一种能处理定性参数输入的推广模糊神经网络软测量建模方法

针对生产过程中存在多种类属型数据和混合型数据,而大多数软测量方法只能处理数值型数据的问题,提出了一种基于粗糙集方法的推广模糊神经网络软测量建模方法,该方法既可以接受定量参数输入,也可以接受定性参数输入.首先建立模糊-清晰混合规则的定义,对具有混合类型属性的样本集进行离散化处理后,利用粗糙集的约简算法进行规则提取,获得最小决策集.由得到的混合决策规则构建推广模糊神经网络,使用样本集训练网络参数.最后将该方法应用于蒸发器的污垢热阻值估计,取得了良好的效果.     

分布式RBF神经网络及其在软测量方面的应用*

本文首先改进了竞争学习算法，并且在此基础上提出了递阶聚类的思想，然后利用这种思想得到了一种分布式ＲＢＦ（Ｒａｄｉａｌ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ）神经网络。文章最后将这种网络应用于建立精馏塔成分估计的软测量模型。利用精馏塔的现场操作数据进行仿真，效果很好。     

软模糊粗糙集

软集理论是1999年Molodtsov为了克服传统数学在处理不确定性问题时所遇到的困难而提出的一种新的数学工具。将软集理论与Z.Pawlak粗糙集结合起来,提出了软模糊粗糙集和软模糊粗糙群及它们的同态的概念,讨论了它们相关的性质。     

基于模糊神经网络骨素pH值软测量

针对明胶中和工序骨素人工检测pH值严重滞后的问题,提出了模糊神经网络pH值软测量方法。确定与骨素pH值最相关影响因素,结合模糊C均值聚类和BP算法对模型结构及参数辨识,在matlab环境下进行仿真,仿真结果表明,模糊神经网络模型具有很好的学习能力和泛化能力,能大大提高测量的精度,可实现在线检测骨素pH。     

模糊粗糙集在污水处理过程中的应用

污水处理过程是个典型的多变量、非线性、具有强外部干扰的复杂工业过程。因此,如何进行污水处理工艺过程的故障诊断成为一个研究课题。本文结合基于模糊粗糙集的属性选择方法及支持向量机分类机理．提出一种新的故障诊断方法。首先使用基于粗糙集的属性选择（FR-FS）对过程特征变量进行约简,去除数据中的噪声,并降低过程数据的维数,获得具有代表性的过程特征信息．同时充分利用SVM的良好推广性能．提高了预测分类精度。最后将改故障诊断方法应用于广州沥浯污水处理厂．仿真结果表明了该方法的优越性。     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论。     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论：     

BFGS-GA优化的RBF网络在动态流量软测量中的应用

在液压伺服系统动态流量软测量模型核心算法的研究中,综合考虑G-A(GeneticAlgorithm)和BFGS(Broyden-Flelcber-Goldfarb-Shanno)算法在最优化问题上的优势和不足,提出BFGS-GA.在GA中引入BFGS算子,对每一代中若干个精英个体以一定概率对其进行BFGS线性迭代运算.采用BFGS-GA对实数编码的染色体进行优化,得到最优的RBF(Radial Basis Func-tion)网络结构和参数.实验结果表明该算法比传统GA优化网络的速度提高16.09%,预测精度提高2.99%,能更好地满足动态流量软测量的要求.     

时序犹豫模糊软集及其在决策中的应用

针对犹豫模糊软集的信息随着时间动态变化的情形,引入时间参数,将犹豫模糊软集推广为时序犹豫模糊软集。基于时序犹豫模糊软集的概念,定义了其基本的运算法则,分析对应的运算结果并讨论其运算性质。给出了时序犹豫模糊软集的一种决策方法,并通过实例表明了该方法的有效性与可行性。     

基于神经网络的污水处理软测量模型研究应用

以某大型集成式小区污水处理为背景,为保证回用出水达标,需对排放污水进行检测.以出水总氮为主要检测指标,提出了基于遗传算法联合径向基函数神经网络的软测量模型,利用已知的进水数据来预测出水总氮.通过模型仿真结果表明,预测值和实测值能较好地吻合.     

基于粗糙集理论的粒度计算研究及其应用

经典的粗糙集理论提出知识是有粒度的,但它没有量化信息粒度所表示的信息量.本文定义了知识粒数,知识粒的微粒数,平均微粒数,近1系数,知识粒度的概念;提出了知识粒度的量化计算方法;提出了一种基于知识粒度的属性约简算法以避免选择约简子集的盲目性:给出了时间复杂度证明;通过海上交通事故的决策实例证明所提出的粒度计算方法是可行有效的.     

Rough集理论与粒计算

近年来，粗糙集理论以其独特的优势在诸多科研领域取得了不俗的表现。在信息处理过程中，统计学方法需要知道数据的概率分布情况，模糊集的方法需要事先给定隶属度函数，而粗集理论不依赖于这些先验知识，利用上、下近似集这两个概念来描述不精确、不一致信息。本质上粗糙集理论是一种粒计算的模型框架。本文主要讨论粗糙集理论的基本概念、扩展模型以及未来的挑战。此外，对于与粒计算的相关概念以及它们在未来发展中的趋势、面临的主要问题本文也有所涉及。     

Rough集理论与粒计算

近年来,粗糙集理论以其独特的优势在诸多科研领域取得了不俗的表现。在信息处理过程中,统计学方法需要知道数据的概率分布情况,模糊集的方法需要事先给定隶属度函数,而粗集理论不依赖于这些先验知识,利用上、下近似集这两个概念来描述不精确、不一致信息。本质上粗糙集理论是一种粒计算的模型框架。本文主要讨论粗糙集理论的基本概念、扩展模型以及未来的挑战。此外,对于与粒计算的相关概念以及它们在未来发展中的趋势、面临的主要问题本文也有所涉及。     

粗糙集理论及其应用与发展研究

粗糙集理论是一种研究不精确、不确定性、处理不完备知识的数学工具,目前被广泛应用于人工智能、模式识别、机器学习、决策支持和数据挖掘等领域。该文通过介绍粗糙集理论及特点,叙述了粗糙集理论在各领域的应用发展情况,并且展望了其未来发展趋势。     

粗糙集理论及其应用与发展研究

粗糙集理论是一种研究不精确、不确定性、处理不完备知识的数学工具,目前被广泛应用于人工智能、模式识别、机器学习、决策支持和数据挖掘等领域。该文通过介绍粗糙集理论及特点,叙述了粗糙集理论在各领域的应用发展情况,并且展望了其未来发展趋势。     

新型软粗糙集:软粗糙半群

为进一步简化处理不确定性问题的方法,在半群上研究了一种新型的软粗糙集(MSR-半群)。首先,基于软集、粗糙集和半群的一些基本理论,对它们之间的关系进行深入研究,并讨论了软粗糙集的运算和基本性质;接着,为了进一步了解软逼近空间,应用了下软粗糙逼近和上软粗糙逼近的概念;同时,在半群上提出了两种特殊软集即G-软集和GG-软集的概念,对其做相应的运算,并给出实例进行了证明;接着,对MSR-逼近空间的粗糙性进行讨论,提出了MSR-半群的概念,并且研究了上MSR-半群和下MSR-半群的基本特征;最后,通过实例进行比较分析,说明了软粗糙半群的研究价值。     

移动计算中基于Rough Set的时间序列研究与应用

提出了基于Rough Set在移动计算环境中进行数据挖掘的系统模型，给出了进行数据挖掘的具体算法，介绍了由实时时态信息系统转换为时态信息系统的平均时间间隔方法，以及由时态信息系统转换为传统信息系统的增量分析方法，最后给出了实例和应用结果.     

粗糙集理论在字符识别中的应用

介绍了粗糙集理论在字符识别中的应用，首先叙述了粗糙集理论的相关内容，并讨论了粗糙集中的概念和方法与字符识别的关系，然后介绍了几个常用的粗糙集在字符识别中应用的算法并给出了例子。     

粗糙集理论的研究与应用

对粗糙集的基本理论进行了讲解,同时给出了基于加权平均和频度的双向选择约简算法。     

普适计算认证过程基于粗糙集的隐私保护策略

在普适计算环境中,用户要获得需要的服务,需要向对应的服务提供商提供一定的认证信息,而这些认证信息中往往包含有用户不希望泄漏的隐私信息。为了对这些隐私信息进行保护,本文提出了认证过程中基于粗糙集的隐私保护策略：用户将认证信息扩展成粗糙集提供给服务提供商;服务提供商根据策略从粗糙集中提取用户的真实认证信息对用户请求进行认证。该策略充分利用了粗糙集合的不确定性,能够有效地防止用户隐私泄漏。