粗糙集理论中基于属性重要性的离散化方法

连续属性离散化一直是机器学习领域中亟待解决的关键问题之一。目前已有许多离散化方法,存在的主要问题是断点集的选取带有很大的主观性,导致大多数的离散化算法难以得到较满意的离散效果。分析了当前研究中常用的离散化方法,提出了一种基于属性重要性的离散化方法,利用遗传算法,把最小断点集作为优化目标,利用遗传算法,以属性重要性构造适应度函数,保证了原决策系统的不可分辨关系,避免了决策表信息的损失,所得结果相对来说比较客观。     

基于变精度粗糙集模型的属性约简方法研究

提出了一种对存在噪声和不完整数据的决策系统在变精度粗糙集模型下进行属性最小相对约简的方法,将由属性对分类的影响程度和β近似精度共同定义的属性重要性度量作为启发式信息引入遗传算法,通过修正操作算子修复个体,使得个体所对应的属性子集的分类能力不变;修正操作算子中对各属性的属性重要性使用贪心策略进行局部寻优.对遗传算法的各操作算子进行优化,既保证遗传操作过程中种群的多样性,又保证算法能快速收敛.最后通过实例验证了算法的有效性.     

遗传算法信息熵结合属性约简算法研究

为了获得决策系统中属性最小相对约简,将信息论角度定义的属性重要性度量作为启发式信息引入遗传算法,提出了一种启发式遗传算法,通过构造一个新的算子来引入启发式信息,使得选择的属性子集的分类能力不变.该算子体现了一种利用启发式信息的局部搜索技术,使得算法既保持整体优化特性,又具有较快的收敛速度,从理论上对算法作了分析,对新算子所能选择属性子集的分类能力不变作了证明,最后的实例表明,该算法能有效地对决策系统进行最大程度的约简.     

粗糙集理论中一种属性离散化算法

针对定量属性离散化制约粗糙集理论应用这一关键问题，利用分级聚类法和粗糙集理论中依赖度的概念，提出了一种对决策系统中条件属性进行离散化的增类减类算法，实现了决策系统的属性约简。该算法易于理解，计算简单，以实例说明了算法的合理性和有效性。     

基于计算智能技术融合的故障识别方法

为了提高复杂系统故障识别的精度和降低误报率,利用粗糙集理论、遗传算法、神经网络等计算智能方法的优势,提出一种基于计算智能技术融合的故障识别方法.针对原始样本数据的不确定性和不完备性,利用粗糙集对原始样本数据进行数据归一化、离散化、属性约简等预处理,求得能够覆盖原始数据特征的具有最大完备度的最小规则集.利用具有全局搜索能力的遗传算法直接训练反向传播神经网络的权值,将规则集作为网络输入,形成优化网络模型.采用该模型对预处理的各种状态故障特征向量进行分类决策,实现故障识别.通过电机轴承故障识别实验表明,该方法能够优化网络结构,提高故障识别速度和准确率.     

一种基于互信息增益率的新属性约简算法

为了获得决策系统中更好的相对属性约简，提出了一种基于互信息增益率的属性约简算法.该算法考虑了所选择条件属性与决策属性的互信息，还考虑了所选择属性的值的分布情况，从信息论角度定义了基于互信息增益率的属性重要性度量方法，并以此度量为启发式信息，算法从空集开始逐步将最重要的条件属性加入到选择属性集，直到所选择的条件属性集与决策属性集的互信息等于整个条件属性集与决策属性集的互信息时，算法停止.结果表明，算法能更有效地对决策系统进行约简，同时约简后的对象数目较少.     

几何约束多解问题

针对几何约束求解的多解性问题,将约束分成两个集合:原约束集合和增加的额外约束集合。用求解器求解出全部解后,利用提出的混合遗传蚂蚁算法,搜索全部解空间,在算法的初始阶段采用遗传算法,产生信息素的初始分布;在算法的后期采用蚂蚁算法。由于在遗传算法中使用随机的种群,不仅提高了蚂蚁算法的速度,而且在求解时能避免陷入局部最优解。通过启发式搜索算法使增加的额外约束得到最大化满足,从而寻找到符合用户意图的解。     

粗糙集中离散化算法的研究

对目前粗糙集的离散化算法进行了分类讨论,重点分析了基于信息熵的离散化算法的理论基础以及实现步骤,并就该算法对于同一属性在不同样本数据集上的应用情况进行了分析.实验表明,该算法对于部分属性具有数据敏感性,当选择这些属性作为依据时会影响系统的决策能力.     

一种新的基于粗糙集理论的决策表离散化算法

主要研究了粗糙集理论在决策表离散化中的应用,提出了一种新的基于粗糙集理论的决策表离散化算法．该算法是一种基于决策表属性重要性的算法,首先使用条件属性与决策属性的互信息来度量条件属性的重要性,并据此对条件属性按照重要性由小到大排序,然后按排序后的顺序,考察每个条件属性的所有断点,将冗余的断点去掉,从而将条件属性离散化．     

粗糙集与遗传算法的虚拟企业伙伴选择

针对虚拟企业伙伴选择过程中传统的属性权重设计方法过多依赖于主观经验的缺点,虚拟企业伙伴选择过程中决策因素多、信息量大、候选投标伙伴数量多等问题,提出一个基于粗糙集和自适应遗传算法的虚拟企业伙伴选择算法.利用粗糙集的知识熵,为潜在伙伴企业的样本数据集建立决策系统,使得在不需要任何先验知识的前提下,得到客观的评价指标的权值.同时,该算法将自适应遗传算法运用于最优伙伴的选择模型中.通过将该算法与标准遗传算法的实验结果对比,证实了该算法的可行性和有效性.     

基于描述逻辑的模糊软集参数转换算法

通过应用模糊描述逻辑FALC (fuzzy attribute language and complement)表示问题领域和模糊软集参数知识,丰富模糊软集参数的语义;利用描述逻辑的推理能力,通过设计模糊软集转化算法,将原始模糊软集转化为符合查询决策参数语义的模糊软集,提高了模糊软集决策支持能力.     

离散变量刚架结构拓扑优化设计的一种新方法

以刚架结构为研究对象，提出一种遗传算法和拟满应力算法相结合的杂交算法，来解决离散变量结构拓扑优化设计问题。利用遗传算法进行刚架结构拓扑优化，用拟满应力算法进行截面优化，可充分发挥两种算法各自的优势，从而加快搜索进程。拓扑优化过程中，在对刚架结构受力分析的基础上，设计了一些启发式技术，使得遗传算法的初始种群中含有足够数量的可行个体，同时对遗传操作过程做了一些改进，从而有效地提高了遗传算法求解的效率和质量。     

基于遗传蚁群算法的机器人全局路径规划研究

蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法,它的正反馈性和协同性使其可用于分布式系统,隐含的并行性更使其具有极强的发展潜力,它在解决组合优化问题上有着良好的适应性。因此将其应用到智能机器人全局路径规划中,其目的是探索一种新的路径寻优算法.在基于栅格划分的环境中,研究了机器人路径规划问题中蚁群系统的"外激素"表示及更新方式,并将遗传算法的交叉操作结合到蚁群系统的路径寻优过程中,提高了蚁群系统的路径寻优能力,为蚁群算法的应用提供了一种新的探索.     

基于决策规则的属性约简算法

属性约简是粗糙集的核心问题之一。本文基于决策规则给出属性约简相关结论和属性重要性,提出启发式约简算法,引入黄金分割法思想,提高算法效率,并以实例验证算法有效性和正确性。     

一种基于佳点集的类电磁机制算法

提出了一种改进的类电磁机制算法——基于佳点集的类电磁机制算法.该算法运用数论中的佳点集理论构造初始种群;改进了局部搜索算法;运用改造后的公式计算粒子之间的作用力;设计了一种自适应移动算子来更新粒子.实验结果表明,改进后的算法能更快、更精确地收敛于问题的全局最优值.     

基于信息熵的属性约简算法的研究与实现

属性约简是粗糙集理论研究的重要内容之一,是在保持信息系统分类能力不变的基础上,删除冗余属性.为了获得决策系统中属性最小相对约简,本文将信息论应用于决策信息系统属性约简中,与遗传算法相结合,并采用加权平均的属性重要度和知识量作为启发式信息指导约简,提出了一种改进的基于核子集的属性约简算法.     

一种基于分组遗传算法的聚类新方法

为提高聚类效果,提出了一种基于分组遗传算法的聚类新方法。以改进的分组编码方式表示种群中的个体并基于此制定了合理的种群初始化方案,采用改进的遗传操作算子和种群更新规则,利用遗传算法高效的全局搜索能力实现聚类。通过非线性排序选择机制和精英保留策略提高了遗传进化的稳定性;引入同类并行交叉和合并分割变异算子提高了算法运行效率,增强了全局寻优能力。实验结果表明,该聚类新算法能够自动获得最优聚类数和最优划分方案,具有良好的性能和聚类效果。     

不完备信息条件下地下管线震害预测的粗糙集方法

为有效解决城市抗震防灾规划中信息资料不完备的地下管线震害预测问题,首先,采用ROUSTIDA算法对地下管线决策信息表进行补齐;其次,采用改进的贪心算法进行决策表离散化,利用基于信息熵的启发式算法进行属性约简,抽取评价知识,形成规则,并根据规则库进行地下管线震害预测分析;最后,以泉州市地下管线实际情况为例进行分析,并将该模型预测结果与地下管线震害分析的理论法计算结果对比分析,识别准确率达到90%,说明了所提方法的有效性和可行性.     

粗糙集在数据挖掘分类规则中的应用研究

数据集中的冗余性会降低数据挖掘结果的解释能力和精度，介绍了数据集中挖掘分类规则的基本原则，并利用粗糙集理论中核及决策类覆盖的概念，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，并简化带有不同相容规则的决策系统的数据挖掘算法，并应用一简单的例子说明如何在数据库中发现分类规则。     

基于遗传算法的广义预测PID控制及其在锅炉主汽温系统中的应用

针对超超临界机组的主汽温控制,提出了一种广义预测PID控制方法,该方法采用改进遗传算法对PID控制器参数进行在线优化.采用了一种基于广义预测控制性能指标的遗传算法寻优思路,建立了主、副回路PID参数优化模型;在选择、交叉和变异算子方面,初始种群设计方面和交叉、变异概率调整方面对遗传算法进行了改进.最后对广东潮州电厂某锅炉现场连续运行的历史数据进行了控制仿真,结果表明采用基于改进遗传算法的预测PID控制策略后,系统在动、静态特性和变负荷能力上均比常规串级系统效果更好.