RS-BT神经网络融合建模及应用

针对采用BP神经网络进行滑坡灾害预测时其输入变量的选择是影响预测效果和运算速度的关键问题,本文提出构建粗糙集和遗传神经网络一体化模型思路,其基本目的是利用粗糙集在数据挖掘方面的优势和BP神经网络的预测能力,优势互补以期解决上述问题。结合实例,本文首先利用粗糙集理论建立了影响滑坡灾害的各类因素决策表并进行了约简,然后利用各因素对决策属性的支持度进行了BP神经网络初始权值的配置及预测试验。实验表明,利用该模型可以有效的删除冗余信息,提高神经网络的运算速度和预测精度,在实际工程中有一定的应用价值。     

基于RS-ANN的汽车发动机故障诊断分析

利用粗糙集理论对知识的约简能力及神经网络的分类能力,构建粗糙集-神经网络（RS-ANN）故障诊断组合模型;并将该模型应用于汽车发动机故障数据进行实例验证,该模型诊断速度快,故障诊断正确率高.     

基于粗糙集-神经网络的产业集群生命周期识别

将粗糙集理论与神经网络相结合,构建了基于粗糙集-径向基(RBF)神经网络集成的产业集群生命周期识别模型.该模型运用基于MDV(maximum discernibility value)函数与信息熵的模糊聚类算法进行连续属性离散化处理,采用粗糙集理论约简出重要指标体系,将训练样本输入RBF神经网络进行学习和训练,进而对检验样本的生命周期阶段进行判断.对我国138组产业集群样本数据的分析结果表明:基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果,且该模型对检验样本的总体预测精度达到82.61%,从而证实了该识别模型的有效性和实用性.     

基于粗糙集的决策树在电子商务中的应用

将数据挖掘中的决策树与粗糙集理论进行有机结合,提出一种基于粗糙集属性依赖度的决策树算法,将该算法应用到电子商务的客户管理中,进行电子商务客户价值研究,提取分类规则,为企业管理客户提供决策支持.     

一种粗糙模糊神经网络识别器及其应用

结合粗糙集和模糊神经网络提出了一种粗糙模糊神经网络识别器的模型.该模型根据粗糙集理论对训练样本进行建立决策表、离散决策表、约简决策表、提取分类规则等推理过程设计.粗糙模糊神经网络识别器的输入层、两个隐含层、输出层的神经元个数分别根据决策表的约简结果、离散结果和分类规则、决策属性决定.将该识别器用于车牌字符识别,实验表明:该方法比粗糙集规则匹配识别方法识别率提高了18%,比BP神经网络识别方法识别率提高了2.7%.     

建立在粗糙集和模糊综合评判模型下的客户信用评价

客户信用关系是企业客户关系管理的重要内容。本文提出了结合粗糙集及模糊综合评判的模型对客户进行信用评价的方法。针对客户信用评价指标体系,借助粗糙集理论,进行指标属性约简、确定权重,并利用模糊综合评判对客户进行评价。该方法在一定程度上克服了传统权重确定的主观性,提高了评估的效率和准确性。最后,引入一个算例阐明了该模型的合理性。     

基于RS-GA-BP神经网络的住宅房地产估价模型与应用

针对一般住宅房地产估价问题的非线性特征,融合粗糙集方法、遗传算法和神经网络算法的优势,提出了一种新的住宅房地产估价模型一基于粗糙集、遗传算法和BP算法集成的住宅房地产估价模型．首先对影响房地产估价因素进行离散化处理,其次利用粗糙集方法对估价因素进行约简,即精减BP神经网络的输入变量,最后利用遗传算法来优化BP神经网络初始权重和阈值．优化后的BP神经网络具有较好的处理非线性问题的能力,收敛速度和仿真精度较传统BP算法都有了明显的提高．选取某市工程案例进行实证分析,研究结果表明,新的估价方法能较客观准确地估测住宅房地产的价格,在住宅房地产估价中具备较高的实用性．     

基于粗糙集与RBF-BP复合神经网络的变压器故障诊断

变压器的安全问题是电力系统稳定运行的关键因素.将BP神经网络稳定的优点与RBF网络收敛迅速的特点相结合,同时使用粗糙集对数据进行处理,进一步提高诊断的准确率.提出了新的变压器故障诊断方法,即基于粗糙集与RBF-BP复合神经网络算法,构建出该模型并且进行仿真实验.实验结果表明:该模型达到预期效果,准确率高,收敛速度快.     

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.     

粗糙集理论在商业数据挖掘中的应用

商业智能研究中的商业数据挖掘,是从数据库中抽取对商业零售企业进销存具有潜在应用价值的隐含信息.给出了基于粗糙集理论的商业数据挖掘完整过程,结合商场客户价值分析的实例,使用粗糙集数据挖掘系统(RSDMS)进行数据预处理,消去冗余属性,抽取决策规则.     

《山东大学学报(工学版)》第36卷主题词索引(2006年2月24日至2006年12月24日)

(以汉语拼音为序)α(α，β)粗糙集(α，β)-粗糙集模型中阈值的确定与解释，李秀红，等．(2)：81α-粗糙集α-粗糙集模型中的不可分辨关系．管延勇，等．(1)：75ββ-内酰胺类抗生素反相高效液相色谱法同时测定多种α-内酰胺类抗生素．赵军，等．(3)：69 AASIC基于FPGA&ASIC的专用USB接口设计与实现．齐洪喜，等．(3)：91 BB_4C B_4C／TiO_2/Al复合材料制备及其性能．孙军龙，等．(6)：6Bayes决策(α，β)-粗糙集模型中阈值的确定与解释．李秀红，等．(2)：81BP神经网络BP神经网络在入侵检测系统中的应用及优化．高小伟，等．(…     

基于粗糙集和神经网络的炮兵装备效能评估

建立了炮兵装备效能评估模型,首先利用灰色关联分析以及欧氏距离加权法实现了不完备信息表的空值填补;然后引入粗糙集理论对评估指标进行约简;最后利用BP神经网络确定了指标与效能间的关系并与指数模型进行比较,BP神经网络模型的精度明显高于指数模型.     

基于粗糙集—神经网络的三相SPWM逆变电路故障诊断研究

以三相SPWM逆变电路为研究对象，利用MATLAB仿真软件建立故障仿真模型。针对故障诊断中冗余及不完整的信息常使诊断规则误报、漏报的现象，采用粗糙集-神经网络对三相逆变电路进行故障诊断，优化了神经网络结构，提高诊断速度。仿真实验表明该方法取得了良好的故障诊断效果。     

基于变精度粗糙集的齿轮故障诊断

提出一种基于变精度粗糙集的齿轮故障诊断模型。首先用自组织特征映射神经网络进行数据的离散化;再由变精度近似依赖度进行属性约简;然后生成故障诊断规则。给出一个齿轮的故障诊断的实例,并与粗糙集的故障诊断模型进行比较。结果表明基于变精度粗糙集方法降低了决策规则的复杂度及规则数量,且提高了故障识别率。     

基于粗糙集的BP神经网络空气品质预测模型

使用粗糙集理论对空气品质监测数据进行属性约简,构建BP神经网络模型中隐层的神经元节点、确定各节点之间的权值和网络结构,通过BP算法对污染物浓度数据进行迭代训练,求出BP神经网络的参数,实现空气品质预测。     

基于粗糙集与BP神经网络的烟气机故障诊断

结合粗糙集理论和神经网络在信息处理方面的优势,提出了一种基于粗糙集理论与BP神经网络相结合的烟气机故障诊断方法.首先对故障诊断数据中的连续属性进行离散化,然后根据粗糙集理论进行故障诊断决策系统约简,获得最优决策系统.最后在最优决策系统的基础上,设计BP神经网络对烟气机故障进行诊断.试验结果表明,该方法可以有效提高烟气机故障诊断的精度和效率.     

基于粗糙集和ANFIS相结合的配电网故障诊断方法

为了提高配电网故障诊断的准确性和效率,提出了将粗糙集与自适应神经网络模糊系统(adaptive neuro-fuzzy inference system,ANFIS)相结合构建粗糙集和神经网络的智能混合诊断系统,以充分利用粗糙集理论对知识的约简能力和神经网络的容错学习能力.通过粗糙集理论中的信息熵概念对诊断系统输入变量进行合理选择,即选取与故障诊断信息相关性大的参数作为输入,然后利用ANFIS进行建模和参数辨识,并通过训练样本进行学习训练,这样既减少了神经网络的学习训练时间,又提高了诊断的准确度.用该方法对某一实际配电网进行了故障诊断,结果表明:该方法计算速度快,具有良好的容错性能和在线故障诊断潜力.     

一种广义模糊粗糙集模型的新定义

在Pawlak粗糙集模型的基础上,把一个论域推广到两个论域,等价关系推广为模糊关系,被近似对象换成模糊集,得到广义模糊粗糙集模型．讨论了该模型与经典粗糙集模型的关系,并与其他模糊粗糙集算子进行了比较．该模型在保留原有一些性质的基础上,近似精度提高了,更具有实际应用价值．     

粗糙集-神经网络在铝电解故障诊断中的应用

目的通过对铝电解生产过程中的故障进行有效地诊断来提高铝的生产效率和节约能源．方法把粗糙集和神经网络结合起来应用在铝电解的故障诊断中．先用自组织特征映射网络（SOM）对初始数据进行离散化后得到决策表,然后用粗糙集理论对决策表进行约简得到最简决策表,根据最简决策表设计BP神经网络对铝电解中的故障进行诊断．结果用粗糙集对神经网络的输入数据进行预处理可以简化神经网络的结构,减少计算量和训练时间,从而提高整个诊断系统的诊断效率、故障诊断准确率在90％以上．结论该方法能够对铝电解中的故障做出正确的诊断．     

一种广义模糊粗糙集模型的新定义

在Pawlak粗糙集模型的基础上,把一个论域推广到两个论域,等价关系推广为模糊关系,被近似对象换成模糊集,得到广义模糊粗糙集模型．讨论了该模型与经典粗糙集模型的关系,并与其他模糊粗糙集算子进行了比较．该模型在保留原有一些性质的基础上,近似精度提高了,更具有实际应用价值．