一种基于RS理论的实践教学评估模型

根据RS理论,建立了实践教学评估模型,对影响大学生创新思维和动手能力的复杂数据进行属性约简,得到影响结果的关键属性,实现对指标体系的约简;通过值约简,去除每条规则中的冗余属性值,提取出简洁、明晰的决策规则。实例分析证明,该模型具有一定的实际应用价值。     

RS-SVM组合模型下煤矿安全风险预测

针对煤矿安全风险预测的可靠性与效率问题,构建了基于粗集-支持向量机(RS-SVM)的煤矿安全风险预测模型.在不改变样本分类质量的条件下,运用RS方法作为预处理器约简特征参数,然后基于SVM方法进行分类建模.以煤矿瓦斯爆炸风险预测为例,从人员、环境、设备及管理4方面建立煤矿安全生产预警指标体系.利用遗传算法进行RS粗糙集属性约简,将初始风险因子由31项剔除为5项.将得到的约简集作为新的论域,并基于约简集利用SVM进行样本训练,通过回判法对30个训练样本的计算结果进行验证,得出SVM模型精确可靠的结论.进而利用5个预测样本得到其2015年瓦斯爆炸的风险预测结果,与实际情况完全相符.表明本文建立的RS-SVM组合预测模型对煤矿安全风险预测具有良好的指导作用.     

基于GIS及模型化理论的矿井水灾预测预报平台的设计与实现

基于GIS与模型化理论,应用GIS组件开发技术,建立了矿井水灾预测预报平台.利用突水系数与趋势、残差分析相结合的方法实现了突水危险性分区、掘进及回采工作面突水预测;利用BP神经网络,综合考虑构造、水源、水压、隔水层厚度等因素对煤层底板突水的影响,实现了突水点预测;应用人工智能技术,模拟专家思维方式,建立了掘进与回采工作面突水预测与治理专家系统,在平煤五矿进行了实际应用,效果良好.     

用突水概率指数法预测采场底板突水

介绍了采场底板突水预测的新方法－突水概率指数法,以肥城煤田为例,阐述了该方法在预测煤矿底板突水中的应用。该方法的基本思想为：基于大量的采场底板突水案例分析,找出导致煤矿底板突水的主要因素;根据各种因素在底板突水中所起的作用大小,利用概率统计法及专家经验法确定各种因素在底板突水中所占的权重,建立计算突水概率指数的数学模型;将模型应用到已有的突水案例中,计算出各个突水案例的突水概率指数;再用概率统计的     

基于模糊粗糙逻辑的属性约简与规则提取

把决策属性看作是一个模糊粗糙逻辑,利用矩阵法求出决策属性对于条件属性的相对正域,给出了基于模糊粗糙逻辑的属性约简的方法,最后根据约简提取规则并计算其精度.     

一种改进的基于粗集理论的有导师学习方法

属性约简和属性值约简是基于粗集理论进行有导师学习的基础,在分析经典约简算法的基础上,根据粗集理论中属性的依赖度和重要度等性质,提出一种改进的约简方法,以获取简洁的决策规则,从而使有导师学习变得既快捷又准确.并通过实例验证了该算法的正确性和有效性.     

矿井突水水源判别方法与应用

对目前广泛使用的矿井突水水源判别方法进行了综合评述.从整体而言,除了水化学分析方法外,其他方法都是以一定理论为基础,或构造最优函数,根据判别目标达到最优时的状态进行水源识别;或构造适当的区间,根据一定的法则使判别目标进入不同的区间,进行水源识别.样本较多时采用BP神经网络法,样本较少时采用SVM法会取得更好得预测效果.针对研究区实际状况,选择基于MATLAB的BP神经网络法进行突水预测,准确率达到91.67%,训练样本的选择和数量对预测结果影响较大.     

基于模糊相似度的实值属性信息系统规则约简

为了克服传统的规则约简方法容易导致信息丢失和约简错误的不足，提出了一种对实值属性信息系统进行规则约简的算法.该算法在粗糙集理论的基础上，把模糊集合相似度引入到信息系统的规则约简中，通过把每一个实值属性的取值归一化，使得每一条规则所对应的条件属性值都落在0到1范围内；并且把每一条规则看作一个模糊集合，通过模糊集合的相似性来考察规则的相似性；在规则约简过程中，用改进的模糊集合相似度参数进行规则约简，并针对国际水稻信息系统（IRIS）数据库进行了实验.结果表明，该算法能够正确地对实值属性信息系统进行规则约简.     

基于粗糙逻辑的决策算法之应用

针对条件属性中总是存在若干冗余的属性,粗糙逻辑采用了决策算法进行推理。它通过约简冗余属性及属性值,最终得出极小化决策算法。本文应用粗糙逻辑的知识对决策规则的约简进行了详细的分析,并成功的将之用于了医疗决策系统。     

基于模糊粗糙集依赖度的两步属性约简方法

为获取连续属性值数据集的最小属性子集,提出了一种两步约简方法.该方法以模糊粗糙集模型为基础,将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展,使其能对条件属性之间的依赖关系进行度量,利用属性与类别之间的依赖度选出候选属性集,然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简.仿真结果表明,该方法在有效降低属性维数的同时一定程度上保证了分类正确率.