基于粗集-神经网络模型的目标识别方法研究

为了克服传统目标识别方法的缺点,建立了一种基于粗集理论和神经网络结合的粗集-神经网络模型,利用粗集对输入信息进行约简,剔除冗余信息,简化了生成规则和神经网络模型结构,提高了网络训练速度和运行速度,并通过仿真实验,证明了该混合模型的可行性.     

基于粗集-神经网络模型的目标识别方法研究

为了克服传统目标识别方法的缺点，建立了一种基于粗集理论和神经网络结合的粗集-神经网络模型．利用粗集对输入信息进行约简，剔除冗余信息，简化了生成规则和神经网络模型结构，提高了网络训练速度和运行速度，并通过仿真实验证明了该混合模型的可行性。     

基于粗集-神经网络模型的目标识别方法研究

为了克服传统目标识别方法的缺点，建立了一种基于粗集理论和神经网络结合的粗集-神经网络模型，利用粗集对输入信息进行约简，剔除冗余信息，简化了生成规则和神经网络模型结构，提高了网络训练速度和运行速度，并通过仿真实验，证明了该混合模型的可行性。     

粗集模糊优选法在水下航行器方案设计中的应用

利用粗集理论,对航行器方案的数据进行分析,消除冗余的属性、简化决策的目标,利用模糊模式识别理论与模糊关系优选理论,建立水下航行器方案的多目标多层次粗集模糊优选模型.并以某型号水下航行器方案为例进行应用,总结此方法的优点与不足.     

突发事件影响度评价研究

提出了基于突变理论和粗集约简理论的突发事件影响度评价方法.给出了突发事件影响度的评价指标,并采用粗集约简理论将影响因素约简为最小因素集.根据突变理论的归一公式给出了突发事件影响度的量化方法.该方法可将定量、定性指标纳入同一模型中,并可避免人为确定权重的主观性.实例表明,该方法是有效和可行的.     

多属性决策的智能化研究

提出了在非补偿型多属性决策下基于优势属性集扔偏好序关系模型,优势属性集的重要性不再用数值权重衡量,而是利用人工智能技术将决策者对它们的偏了信息以知识形式表达出来,结合相应的规则知识自动推进判断来确定方案之间的偏好序关系。     

基于信息不全条件下的备件量化方法

针对确定备件品种不完备信息的多属性决策问题,给出了基于不完备信息系统的粗糙集模型,并依据扩展优势关系确定粗糙集的上、下近似集,从而获取分类决策规则;用一个实例说明该方法的可行性和有效性．     

基于粗糙层次分析法的武器系统方案智能决策技术

致力于武器系统方案决策智能化,研究了智能软计算中的粗集方法(RS)与层次分析法(AHP)的融合问题。建立了层次分析模型与粗集决策表间的联系,基于此并借助粗集约简和属性重要性理论,探讨了武器系统方案评价指标体系的完善、权重的确定、判断矩阵的构造等问题,实现了AHP对领域知识的充分利用及粗集对层次结构问题的决策支持。将其用于某火箭武器系统改进方案的评价中,改进原有评价软件中的模型方法,实现了借助领域知识库的武器系统方案评价的智能决策。     

基于统计粗集的航空发动机维修成本组合预测模型

维修成本是航空发动机使用单位实现降耗增效关注的重点之一。釆用灰色理论,建立基于状态的发动机维修成本单ー预估模型,在单ー预估模型的基础上,运用统计粗集理论属性重要性判定方法,建立发动机维修成本组合预测模型,这种组合预测方法充分利用统计粗集理论“让数据说话”的优势。应用分析表明,组合模型较之单ー预测模型在拟合和预测精度上都有明显提高,这种方法也为发动机使用单位合理制定维修计划和维修资金管理提供理论基础。     

优势决策信息系统规则获取方法及应用

鉴于已有优势决策信息系统规则获取方法存在不足,如得到规则较少、规则正确率不高等,定义优势决策辨识集和辨识矩阵,给出优势决策信息系统的属性约简方法;引入基于优势关系的粗糙集方法将对象进行优劣排序,并结合决策属性剔除不合理对象,将不协调优势决策信息系统转化为协调优势决策信息系统;提出协调优势决策信息系统的规则获取方法,该方法符合自然推理过程,直观性强,在充分挖掘系统蕴含信息的基础上,保证了规则的正确性;将该规则获取方法应用于雷达对抗目标威胁评估简单可行,并为解决属性含有“偏好信息”的决策问题提供了新的思路。