共查询到10条相似文献,搜索用时 31 毫秒
1.
由于规则调度简单、实用,而被管理和工程技术人员广泛使用.规则调度所面临的问题是如何快速获取有效的调度规则以建立起专家系统知识库.把变精度粗集应用于生产调度中,在历史调度数据中发现成功的调度规则解决了生产调度中的规则获取难题.对调度中存在的多决策属性并存的决策表分解问题,提出了有因果关系决策属性的决策表分解方法,描述了基于粗集的生产调度规则获取过程及其应用实例. 相似文献
2.
王志明 《湖南工业大学学报》2007,21(2):79-83
提出了一种基于rough set和neural network的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简,然后使用神经网络对数据进行学习,并同时完成属性的不一致约简,最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明,该方法快速有效,生成规则简单准确,具有良好的鲁棒性。 相似文献
3.
基于粗集的几种属性约简算法分析 总被引:12,自引:0,他引:12
陈淑珍 《武汉工业学院学报》2005,24(3):118-120,124
研究了粗集理论中基于差别矩阵、属性依赖度、条件信息熵、遗传算法的几种属性约简算法,分析了各种算法和原理,指出了优缺点,对以后的研究方向提出了建议。 相似文献
4.
凌方 《南京工业职业技术学院学报》2007,7(2):32-35
在对粗集及其相关理论的研究基础上,给出了一种基于推广粗集模型和信息熵的规则不确定性量度及其相关定理的证明,同时在此基础上还提出了一种规则噪音处理方法,实验结果证明该不确定性量度适用于评价从有噪音数据中提取的规则。 相似文献
5.
基于变精度粗集的生产调度规则获取 总被引:2,自引:0,他引:2
由于规则调度简单、实用,而被管理和工程技术人员广泛使用.规则调度所面临的问题是如何快速获取有效的调度规则以建立起专家系统知识库.把变精度粗集应用于生产调度中,在历史调度数据中发现成功的调度规则解决了生产调度中的规则获取难题.对调度中存在的多决策属性并存的决策表分解问题,提出了有因果关系决策属性的决策表分解方法,描述了基于粗集的生产调度规则获取过程及其应用实例 相似文献
6.
以信息增益作为属性重要性的度量方法,提出了一种基于信息增益的属性约简算法.该算法总是优先考虑对于决策更为重要的属性,用条件属性对决策属性的信息增益作为条件属性的属性重要性度量,并以此度量作为启发式信息,算法从空集开始逐步将重要的属性加入到选择属性集,直到决策表达到一致分类时结束.并通过实例分析验证了该算法能有效地对属性进行约简,同时可以得到简单规则集. 相似文献
7.
针对小电流接地系统中单相接地故障选线困难的问题,提出了一种基于粗集理论的故障选线新方法.在分析小电流接地系统线路零序电流故障特征的基础上,将基于粗集理论的信息融合技术引入故障选线系统.将利用小波分析方法、零序有功分量方法和五次谐波方法提取的故障特征作为条件属性,线路的故障状态作为决策属性.通过对信息系统的约简,得到最小决策规则,该规则即可实现故障选线.仿真结果表明,该方法正确、有效. 相似文献
8.
针对小电流接地系统中单相接地故障选线困难的问题,提出了一种基于粗集理论的故障选线新方法.在分析小电流接地系统线路零序电流故障特征的基础上,将基于粗集理论的信息融合技术引入故障选线系统.将利用小波分析方法、零序有功分量方法和五次谐波方法提取的故障特征作为条件属性,线路的故障状态作为决策属性.通过对信息系统的约简,得到最小决策规则,该规则即可实现故障选线.仿真结果表明,该方法正确、有效. 相似文献
9.
基于信息增益的属性约简算法 总被引:1,自引:0,他引:1
以信息增益作为属性重要性的度量方法,提出了一种基于信息增益的属性约简算法.该算法总是优先考虑对于决策更为重要的属性,用条件属性对决策属性的信息增益作为条件属性的属性重要性度量,并以此度量作为启发式信息,算法从空集开始逐步将重要的属性加入到选择属性集,直到决策表达到一致分类时结束.并通过实例分析验证了该算法能有效地对属性进行约简,同时可以得到简单规则集. 相似文献
10.
汤秀华 《四川轻化工学院学报》2003,16(3):5-8
丁二烯萃取精馏过程中,副产品抽余液(BBR)的质量(丁二烯含量)和很多工艺参数有关,工艺参数之间又是相互关联、耦合的,并具有噪声。应用粗集方法将这些工艺数据进行压缩和抽提,解决了工艺参数间的相关问题,同时去掉了一些信息量不大,并带来噪声的成分。用模糊C均值聚类算法将训练集分成具有不同聚类中心的子集,每一子集用径向基函数(RBF)网络进行训练来获得子模型,然后用模糊聚类产生的隶属度将各子模型的输出加权求和得到BBR中顺丁烯的含量,由顺丁烯的含量来估计丁二烯含量。结果表明,这种软测量算法具有较好的建模效果,由于采取了数据分组训练,大大节省了建模的训练时间,比单纯的基于神经网络的方法要快得多。 相似文献