基于粗糙集神经网络的网络安全态势评估方法

为克服多源数据融合中存在信息高维、冗余和噪音等大量不确定性因素给网络安全态势评估带来的复杂影响,提出一种基于粗糙集神经网络的网络安全态势评估方法。该方法既利用粗糙集理论在机械学习、处理冗余信息和特征提取等方面的能力,又结合神经网络处理噪音和任意逼近能力构造出由指标层、离散层、规则层、决策层组成的态势评估模型,并与BP神经网络方法进行对比研究。仿真实验结果表明,所提方法偏差较少,更能客观、准确地分析网络安全状况。     

基于粗糙集的故障诊断方法

利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识，从信息熵的角度分析系统知识不确定性的变化，提出了一种基于粗糙集理论的故障诊断新方法，研究了粗糙集理论在故障诊断中的适用性，在前向推理和反向推理的基础上，给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤，讨论了这种故障诊断方法的诊断性能及其在计算上的复杂度。通过这种方法能够进行故障的寻找和定位，实例分析的结果说明了利用粗糙集进行知识发现及建立智能故障诊断系统的可行件和有效件。     

基于LabVIEW的数据存储及报表设计方法

大型旋转机组状态检测及故障诊断系统除了要求设计美观的软件组太界面，同时也要求保存大量的数据及输出报表。使用图形化开发环境LabVIEW能够高效快捷的开发虚拟仪器软件系统，但用其进行大容量监测数据的管理及输出报表存在一定难度。因此提出了一种在LabVIEW环境下，通过使用ADO技术实现对数据库的操作，完成数据的存储及管理，以及使用ActiveX技术生成Excel数据报表的方法。     

基于粗糙集的属性约简算法

针对Rough Sets理论的属性约简进行了研究.引入了决策属性集相对于条件属性集的条件信息量的概念,证明了条件信息量在属性约简过程中的变化规律是单调递减的,并利用其计算属性集中属性间的相关性,其平均值最小的属性集即为最后属性约简的结果,由此,提出了一种新的基于信息量的属性约简算法.     

基于蚁群算法的粗糙集属性约简方法

利用蚁群算法的搜索技术,提出了一种基于蚁群算法的粗糙集属性约简方法。该算法将核引入初始信息素分布中,以加快算法的收敛。同时为提高全局搜索能力,根据蚂蚁在搜索过程中所得解的分布状况动态地调解蚂蚁的路径策略和信息量更新策略。实验证明该算法是有效的,具有较好的收敛速度和稳定性。     

基于VB动态报表的制作

利用VB开发“动态报表“,重点叙述“动态报表“的设计技巧和可视化编程技巧.详细介绍了Data Report和collection对象实现动态报表的方法以及综合运用报表设计器和集合的知识设计动态报表程序.     

一种基于JSP的报表设计方法

结合中国焦化行业协会开发网直报系统的实际,提出了一种利用JSP技术开发报表系统的新方法。利用HTML＋CSS实现页面的完美布局,节省了资源。在结合JDBC技术的同时,利用JavaBean对报表中指标项进行添加、更改、删除等控制,在对数据库的动态链,实现了一个可定期维护指标项目的动态报表。     

基于粗糙集的支持向量聚类方法

针对支持向量聚类(Support Vector Clustering,SVC)的软核,引入了粗糙集的理论。通过粗糙集的上下边界,对SVC算法的核函数进行改进。通过聚类过程,算法不仅可以有效处理边界点,发现任意形状的软聚类集,还可以通过交互参数调整,控制结果的软边界。基于粗糙集的SVC解决了不确定边界的归类问题,而不需要额外的计算开销。实验结果表明算法能有效地处理软边界,同时也证实了算法的正确性。     

基于粗糙集的生产环境数据挖掘系统方法

针对粗糙集确定性模型缺乏处理不确定信息的特点，Z．Pawlak等提出了粗糙集的概率模型，但该模型没有包括如何处理生产数据集纷繁复杂数据的方法，因此提出了应用粗糙集于生产环境数据挖掘的一种系统方法，并应用UCI的数据集对该方法进行了检验，实验结果体现了它的性能与有效性。     

基于模糊粗糙集依赖度的两步属性约简方法

为获取连续属性值数据集的最小属性子集,提出了一种两步约简方法.该方法以模糊粗糙集模型为基础,将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展,使其能对条件属性之间的依赖关系进行度量,利用属性与类别之间的依赖度选出候选属性集,然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简.仿真结果表明,该方法在有效降低属性维数的同时一定程度上保证了分类正确率.     

一种基于粗集的模糊系统设计方法

利用粗糙集理论可以高效地进行属性约简和规则提取,并且在规则提取过程中能自动的生成各规则的强度,针对模糊系统设计过程中输入变量的约简、模糊规则难以提取等问题,将粗糙集理论与模糊集理论相结合,提出了一种基于粗集设计模糊系统的方法,并给出了具体的设计过程;最后给出了该设计方法的应用,结果表明了该设计方法的有效性．     

基于粗糙集理论的模糊神经网络建模方法

采用基于粗糙集的模糊神经网络模型,将粗糙集理论与模糊神经网络相结合,通过利用粗糙集理论中的约简的计算方法,从样本数据中获取精简的规则,再根据这些规则构造模糊神经网络各层的神经元个数,克服了当输入维数高时,模糊神经网络的结构过于庞大的缺点,从而使网络模型结构最简.并采用误差反向传播算法(BP算法)来训练该新型网络中的权值参数及隶属函数的中心值和宽度,仿真结果验证了该模型的优越性.     

一种基于粗集的模糊系统设计方法

利用粗糙集理论可以高效地进行属性约简和规则提取，并且在规则提取过程中能自动的生成各规则的强度，针对模糊系统设计过程中输入变量的约简、模糊规则难以提取等问题，将粗糙集理论与模糊集理论相结合，提出了一种基于粗集设计模糊系统的方法，并给出了具体的设计过程；最后给出了该设计方法的应用，结果表明了该设计方法的有效性．     

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。     

Word sense disambiguation based on rough set

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｔａｓｋｏｆｗｏｒｄｓｅｎｓｅｄｉｓａｍｂｉｇｕａｔｉｏｎｉｓｔｏａｓｓｉｇｎａｓｅｎｓｅｏｆａｐｏｌｙｓｅｍｏｕｓｗｏｒｄｔｏａｓｐｅｃｉｆｉｃｃｏｎｔｅｘｔ.Ｉｔｉｓｊｕｓｔａｐｉｅｃｅｏｆｃａｋｅｆｏｒｍｏｓｔｏｆｕｓ .Ｂｕｔｅｖｅｎｎｏｗａｄａｙｓ,ｔｈｉｓｔａｓｋｉｓｔｏｏｈａｒｄｆｏｒａｃｏｍｐｕｔｅｒｔｏｆｉｎｄａｎａｐｐｌｉｅｄｍｅｔｈｏｄｆｏｒｒｅａｌａｐｐｌｉｃａｔｉｏｎｓ.Ｉｔｉｓｎｏｗａｎｄｅｒｔｈａｔｓｏｍｅｒｅｓｅａｒｃｈｅｒｓｎａｍｅｄ…     

基于粗糙集-贝叶斯方法的分布式电网故障诊断

针对实际的电网故障诊断中常存在的冗余和不确定性信息这一问题,基于智能互补融合的思想,将粗糙集和贝叶斯有机结合在一起,并鉴于传统的人工智能在大电网故障诊断应用中存在的局限性而采用分布式数据挖掘的思想,提出了一种基于粗糙集-贝叶斯的分布式电网故障诊断方法。该方法首先把大电网分割成给定数目的局部电网,然后利用粗糙集对各个局部电网分别建立决策表并进行约简,最后利用粗糙集-贝叶斯方法进行局部电网内部及局部电网之间的联络线的规则提取形成全局规则库,并根据实时报警信息进行规则匹配得到诊断结果。经电网故障诊断算例分析表明,该算法正确、有效,速度快,容错性好。     

基于粗集功效系数法的青岛地铁围岩稳定性研究

基于功效系数法的基本原理,在综合考虑青岛地铁实际地质情况的基础上,选取岩石抗压强度、完整系数、软化系数、结构面性态、地下水作为围岩稳定性的评价因素,并采用粗糙集理论确定各指标权重,建立了基于粗集功效系数法的地铁围岩稳定性评价模型。研究表明,稳定性分析结果与实际开挖情况相吻合,运用粗集功效系数法对青岛地铁进行围岩稳定性分析是可行的,为围岩稳定性分析提供一种新思路。     

一种多粒度覆盖粗糙集模型

多粒度粗糙集是粗糙集模型在多粒度及分布式环境中的一种重要的拓展形式,其主要思想是采用一族而非一个粒空间中的知识来对目标进行粗糙逼近。将多粒度的思想引人覆盖粗糙集模型中,采用一族而非单个的覆盖,提出了一种多粒度覆盖粗糙集模型。     

基于粗糙集理论的多传感器信息融合

利用粗糙集理论的属性约简、值约简、核和不完备信息系统等概念来进行多传感器信息的融合,除了传感器测量的数据之外,无需任何额外的信息.针对完备信息系统和不完备信息系统分别提出了相应的融合算法,为解决传感器数据超载以及不完整传感器信息融合提供了有效的方法.