基于粗集-神经网格的项目风险分析方法研究

针对国际工程项目生命周期全过程中的各风险因素,给出了风险等级分析的决策表,并运用粗集对风险决策表的各属性和属性值进行约简,找出了引发各等级风险度的主要特征属性;然后结合神经网络模型进行分析,使国际承包商在作风险因素分析时节省了时间,更为快捷地决定投标与否及投标成本。     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出了一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来基于粗集的神经编制 优越性。     

粗集神经网络系统及其应用

讨论了粗集神经网络系统及其在心电图自动识别中的应用。根据识别需要,从MIT心电图数据库获取心电图特征参数,根据粗集理论对属性进行优化,并用BP神经网络进行学习。运用这些特征参数和训练好的BP神经网络对心电图进行分类,识别准确率达到90%。     

基于粗集方法的图像识别系统

提出了基于粗集理论的一种图像识别系统，该系统包括图像预处理，特征提取、决策表生成，条件属性简化等，运用粗集方法，能有效地压缩图像特征数目从而大大提高运行速度。     

基于粗集理论的多因素数据分析

当利用不等重复的、散乱的数据去分析指标与多个因素之间的关系时，粗糙集合的有关理论，引入支持度作为因素和指标之间关联的度量，同时介绍了计算支持度的方法；提出了交互度的概念和计算方法，将其作为几个因素之间的交互效应对指标影响的度量．以农用车为例对其若干因素与性能之间的关联进行分析，说明了该方法实用可行．     

基于粗集方法的一种文字识别

文字识别作为模式识别的一个重要方面,其研究获得广泛重视。本文基于粗集理论的观点,把文字识别问题看作是模式识别中简化知识表态与信息分类处理问题,提出一种新的文字识别方法,这不仅对模式识别中如何提取有用特征是一种新的探索,而且对简化信息处理也是一种新的方法。本文介绍了基于粗集理论的文字知识表达的方法,探讨了模式识别中的特征提取及最小决策算法,并给出一人上文字识别的例子来说明这种有效的方法。     

径流中长期预报的粗集模糊推理-神经网络模型

针对传统径流中长期预报模糊推理法存在的问题,基于粗集理论、模糊推理和神经网络技术,提出了基于粗集模糊推理-神经网络的径流中长期预报模型.通过比较预报因子相关关系系数值大小来选择径流的预报因子;用粗集理论约简径流中长期预报决策表,产生模糊推理规则;用BP神经网络技术学习模糊推理中的有关参数.实例验证,该模型比较客观地确定了预报因子模糊子集的隶属函数的参数,简单可行.     

S-模糊粗集

针对实际生活中人们所涉及的模糊的不确定的知识或概念,依据S-粗集理论,提出了S-模糊粗集,给出了S-模糊粗集的两类形式:单向S-模糊粗集,双向S-模糊粗集,最后介绍了该理论的一个简单应用。     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.     

基于粗集理论和信息熵的规则模型研究

针对粗集规则存在的问题，提出了一种基于信息熵的属性简约算法，该算法以信息熵作为属性约简的标准，充分利用数据所蕴含的统计信息，克服了粗集γ准则对数据噪声的敏感性和不能表达属性间概率因果关系的缺点，理论分析和实例表明，该算法得到的规则集比基于粗集γ准则算法得到的规则集更简练，分类效果总体上也更优、在大多数工业应用中数据往往被各种噪声所污染，属性间也很难找到确定性关系，因此该方法具有比基于粗集准则方法更广泛的适用性。     

基于粗集的决策规则生成方法

本文首先介绍了粗集理论和布尔推理相关概念 ,在此基础上给出了一种根据分辨函数的计算从决策表中生成决策规则的方法     

基于粗集理论的开关电路分析和综合方法

提出一种基于粗集理论的开关分析和综合方法，首先阐明粗集开关电路的功能表的关系，然后介绍开关电路的简化分析，最后提出开关电路的综合方法。     

基于粗集的决策规则生成方法

本文首先介绍了粗集理论和布尔推理相关概念。在此基础上给出了一种根据分辨函数的计算从决策表中生成决策规则的方法。     

变异粗集与它的过滤特性

利用变异粗集的概念，提出了变异粗集粒度、过滤度的概念，讨论了变异粗集（X_（a），X^-（a））与Z．Pawlak粗集（R_（X），R^-（X））的粒度、过滤度的关系特征，给出了变异粗集粒度、过滤度的单调性定理。本文的讨论是对变异粗集理论的丰富与发展.     

基于粗集方法改进的图象中值滤波

研究一个基于粗集理论的图象中值滤波方法。首先根据图象灰度和邻域灰度均值相似程度，建立粗集等价关系和相应划分集合，然后得到基于粗集方法的图象中值滤波框架，给出了该方法具体实现的实例。该图象值滤波与传统中值滤方法相比较，在有效抑制噪声的同时，能更好地保护边缘信息。     

基于粗集和神经网络的建模方法研究

运用粗集理论的不可分辨关系和不可分辨类的概念和归约计算方法，对原始数据进行精简、概略，然后建立神经网络模型和确定各隐层节点之间的连接关系，使得网络从一开始就具有良好的拓扑结构。这种基于粗集理论的神经网络模型和学习算法具有学习速度快、容错能力强等特点。     

基于粗集的规则不确定性量度

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。     

变异粗集与它的过滤特性

利用变异粗集的概念,提出了变异粗集粒度、过滤度的概念,讨论了变异粗集(X-(α),X-(α))与Z.Pawlak粗集(R-(X),R-(X))的粒度、过滤度的关系特征,给出了变异粗集粒度、过滤度的单调性定理.本文的讨论是对变异粗集理论的丰富与发展.     

S-变精度粗集

针对属性间无函数或不确定关系的动态数据分类问题,依据S-粗集理论,提出了S-变精度粗集,给出了S-变精度粗集的两类形式：单向S-变精度粗集,双向S-变精度粗集,最后介绍了该理论的一个简单应用。     

基于形态学膨胀的粗集研究

基于二值形态学理论,推广了标准粗集理论中的不可分辨关系,研究了一类新的粗集,并探讨了其基本性质,特别研究了形态学粗近似算子的可定义性.结论表明,新的粗集模型不仅是现有粗集理论的扩展,在实际应用中还可挖掘出更多具有确定性的知识,从而提高数据分析的效率.