粗糙集与其他软计算理论结合情况研究综述*

最近几年,对于粗糙集的研究越来越多,尤其是粗糙集与其他软计算理论相结合的研究更为突出,取得了很多有意义的研究成果。鉴于此,将此方面目前的主要研究状况进行了总结,主要介绍了目前粗糙集与模糊集、神经网络、证据理论等一些其他软计算理论之间的结合研究情况,并对这方面未来的发展提出了自己的观点。     

二型模糊集模糊推理方法的单调性

模糊推理是蓬勃发展中的模糊控制技术的数学核心,二型模糊集的模糊推理是研究二型模糊逻辑系统的基础。各种模糊推理方法都具有单调性,从而导致人们当使用这些模糊推理方法时,应首先判明所讨论问题领域的推理是否具有相应的性质,否则可能导致不恰当的推理结果。     

模糊数直觉模糊集的距离

定义了一种新的模糊数直觉模糊集的距离,同时给出并证明了它的一个距离公式,并通过具体的例子进行了计算。最后将这个距离公式应用到一个实例中。该实例表明,在得不到精确数据的情况下,通过所定义的模糊数直觉模糊集的距离公式,进行模糊数估计和计算,可以对商品价格进行评估。     

L型广义扩张原理及其在模糊集范畴中的应用

首先给出了L型模糊集的广义扩张原理,并讨论了它的基本性质;然后定义了两个L型模糊集范畴■(L)与■(L),并证明了范畴■(L)与范畴Set同构且范畴■(L)同构于范畴■(L)的一个子范畴.研究结果可应用于泛型信息处理设计.     

基于软计算方法的结构损伤信息融合

为了提高多传感器下损伤识别结果的精度,提出了结构整体支持向量机损伤诊断矩阵、损伤自信息和损伤信息熵的概念.将结构划分为多个子结构后,针对各个子结构分别进行样本采集训练并建立结构整体支持向量机损伤诊断矩阵,同时利用信息熵实现了特征层融合.基于模糊集理论、物元理论和模糊神经网络,研究了3种结构损伤信息决策层融合和评估的方法.对一个空间结构算例的损伤信息进行了多层次融合,结果表明:所提出的特征层融合方法及3种决策层信息融合方法准确有效.     

RS与FNN集成在焊接缺陷识别中应用

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重,以及现有的识别算法准确率低的问题,提出了一种粗糙集(RS)和模糊神经网络(FNN)集成的缺陷识别算法.首先使用模糊C-均值聚类算法对样本属性离散化,然后使用RS对离散化后的样本数据进行属性约简得到决策规则,并使用π函数根据聚类的中心和半径对属性进行模糊化,克服RS对噪声敏感问题;根据得到的精简模糊决策规则和模糊逻辑推理确定FNN的结构,使用依赖度和规则的条件覆盖度确定网络的初始参数,考虑到样本中数据的可信度问题,用加权代价函数调整模型参数.仿真实验表明,本算法解决了分类过程中样本数据受到噪声干扰引起的不确定性、FNN结构难以确定的问题,能有效地提高焊缝图像缺陷的识别能力.     

一种广义模糊粗糙集模型的新定义

在Pawlak粗糙集模型的基础上,把一个论域推广到两个论域,等价关系推广为模糊关系,被近似对象换成模糊集,得到广义模糊粗糙集模型．讨论了该模型与经典粗糙集模型的关系,并与其他模糊粗糙集算子进行了比较．该模型在保留原有一些性质的基础上,近似精度提高了,更具有实际应用价值．     

空战中的多目标威胁评估方法

针对传统空战多目标威胁评估难以满足准确性、实时性的缺陷与不足,提出基于模糊集与证据理论相结合的空战多目标威胁评估方法.该方法通过合理设置隶属度函数计算各威胁指标的威胁度基本概率赋值,使用改进的证据合成规则代替传统Dempster组合规则对其进行指标间融合及时域融合;采用加权求和的方法计算空中目标的威胁值并排序.最后给出仿真算例,验证了该方法的有效性.     

SMW工法支护结构失效概率的模糊事故树分析

针对常规事故树不能考虑基本事件发生概率的不确定性这一现状,通过引入模糊集的概念,将常规事故树中基本事件的发生概率模糊化,用三角形模糊数代替确定性发生概率,应用模糊数截集方法,推导了模糊事故树的相关算法。采用模糊事故树方法得到深基坑工程SMW工法支护结构的模糊失效概率,并进行了敏感性分析,找出对顶事件发生概率影响较大的基本事件,确认减小SMW工法支护结构发生事故的相关措施。与常规事故树方法比较表明,模糊事故树方法不仅能达到常规方法的分析目的,而且可以得到深基坑支护工程失效可能性的分布规律。     

模糊证据理论综述

模糊证据(D-S)理论基于非空集合.其隶属函数用比较/增量/三分法或事先人为确定,再试验验证.根据信息粒度和可能性,把D-S推广到模糊集,将期望确定和可能性定义为信任和似真度推广函数,并引入信任、似然及类概率函数描述命题,或证据精确、不可驳斥及估计等信任程度,从不同角度刻划命题或证据的不精确性.