基于Rough集联系度的决策表简化方法

提出了集合型Rough集（粗集）联系度的概念以及利用Rough集联系度对决策表进行条件属性简化和属性冗余值简化的计算步骤，通过算例说明方法比较的Rough集理论中使用范畴的相地简化方法更简单。     

Rough集理论发展现状与应用前景

为了解决复杂系统的不确定性信息处理问题,介绍了Rough集理论的基本概念和研究状况.对Rough集模型推广、约简算法研究等进行了讨论;并对Rough集理论在机器学习、决策分析、知识发现等领域中的应用状况进行了论述,同时提出了Rough集理论在知识获取和并行计算领域中的发展前景和Rough逻辑控制、Rough信息处理等研究方向.     

Rough集在不一致决策树生成中的应用

现实世界中存在大量不相容数据．基于Rough集的有关理论，提出了一个在决策树生成过程中简单高效的识别、处理不相容数据，生成不一致决策叶节点的方法。并引入决策质量参数来刻画不一致叶节点，从而为利用决策树推理和决策提供更多有用信息．将这些方法结合进ID3算法，使算法对相容和不相容数据均可进行有效地处理．     

不完备信息系统的粗糙集扩充方法

就目前直接处理不完备信息系统的Rough集模型进行了讨论、归纳和总结,介绍了不完备信息系统的Rough集扩充方法,为在不完备信息系统上基于Rough集模型的粒计算研究提供一定的参考.     

多值Rough集的一般化

给出了多值信息系统中的等域关系的定义,讨论了等域关系的性质,进而,给出了将多值Rough集一般化的方法,并将经典Rough集理论和方法的应用范围扩展到了多值的情况。     

一种近似决策规则生成算法及其应用

实际应用中,Rough集理论所推导出的基本决策规则在对新对象进行匹配时,往往会遇到新对象不能被匹配的情况,使得不能对新对象作出有效的决策.为了提高规则对新对象的匹配能力,提出了一个更有效的近似决策规则生成算法,并将其应用于基于Rough集理论的垃圾邮件过滤模型中.实验结果表明,该算法所产生的近似决策规则能够有效地提高规则对新邮件的匹配能力,以及对邮件的过滤性能,因此该算法是可行的.     

Rough集查询算法在分布式数据库中的应用

在分布式数据库技术和模糊集理论的基础上,应用作为数据挖掘的新方法的Rough集理论,针对分布式数据库的复杂查询处理问题,构建一种基于Rough集的分布式数据库系统,设计出Rough集上的查询算法,不仅极大地降低了信息查询的时间复杂性,而且提高了信息查准率,又兼顾了查全率,从而可以更准确迅速地查到所需要的信息,为信息查询和科技查新提供决策支持。     

覆盖Rough集及其隶属函数

从覆盖的角度重新定义了Rough集，并用一种新的，从领域的角度重新定义了隶属函数，得到了与Pawlak与Rough集隶属函数的一些不同的性质，而且隶属函数的意义也与Pawlak的Rough集隶属函数的意义有所不同。     

从Rough集的发展前景看粒计算的研究趋势

论述了Rough集提出的意义、研究背景和发展趋势,分析了Rough集的实质是从一个不可定义的子集中,经等价关系构造出这个集合的上、下近似集,因而使得这个不可定义的集合转变为精确可定义的上、下近似集,从而在不可定义集上处理的问题可移到精确可定义的上、下近似集上去处理,这是Rough集创立的重大贡献.讨论了Rough集应用的广泛性及其在许多方面的应用实例,Rough集的应用,为粒计算研究提供了新思维,促进了粒计算研究崛起.     

Rough集综合评价矩阵及其在风险决策中的应用

综合评价就是对多种因素所影响的事物或现象做出总的评价,即对评价对象的全体,根据所给的条件,给每个对象赋予一个非负实数——评价指标,再据此排序择优．根据Rough集和Bayes理论中的决策规则的确定性因子的涵义及其功能,本文提出了决策规则的条件属性确定性因子的概念,再利用条件属性的综合权重建立了Rough集综合评价矩阵,在风险决策时可以给决策者提供一定的决策依据．     

土木工程结构损伤检测中的神经网络方法

结构损伤检测与识别对结构安全及人们生命财产具有重要意义．近年来结构损伤检测中的神经网络方法受到了广泛的关注和研究．对神经网络方法在结构损伤检测中的研究进行了综合论述．阐述了各类神经网络方法在损伤检测中的应用、输入输出数据的不同类型、结构建模误差对检测效果的影响和分步损伤检测方法等。并对神经网络方法在损伤检测中的发展前景作了展望．     

粗糙集在CBR中的应用研究

在CBR中引入了粗糙集技术，可以有效地进行知识约简，从中发现规则；建立基于粗糙集的案例索引机制；对案例库的精简维护，以及实现集成推理等，极大地提高了案例推理的能力与效率。     

Two Hybrid Methods Based on Rough Set Theory for Network Intrusion Detection

In this paper,we propose two intrusion detection methods which combine rough set theory and Fuzzy C-Means for network intrusion detection.The first step consists of feature selection which is based on rough set theory.The next phase is clustering by using Fuzzy C-Means.Rough set theory is an efficient tool for further reducing redundancy.Fuzzy C-Means allows the objects to belong to several clusters simultaneously,with different degrees of membership.To evaluate the performance of the introduced approaches,we apply them to the international Knowledge Discovery and Data mining intrusion detection dataset.In the experimentations,we compare the performance of two rough set theory based hybrid methods for network intrusion detection.Experimental results illustrate that our algorithms are accurate models for handling complex attack patterns in large network.And these two methods can increase the efficiency and reduce the dataset by looking for overlapping categories.     

基于邻域关系的网络入侵检测特征选择

入侵检测数据集具有数据量大、特征敷众多、连续型数据的特点.粗糙集是一种有效处理不确定性、不一致性、海量数据的有效分类工具,其特点是保持入侵检测数据集的分类能力不变,进行特征选择.为了避免传统粗糙集特征选择方法所必需的离散化过程带来的信息损失,引入邻域粗糙集模型,提出基于邻域关系的网络入侵检测数据特征选择方法.该方法从所有特征出发,根据特征重要度逐步删除冗余的特征,最后得到关键特征组进行分类研究.在CUP99入侵检测数据集上进行特征选择,并进行了分类实验,实验结果表明该方法是有效可行的.     

高耸塔架结构节点损伤的一步诊断法

针对高耸钢塔架结构的损伤特点，建立了具有节点损伤的有限元模型，提出了一种基于模糊模式识别方法的一步诊断法，运用模糊模式识别理论对具体损伤节点位置和程度进行诊断。通过对一塔架结构的数值仿真分析，表明所提出的损伤诊断方法的结果是令人满意的，具有实际应用价值。     

传感器布置及结构损伤识别的优化方法

假设测试噪音空间非均匀分布的情况,研究了传感器最优布置问题,提出了针对结构损伤识别的传感器最优布置方法。基于结构损伤演化过程的物理特征,将结构损伤识别问题等价为一个优化问题进行求解,通过采用同步优化策略,避免了结构动力特征方程的求解和动力参数灵敏度的计算。算例分析表明,根据传感器布置方案获得的测试数据以及同步优化模式,能够准确高效地得到存在噪音下的结构损伤位置和损伤程度等损伤识别结果。     

Sensor placement for structural damage detection with modal data

A new method is presented for prioritizing sensor locations for structural health monitoring (SHM). In view of the needs of SHM and damage detection,sensor locations are optimized for the purpose of both sensitivity for local damages and independence of the target mode. However,the two different optimization criterions lead to an inconsistency of the optimal result. Considering the structural response changes that result from damage,the relationship between the structural response and damage is deduced from the structural motion equation by a quasi-analytical mode. Based on the harmony between damage identifiability and mode observability,an object function is set up,including the information of mode independence and damage sensitivity. Utilizing the technique of singular value decomposition,an interior algorithm for the optimum sensor placement is proposed with the multiple objective criterions of minimizing the condition number of coefficient matrix and maximizing the fisher information matrix. A numerical example shows that this approach can effectively avoid the contradiction between the two different optimization criterions. Comparing with the result of single object,the result of damage detection from the optical sensor locations is much more accurate.     

基于粗糙集和支持向量机的空间结构健康监测

目的 为了改进现有损伤诊断方法的不足，降低结构健康监测的成本并提高其准确性和分析速度．方法 基于小波包分解技术、粗糙集特征约简和支持向量机强大的分类功能，提出了一种空间结构损伤诊断方法，并以此为基础建立了空间结构的健康监测系统框架．利用有限元模拟，应用该方法对一单层球面网壳结构进行了损伤诊断．结果 由小波包分解得到的特征向量能够敏感地反映构件的损伤，经过学习的支持向量机基本可以正确地识别出空间结构杆件的损伤位置和程度．结论 经过粗糙集约简的损伤诊断同样有效并提高了计算速度．该方法具有面向工程实际应用、成本低和分析简便等特点。     

基于灵敏度分析的弧门主框架多损伤检测方法

以频率作为弧形闸门主框架结构多损伤识别的主要动力参数,基于灵敏度分析方法,建立结构损伤位置及程度与结构多阶固有频率的关系矩阵,并根据此矩阵和实测频率的变化情况反解出结构的损伤位置与程度。为了反映结构不同位置的损伤对频率的影响,同时减小方程的未知量个数,给出了弧门主框架频率与损伤位置和程度的灵敏度关系图。计算结果表明：基于灵敏度分析的结构多损伤检测方法可识别弧形闸门主框架多位置发生损伤的情况,可为水工结构动力检测与损伤评估提供技术参考。     

结构损伤存在检测的两种神经网络的比较研究

目前采用的新奇检测方法——自联想记忆神经网络方法,当所用的测试数据具有不同噪声水平或为非正态分布时,会得出错误的结果．为此,提出了一种新的方法——统计神经网络方法,用于结构的损伤存在检测,并用“可能性”来描述结构损伤的存在．通过一个两层框架的数值模拟和一个简支梁的实验数据进行对比性研究表明,统计神经网络可以用来检测结构的损伤存在,具有比自联想记忆神经网络更好的检测效果．