility model

The problem of resource allocation in computer networks is modeled as a regional accessibility model. These models, which have been used in urban and regional planning, provide a means for planning and evaluating computer networks. We present a straightforward solution procedure which allows for the efficient solution of large models and is well suited to studying the sensitivity of the model to various parameter changes. The model and solution technique are used to study a computer network for the Finnish universities.     

网络资源并行优化的纵横复合弹簧网络方法

具有复杂社会动力学特性的计算机网络中，存在着许多难以求解的问题，该文提出一种新的纵横复合弹簧网络模型和方法，对计算机网络资源的分布式优化问题建立了相应的数学物理模型及分布平行算法，将网络资源优化问题求解过程转变为对应的复合弹簧网络形变过程，该模型和方法能刻画网络实体之间并发的复杂的社会交互行为（竞争，协作和诱导等），能描述网络实体随局势的变化各自采取的动态策略和自治行为，并能体现出市场价格机制的作用，给出了在宽带网络的带宽分配问题的应用实例。     

基于多目标满意优化的计算机通信网流量和容量分配

将满意优化理论应用到计算机通信网中，提出了基于多目标满意优化的计算机通信网优化设计方法，通过设计满意度函数，构造出计算机通信网的满意优化数学模型，并用改进遗传算法实现计算机通信网的容量和流量分配的满意优化设计。仿真结果显示，所设计的网络具有更满意的综合性能指标，证实了该方法的有效性和实用性。     

一种基于粗糙集的网络安全评估模型

准确掌握计算机网络系统的安全水平对于保障网络系统的正常运行具有重要意义.当前大多数网络安全评估系统缺乏对数据的深入分析,难以形成对网络安全状况的整体认识.本文提出了一种利用粗糙集理论挖掘网络安全评估规则,进而利用评估规则构建网络安全评估决策系统的算法模型.研究了网络安全评估问题的粗糙集描述,给出了模糊属性决策表的约简方法.利用一个简化的网络安全评估数据集,验证了本文提出的决策规则提取方法,结果表明该方法可以得到与实际情况相符的决策规则.     

改进的BA 网络演化模型的研究及应用

利用主方程和连续域理论分析了BA无标度网络的度分布以及初始吸引因子对网络节点度分布的演化过程。对BA模型进行了改进和推广,提出了随机吸引因子网络演化模型。此网络演化模型通过理论分析和数值模拟验证是吻合的,该模型是无标度网络演化模型。实验结果表明,改进的模型能够很好地反映现实系统中的一些重要性质,具有实际应用价值。     

网络生态性研究及证明

目前利用生态学的方法来研究计算机网络的相关问题取得了一定的成果,但都是在默认网络与生物界存在相似性的基础上,很少有研究者对两者之间的映射关系进行定量的分析和描述。这种分析和描述是该领域一切研究问题的基础。因此从这个角度出发,提出一个基于生态的网络联系模型即单体活体模型,使用公理体系的完备性定义,证明了该模型的完备性,并使用REPAST仿真工具对该模型进行了仿真实验,验证了其可行性。     

SNAP: parallel processing applied to AI

It is argued that a viable solution for building future intelligent systems is to design special-purpose parallel computer architectures. The applications are restricted to those using semantic networks for knowledge representation. Reasoning on these networks is achieved with a marker-passing model of processing. The Semantic Network Array Processor (SNAP), a marker-passing parallel computer dedicated for natural-language and other knowledge-processing applications, is considered. Solutions for several nontrivial natural-language problems using the marker-passing approach are discussed