基于粗糙集理论的模糊神经网络及其在化纤生产过程中的应用

提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练。化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性。     

基于数据挖掘的交通状态决策信息融合模型的研究

数据挖掘和信息融合是二种功能不同的处理数据的过程,二种方法虽然原理不同,但在功能上可以相互弥补。研究基于模糊粗糙集的数据挖掘算法建立交通状态决策信息融合模型的方法,给出一个路段多源交通状态决策信息融合的算例,并验证该方法的有效性。     

模糊偏序关系模型的信息融合方法

在偏序集上给出模糊偏序关系模型，讨论了各种评估决策与模糊偏序关系模型之间的关系，给出了模糊偏序关系模型的信息融合方法，并指出该方法符合公共选择中阿罗不可能性定理的一致性原则。     

基于粗糙集的证据合成方法

提出一种基于粗糙集的证据合成方法,有效的解决证据理论在信息融合中组合证据无权重的问题,并对此方法在人脸识别中的应用做分析。     

基于粗糙集理论的结构振动模糊控制

模糊控制是结构主动控制的一种很有前途的控制算法，但在模糊规则的确定上常带有经验性。近年兴起的粗糙集理论能有效分析和处理大量经验数据，从中发现隐含知识，揭示潜在的规律。本文提出将模糊推理与粗糙集理论结合起来、利用粗糙集理论提取模糊规则进行结构模糊振动控制的方法。通过对一个顶层作用有AMD装置的1：4五层钢框架模型结构的模糊控制仿真分析和地震模拟振动台试验研究，证实了所提方法的有效性；同时，试验研究也展示了模糊控制具有鲁棒性好、反馈量少的优点，具有很强的工程应用价值。     

粗糙集理论中知识粗糙性与属性重要性的信息度量

粗糙集理论是一种处理模糊和不确定性问题的新的数学方法,本文通过引入知识的信息量概念,给出了知识粗糙性和属性重要性的信息度量。     

一种模糊Rough决策方法

利用模糊集理论和粗糙集理论在处理不确定性和不精确性问题方面侧重点的差异性，构造一种组合决策模型。该模型从问题领域内的部分不精确信息出发利用模糊聚类方法构造一个决策信息系统，利用粗糙集理论关于决策规则的约简方法从决策信息系统中提取（挖掘）决策规则，使之适用于问题的整个领域。     

基于粗糙集理论的水质模糊综合评价

针对水质评价中存在指标选取主观和赋权计算繁琐等问题,提出了利用粗糙集做属性约简,消除不相关和不重要的指标;运用属性重要度对约简后的指标赋权,并应用模糊综合评价进行水质评价。结果表明,粗糙集理论应用于模糊综合评价和传统模糊综合评价的结果基本一致,而且粗糙集属性约简和属性重要度赋权能够达到客观选取指标、简化水质评价过程等目的。     

模糊偏序关系的一种信息集成方法

以模糊超过关系、模糊不协调关系为例，就模糊偏序关系给出了一种基于分组加权极大(极小)算子的信息集成方法，讨论了该方法的一致性、非独裁性等性质。     

基于CMAC的模糊神经网络方法

结合模糊神经网络和小脑模糊连接控制CMAC理论，提出训练时间短，精度高的CMAC模糊神经网络方法，给出了网络结构，算法，并通过一个维修经费预测实例讲述了这种算法。     

Research on the Information Fusion Method of Oil Diagnosis and Vibration Diagnosis Based on the Rough Sets Theory

The improved method has been presented for knowledge reduction in rough sets （R-S） theory, when R-S is used to model the information expression of oil and vibration diagnosis. Therefore, the typical fault simulation tests of rolling bearings have been made, and the application method of R-S has been also analysed in this paper. The diagnosis model of holding rack fault in rolling bearing was presented based on the improved reduction method. It is suited to information fusion to combine information when oil analysis and vibration analysis are combined for fault diagnosis.     

邻域系统与k-步粗糙模糊集

关于粗糙模糊集的性质已有学者进行了研究，吴伟志、张文修建立了基于一般二元关系的k-步邻域系统与近似算子系统的理论框架。本文在此框架下结合模糊概念，提出了k-步粗糙模糊集的定义，并作了研究，得到了相应的结果。     

一种新的基于粗糙集的数学形态学算法及其在图像边缘检测中的应用

从粗糙集的角度出发来研究数学形态学,指出经典数学形态学模型是不符合实际的,引入粗糙集中的粗糙度的概念改进了形态学模型,通过动态的选择结构元素来对图像进行处理.实验显示,基于粗糙集的数学形态学方法较好地解决了经典形态学处理中图像目标边界线条较粗的缺点.相比经典梯度算子,文中提出的方法又较好地保证了图像边界的连续性,同时还避开了结构元素的选择问题.     

基于随机模糊集的粗糙集模型

当知识库中的知识模块既是模糊的又是随机得到的,我们定义了基于随机模糊集的粗糙集模型。给出了随机模糊粗糙集的性质。讨论了利用模糊集的下近似和上近似定义的模糊测度和概率模糊测度的关系。     

基于广义粗糙集理论的旋转机械故障诊断

故障诊断规则中判断条件的冗余、不完全和不确定性不利于实际应用。采用广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行了分析处理，求出了进行诊断所需的关键条件，由相对约简得到了最优诊断规则。在工程实践中成功地诊断出了大型旋转机械的一些常见故障。     

一种粗模糊神经分类器

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念，讨论了知识编码、属性简化、分类系统简化的方法；并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，解决分类中病态定义的数据问题和提高系统非线性映射的分类能力；提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法。实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短、非线性特性丰富等优点。     

基于一般包含度的广义变精度粗糙集

本文将变精度粗糙集模型推广到基于一般包含度的广义变精度粗糙集,利用包含度的性质讨论广义变精度粗糙集的性质。给出广义齐次包含度的定义,验证了常用的概率型包含度等均为广义齐次包含度;给出基于该广义变精度粗糙集的知识约简的方法。不同的包含度代表不同的决策语义,因此借助一般包含度研究变精度粗糙集,能够使尽可能多的有用信息被提取、挖掘,克服了基本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失,进一步推广了粗糙集模型,拓宽了粗糙集在数据挖掘、知识发现、模式识别及决策分析等领域中的应用。     

用粗集-模糊神经网络评定空袭目标威胁程度

针对模糊神经网络运算过程中,当模糊规则较多时,网络学习速度慢,方法实时性差的缺点,本文提出采用粗糙集理论对该模型进行优化,该方法利用粗集数据分析方法,通过知识约简从数据中推理逻辑规则,并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上:在这个子空间上用改进的BP算法训练进行逼近.实验结果表明:通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,减少了网络输入维数和各层神经元的个数,提高了网络运算速度,满足了系统实时性要求.