共查询到20条相似文献,搜索用时 93 毫秒
1.
粗糙集理论在故障诊断专家系统中的应用 总被引:6,自引:3,他引:6
针对专家系统中知识获取的瓶颈问题,引入了一种基于粗糙集理论的专家系统模型。该模型在知识入库前对其进行过滤,并利用粗糙集理论的约简算法消除知识库的冗余,从而实现了对知识库结构和性能的有效维护及完善。 相似文献
2.
3.
4.
5.
以人工智能的理论为基础.根据计算机故障诊断专家系统的实践经验,以及收集了大量计算机故障诊断资料,从计算机不同的故障特征建立了诊断指标,开发计算杌故障诊断专家系统.结果表明.该指标科学合理、有效.可以进行故障诊断,在现实生活中具有广泛的应用价值. 相似文献
6.
7.
故障诊断是与有效决策密切相关的复杂而困难的问题。粗糙集理论可以有效地分析、处理不完备信息。知识库是整个故障诊断系统的核心,利用基于粗糙集的知识约简和决策规则提取算法,将柴油机故障信息值进行约简,求出其决策规则。知识库由事实库和规则库组成。在知识库中采用链表数据结构,以数据文件形式存储,完成知识库设计的程序。采用粗糙集方法进行故障条件属性约简十分有效,得到简化的决策规则,使得知识库的设计更加方便快捷。 相似文献
8.
睡姿作为评估睡眠质量和疾病预防治疗的指标之一,不仅影响人心理和生理健康的睡眠质量,而且对呼吸暂停综合症、褥疮等疾病诊断意义重大。为实现睡姿压力图像的自动识别,对基于模糊粗糙集算法进行了应用研究,首先采用柔性压力传感器阵列获取静态睡姿压力图像,并对其进行图像预处理以完成基于简单图像几何特征的提取;通过引入模糊粗糙集对图像条件属性离散化约简,剔除冗余信息推导模糊决策规则,进而实现睡姿类别有效分类。实验结果表明,与已有算法相比该算法的分类精确度可达92.9%,具有较好的准确度。 相似文献
9.
基于粗糙集理论的故障诊断系统知识库设计 总被引:3,自引:1,他引:2
故障诊断是与有效决策密切相关的复杂而困难的同题.粗糙集理论可以有效地分析、处理不完备信息.知识库是整个故障诊断系统的核心,利用基于粗糙集的知识约简和决策规则提取算法,将柴油机故障信息值进行约简,求出其决策规则.知识库由事实库和规则库组成.在知识库中采用链表数据结构,以数据文件形式存储,完成知识库设计的程序.采用粗糙集方法进行故障条件属性约简十分有效,得到简化的决策规则,使得知识库的设计更加方便快捷. 相似文献
10.
基于粗糙集理论的票据打印字符识别系统 总被引:1,自引:0,他引:1
票据打印字符识别有着广泛的应用前景.但南于票据打印字符本身所具有多噪声、字体及字符大小多变等特点,导致了票据打印字符识别始终是一项技术难题.提出了一种基丁粗糙集理论的票据打印字符识别系统,首先采集打印数字字符构成训练样奉集,提取训练样本的特征向量,建立样本集的特征矩阵.然后基于粗糙集理论,采用一种有效的属性集约简方法和一种新的规则提取方法,从中导出三个规则集合,基于该三个规则集对测试样本分别进行决策,最后对决策结果进行决策级融合.将该方案应用于纸制飞机票上打印数字字符的识别上,实验证明了该方法的可行性及有效性. 相似文献
11.
本文主要介绍了用VisualBasic和SQLSever开发的小儿常见病诊断智能超媒体系统以及RoughSet理论在该系统中的应用,包括利用RoughSet理论对该系统中的知识库中的知识进行约简和进行正推理和反推理的方法。RoughSet理论的应用,大大提高了该系统的推理效率。 相似文献
12.
13.
14.
基于Rough Set和神经网络的CBR快捷检索方法 总被引:3,自引:0,他引:3
检索是CBR中的关键技术,直接影响CBR的推理效率和质量,检索出的案例质量的好坏直接影响着案例重用与修改的难易,该文提出先用粗糙集约简理论去除冗余的案例决策表特征,再用BP神经网络模型来实现相似案例检索,这种检索方法不需要定义案例属性之间的相似度,检索速度快。 相似文献
15.
本文着重介绍了基于粗糙集理论的智能决策支持系统的总体结构及其各个模块的功能。首先介绍了智能决策支持系统产生的背景.即人工智能技术和决策支持相结合而产生的。粗糙集理论是研究不完整、不确定知识并口.数据的表达、学习、归纳的理论和方法,适合于发现数据中隐含的、潜在有用的规律,即知识,找出其内部数据的关联关系和特征,因此在智能决策支持系统中发挥着重要作用。 相似文献
16.
17.
设计简洁的切实可行的基于Rough Set的属性约简的算法.通过基于Rough Set的属性约简方法对两个实际应用说明了如何利用该方法计算条件属性相对于决策属性的重要度,去除冗余属性,形成新的精简的知识发现属性集,从而提高数据挖掘效率. 相似文献
18.
19.
《国际计算机数学杂志》2012,89(7):789-796
Rough set theory (RS), introduced by Zdzislaw Pawlak in the early 1980s, is a methodology that concerned with the classificatory analysis of imprecise, uncertain or incomplete information or knowledge expressed in terms of data acquired from experiences or observations. It has the ability to distinguish between object and reason about the objects in the universe in which objects are perceived through the information that is available about them through the values for a predetermined set of attribute. The main advantage of RS is that it requires no additional information to the data represented in table. On the other hand, Supervised Neural Network learns by abstracting a mapping function from the training data for classification purposes. However the drawback of using a supervised neural network is that a large amount of training data must be provided for it to obtain an accurate mapping function. The problem is further aggravated if the data are in the continuous form (real values). Thus, in this paper we overcome the problem by transforming the training data in the continuous form into discrete values using Rough Sets theory and Boolean Reasoning technique. Here, global shape features are chosen to represent the logo images. The invariant features representing logo images are obtained by using the Geometric Invariant Moment Technique (Hu, 1962). The classification results prove that discretization using Rough Sets and Boolean Reasoning can reduce the training cycle and significantly increase the accuracy of the classification of logo images. 相似文献