广义粗糙近似算子的拓扑性质

粗糙集理论是一种处理不确定性问题的数学工具.粗糙近似算子是粗糙集理论中的核心概念,基于等价关系的Paw-lak粗糙近似算子可以推广为基于一般二元关系的广义粗糙近似算子.近似算子的拓扑结构是粗糙集理论的重点研究方向.文中主要研究基于一般二元关系的广义粗糙近似算子诱导拓扑的性质,给出了基于粒和基于子系统的广义粗糙近似算子诱...     

基于粗集理论的神经网络

提出了一种基于粗糙集理论的神经网络,它由传统神经元和粗糙神经元构成,粗糙神经元包含一对传统的神经元,即将数据中的上连界和下边界的作用网络的输入或输出值,当网络的输入和输出不是单值数据而是一个数据集合时,经典的神经网络建立的预测模型的输出就会产生较大的误差,而基于粗糙理论的神经网络则可以很好地解决这个问题,最后对基于粗糙理论的网络进行性能评估。     

一种粗逻辑神经网络的构造和学习方法

传统的粗逻辑神经网络可以对信息系统及粗推理决策进行研究,能够深入地揭示粗糙集理论实质,但对于处理非单值输入问题不能取得良好的效果。粗糙神经元的上边界和下边界恰好能解决这一方面的问题,且随着粗集理论的不断发展,上下边界的概念得到了广泛的应用。综合两个方面的优点,提出了一种粗逻辑神经网络的构造与学习方法。它主要由传统粗逻辑神经网络和粗糙神经元的思想(模式中每一个特征变量都包含上界和下界两个边界)构成:边界粗逻辑神经网络。首先给出了粗糙神经元和粗逻辑及决策的基本知识,然后提出了边界粗逻辑神经网络的结构和学习方法及两种模型并比较了模型间的优缺点。与传统粗逻辑神经网络相比,这类神经网络能更有效地处理非单值和连续近似域函数问题。最后提出可以进一步优化的方向。     

时态粗糙神经网

论文提出了一种基于粗糙集和时态概念的新神经网模型—时态粗糙神经网。在神经网的输入中加入时间的因素,即神经网络的输入是时间的函数,从而把传统的神经元改造成了时态神经元;时态粗糙神经网中的神经元是时态粗糙神经元,它包括一对时态神经元,即将数据中的上边界和下边界加入时间因素以后,作为神经网络的输入和输出。当网络的输入和输出不是单值数据而是一个随时间变化的数据的集合时,经典的神经网络建立的预测模型的输出就会产生较大的误差,而基于时态粗糙理论的神经网络则可以很好地解决这个问题,更能真实刻画实际问题。从而为解决这类问题提供了一个较好的理论模型。     

基于灰色粗糙集与BP神经网络的设备故障预测

为更有效预测设备故障,提出一种基于灰色粗糙集与BP神经网络的设备故障预测模型。用灰色关联分析和粗糙集理论分别对二维故障决策表进行横向和纵向两个维度的约简,将冗余的数据和属性去掉,并将约简后的数据输入到BP神经网络,预测设备故障。最后以地铁信号设备故障预测为例进行实例验证,结果表明,该模型预测误差更小,预测准确率更高。     

二值决策Bayesian粗糙集模型属性约简研究

Bayesian粗糙集模型作为经典粗糙集理论与Bayesian推理发展的综合模型,其近似区域划分以事件发生的先验概率为基准,可有效处理众多实际问题,如医疗诊断、故障检测、经济预测等.针对二值决策Bayesian粗糙集理论,证明了Slezak和Ziarko属性约简模型等价,并进一步给出了相应分辨矩阵描述,从而经典粗糙集模...     

基于粗糙集理论的神经网络研究及应用

为了补偿神经网络的黑箱特性并提高其工作性能,将粗糙集理论同神经网络结合起来,提出一种基于粗糙集的神经网络体系结构．首先,利用粗糙集理论对神经网络初始化参数的选择和确定进行指导,赋予各参数相关的物理意义;然后,以系统输出误差最小化为目标对粗糙神经网络进行训练,使其满足性能要求．实验结果表明,粗糙神经网络能较好地完成数据挖掘任务,并能获得较高的分类精度．     

粗糙近似算子的公理化刻画:综述

从近似空间导出的一对下近似算子与上近似算子是粗糙集理论研究与应用发展的核心基础,近似算子的公理化刻画是粗糙集的理论研究的主要方向.文中回顾基于二元关系的各种经典粗糙近似算子、粗糙模糊近似算子和模糊粗糙近似算子的构造性定义,总结与分析这些近似算子的公理化刻画研究的进展.最后,展望粗糙近似算子的公理化刻画的进一步研究和与其它数学结构之间关系的研究.     

基于粗糙集神经网络的燃煤发热量预测模型

通过对粗糙集和BP神经网络的分析研究,以专家系统为核心,提出了一种基于粗糙集神经网络的燃煤发热量预测模型;选取影响燃煤发热量的6个参数,利用粗糙集理论对原始信息表进行约简操作,去除冗余的属性和属性值,得到约简规则,并将其作为BP神经网络的输入,对燃煤发热量进行预测;通过分析对比线性回归方法和粗糙集神经网络方法,说明该模型能有效地简化神经网络的网络结构,减少网络的训练步数,提高网络的学习效率,能够较准确地对燃煤发热量进行预测。     

粗糙support-intuitionistic模糊集及其聚类分析应用

粗糙集和模糊集理论已经被用于各种类型的不确定性建模中。Dubois和Prade研究了将模糊集和粗糙集结合的问题。提出了粗糙support-intuitionistic模糊集。介绍了粗糙集、粗糙直觉模糊集和support-intuitionistic模糊集等的概念;定义了在Pawlak近似空间中的support-intuitionistic模糊集的上下近似,讨论了一些粗糙support-intuitionistic模糊集近似算子的性质,给出了其相似度表达式;将其应用到聚类分析问题中,并通过一个实例验证其合理性。     

粗糙神经网络及其在中医智能诊断系统中的应用

文章利用Rough Set技术对人工神经网络进行预处理,求取核属性,构造粗糙人工神经网络, 并应用到中医类风湿病分型诊断建模。计算机仿真结果证明了用Rough Set辅助设计人工神经网络,改善了网络的学习能力,并在实践取得了满意的效果。     

知识共享效率的R-RNN评价模型研究及应用

针对企业知识共享效率评价方法缺乏的现状,提出了基于粗糙集和RBF神经网络的R-RNN知识共享效率评价模型。在研究知识共享活动基本过程的基础上,分析了知识共享效率影响因素,得出效率评价指标体系。然后,运用粗糙集理论对评价指标进行预处理,去除冗余指标项,在合理化评价指标体系的同时减少网络输入维度,进而采用RBF神经网络对知识共享效率进行综合评价。最后通过具体的应用实例验证了该评价模型的有效性与可行性。     

基于模糊粗神经网络的图像脉冲噪声滤除

为了获得在图像噪声滤除和细节保留两方面更好的兼顾与平衡,提出了一种兼有模糊化神经元和不可微粗神经元的模糊粗神经网络。采用融合了爬山法的遗传学习算法,增强了网络在学习过程中,特别是进化后期阶段对最优解的局部搜索能力。仿真表明,融合了模糊信息和粗糙集信息处理能力的模糊粗神经网络在图像融合滤波方面比BP网络和粗集神经网络具有更好的性能,是一种性能很好的混合智能神经网络。     

基于粗糙集和神经网络的信息融合方法

在运用粗糙集理论和神经网络理论进行信息融合的基础上,分析了其各自的优势和存在的问题,设计了将两者综合的信息融合方法.该方法主要思想是利用粗糙集理论对神经网络待处理的数据进行属性约简,借此来简化神经网络的结构.利用这种方法对煤矿中各种与瓦斯危险相关的信息进行融合,以此对其瓦斯安全性进行评价.结果表明,这种方法减少了训练次数而且收敛效果比传统神经网络效果好.     

基于粗糙集与神经网络的断路器状态监测

断路器的故障诊断对于事故后快速恢复具有重要意义,然而全面、准确的故障诊断仍是个难题。本文将电寿命和机械状态综合考虑,从而实现了对断路器整体健康状态的评估。其中机械状态的检测,提出了基于神经网络(Neural Network)并结合粗糙集理论(Rough Set Theory)的方法。实验数据表明,该方法提高了诊断的全面性、准确性和预测精度。     

The medical diagnostic support system using extended Rough Neural Network and Multiagent

Multiagent technologies enable us to explore their sociological and psychological foundations. Amedical dignostic support system is built using this. Moreover, We think that the data inputted can acquire higher diagnostic accuracy by sorting out using a determination table. In this paper, the recurrence diagnostic system of cancer is built and the output error of Multiagents learning method into the usual Neural Network and a Rough Neural Network and Genetic Programming be compared. The data of the prostates cancer offered by the medical institution and a renal cancer was used for verification of a system. This work was presented in part at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008     

基于粗糙集理论的模糊神经网络构造方法

构造模糊神经网络时确定初始的隶属函数是一个难点,提出了一种新的基于粗糙集理论的隶属函数获取算法,该算法根据粗糙集理论中基于属性重要性的离散化方法确定条件属性的断点,再通过断点确定各模糊集合隶属函数的中心和宽度,同时给出了网络各参数的修正公式;仿真结果证明,该算法在学习的快速性和精度上具有良好的性能.     

一种融合粗糙集与灰模的装备故障预测方法

结合粗糙集理论和灰色系统理论对不精确信息处理的优势,文中提出一种融合粗糙集理论与GM(1,1)灰色预测模型的故障预测方法,先运用粗糙集的属性约简算法对故障诊断决策表进行约简,推出最优诊断规则,再利用GM(1,1)灰色预测模型对约简决策表中的各条件属性测试值计算得到其预测值,从而代回约简的诊断决策表进行故障预测,最后在某型机载电台装备中以某一故障为例进行应用验证,结果表明故障预测效率和精度都较高,从而为提高装备的可靠性和维修性提供依据.     

基于BP与RBF神经网络经济预测模型的研究

该文结合经济预测理论和BP神经网络算法和RBF神经网络的特点,研究浙江省基于BP神经网络算法和RBF神经网络算法的人工神经网络的经济增长预测.实证研究数据结果表明,人工神经网络具有较好的预测精度,但是各种神经网络进行经济增长预测的数据不一样,有些误差非常大.人工神经网络可以为宏观经济部门决策提供很好的参考依据.     

基于Levenberg-Marquardt算法的主机入侵检测系统研究

入侵检测系统是当前信息安全领域的研究热点,在保障信息安全方面起着重要的作用。对BP神经网络优化算法进行对比研究的基础上,利用Lvenberg-Marquardt 算法对传统BP算法进行改进,成功地将LMBP算法运用到基于Windows操作系统的主机入侵检测中去,建立LMBP-HIDS入侵检测系统模型。实验结果表明,运用Levenberg-Marquardt算法优化BP神经网络进行主机入侵检测．可以较好地提高学习速率,缩短训练过程。