粗集理论及其应用（三）：知识表达系统

知识表达在智能数据处理中占有十分重要的地位，本文主要论述知识处理框架中的知识表达方法，首先介绍用数据表描述的知识表达系统及形式化定义，然后给出知识表达系统中属性的重要性概念。在文中我们还根据粗集理论讨论了决策理论中的一些基本问题和决策表简化的方法，介绍决策表的形式化定义和一些性质。     

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。     

基于移动平均线组合和支持向量机的股市趋势研究

证券投资是一种高风险、高收益的理财方式,而对市场运行趋势的良好把握有助于投资者回避风险、把握机会。提出基于多条移动平均线斜率组合和支持向量机算法,判断当前市场运行趋势,从而采取相应的投资策略。模拟实验证明,该方法取得了良好的效果。     

LTE中SC-FDMA技术的研究

SC—FDMA技术作为3GPPLTE上行链路多址技术,它联合了单载波调制技术、正交频率复用和频域均衡技术（FDE）,是一种新的多址技术。文中概述了SC—FDMA技术,分析了子载波分配对系统的影响以及与OFDMA、DS—CDMA技术间的联系。     

基于粗集理论的机器学习与推理

利用粗集理论探讨机器学习中的几个重要概念及研究方法,提出一种基于祖集理论的推理和学习方法。这种研究方法不仅开拓了一条机器学习的新途径,而且也是从数据中推理决策规则的一种新探索。     

有真实感图形的纹理映射算法

本文讨论了计算机生成真实感图形的纹理映射技术，根据模拟现实物体的表面细节特征提出了三种纹理映射方法。     

模糊中心聚类学习方法的比较与改进

基于带约束条件的非线性最优化问题常存在对初值敏感、求解过程缓慢等局限。文章从无导师在线递推学习法和离线学习法对模糊中心聚类的实现方法进行比较，分析其优缺点，在此基础上提出了一种改进的离线学习法，该方法不仅减少了对初值的敏感性，而且加快了目标函数的收敛速度。     

基于神经网络计算的子波变换实现

本文首先阐明了子波变换理论利用可变时域和频域分辨特性表达信号、获取信号特征的原理，提出了利用神经网络计算方法计算子波变换系数的新方法，产讨论了与人视觉系统密切相关的子波变换神经元的特性，提供了计算机仿真子波变换信号的结果。理论分析和实验结果表明，子波变换不仅具有对信号多分辨表达的特征，而且可以有效地压缩被处理信号。     

一种新的基于粗集编码的模糊聚类数据处理方法

本文提出一种新的基于粗集编码的模糊聚类数据处理方法.该方法对电子测量信息处理中的数据,根据粗集理论进行编码、特征属性简化,然后利用模糊隶属度函数将输入精确信息映射为模糊变量信息,提出把数据特征的重要性因子结合在模糊聚类的分类隶属度函数中以提高数据聚类处理的能力,并利用最小化目标函数离线学习来搜索测量数据聚类的聚类中心,该方法可以通过人工神经网络实现.