基于Rough Set和neural network组合数据挖掘

提出了一种基于rough set和neural network的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简，然后使用神经网络对数据进行学习，并同时完成属性的不一致约简，最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明，该方法快速有效，生成规则简单准确，具有良好的鲁棒性。     

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。     

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%。     

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.     

一种基于Rough集和RBF网络的模拟电路故障诊断方法

提出了一种基于Rough集和RBF神经网络结合的故障诊断方法。该方法针对模拟电路的故障特征,进行粗集约简预处理研究,然后由约简后的属性构造RBF网络。仿真结果表明:在相同的精度要求下,该算法的训练时间远小于普通的进化神经网络,提高了泛化能力,对模拟电路的故障诊断有一定的实际意义。     

基于RS-SVM的建筑施工项目安全预警模型

针对目前建筑施工项目安全风险管理的现状,应用粗集理论对建筑施工项目的安全因素进行预处理,将处理后的信息结构作为支持向量机的输入数据进行训练和预测,构建建筑施工项目安全风险预警模型,并在小样本条件下,与BP神经网络进行对比分析。结果表明,RS-SVM预测模型的最小均方根误差为0.011 5,BP神经网络的均方根误差为0.070 7,RS-SVM预警模型的预测精度、泛化能力明显优越于BP神经网络学习方法。     

基于遗传算法的神经网络油水层识别

文章研究了基于遗传算法的神经网络油水层识别方法,针对神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,提出了基于粗集属性约简方法降低了输入信息的空间维数、减少了运算量和简化了神经网络的拓扑结构,利用遗传算法提高神经网络的训练速度。实验结果表明：将混合智能计算方法应用于油水层识别中效果显著,其学习训练速度和拟合精度远优于传统BP神经网络算法。     

基于粗糙神经网络的歼击机操纵面智能故障诊断

提出了一种基于粗糙神经网络的歼击机操纵面故障诊断方法．给出并证明了可利用粗集方法对故障信息进行快速特征提取的方法，用其作为神经网络的前置系统进行信息预处理，减少了所需样本数目，从而简化了神经网络结构，减少了网络训练时间，并且充分利用了神经网络容错及抗干扰能力，有效地降低了故障诊断中的误报率和漏报率．该方法可以进行组合故障的诊断，且具有较好的鲁棒性．仿真实验说明了该方法的有效性和实用性．     

基于神经网络的模糊推理预测方法

将模糊推理技术与神经网络结合，利用模糊集理论来处理输入、输出信息，借助神经网络系统来完成推理、判断与知识的记忆存储及学习，从而给出了基于神经网络的模糊推理预测模型。     

基于粗集方法的课堂教学质量评价子系统研究初探

研究了一个基于粗集方法的能以人类专家水平完成教学质量评价任务的智能计算机系统的建立，首先讨论了基于粗集方法的教学质量评价系统的框架，然后提出了基于粗集方法的课堂教学质量评价子系统的具体实现。     

一种面向未知攻击检测的深度神经网络预处理方法

现有的基于深度神经网络(Deep Neural Network,DNN)的检测方法对于未知攻击检测性能不佳.原因之一是现有的预处理方法并未考虑网络环境的内在特征.为解决该问题,首先提出一种新型的预处理方法,将训练集的统计特征作为网络环境的内在特征,用于测试集和检测集的预处理,以提高检测算法的性能;然后利用DNN模型进行...     

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。     

Rough集理论在结构损伤识别中的应用

提出以光纤光栅传感嚣为传感元件、简支板结构为研究对象、运用粗集理论对结构损伤部位进行检测识别。介绍了用Rough集理论来构建检测对象的知识表示方法，用K-均值量化算法实现连续信息离散化，采用基于Rough集的约简方法来生成目标决策规则。检验样本的实验显示出所提方法获得了满意的检测识别结果，且运算效率远高于神经网络。     

遮挡人脸表情图像预处理研究进展

对遮挡表情图像的传统预处理、基于重要区域的预处理、基于图像重构和基于深度学习的预处理方法进行总结,阐述了各类方法的基本原理,介绍了常用的表情数据集及其特点,讨论了现阶段存在的问题和未来的研究方向.     

基于粗集与FCM的快速图像分割的改进方法

借鉴神经网络里面竞争学习的思路,通过引入一个抑制因子,来提高最大隶属度的值,对应减小其它隶属度的值,以便达到更快的分类速度,同时实现既突出主要因素,又抑制次要因素的目的。提出了基于粗集与FCM的快速图像分割的改进方法。实验结果表明,该快速图像分割方法,对于被噪声污染的图像有较好的分割性能,粗集理论在处理不确定性信息方面有着独特的方式和相关信息提取能力,以及和其他智能方法的易融合性,使得粗糙集理论在图像处理领域有良好的应用前景。     

新型动态模糊神经控制器及其混合学习算法研究

介绍了一种基于动态模糊神经控制器的控制系统,通过在模糊神经网络控制器的第2层引入动态递归环节,使其具有动态映射能力,并提出了动态模糊神经控制器的混合学习算法,即先采用免疫遗传算法的“粗”学习,再采用BP梯度算法的“细”学习,通过对锅炉主汽温控制的仿真表明了该网络结构和训练方法是可行的和有效的。     

基于U-Dense-net网络的DSA图像冠状动脉血管分割

冠状动脉血管是研究心血管疾病的重要基础,为准确分割DSA(Digital subtraction angiography)图像冠状动脉血管,提高训练过程中血管特征的有效利用率,提出了一种基于U-Dense-net网络的分割方法.该方法首先对数据集进行限制对比度直方图均衡化预处理;然后对预处理结果进行图像粗分割,基于U-...     

基于BP神经网络的辛烷值预测模型

提出了一种基于BP神经网络的辛烷值预测模型.由催化裂化汽油精制装置采集得到样本数据,首先利用主成分分析法对原始样本数据进行预处理,得到主要成分因子;其次构建BP神经网络模型,将得到的预测值与真实值进行对比,得到在训练集上的准确率为0.99922,在测试集上的准确率为91.31％,在训练集和测试集上的整体准确率为97.6...     

植物叶形状与纹理特征提取研究

对于植物叶的分类介绍了一种基于叶片图像的形状与纹理特征提取的方法.该方法首先对叶片图像进行预处理提取出叶片轮廓,得到形状与纹理特征参数,然后对形状参数分析进行粗分类,最后对于形状相似叶片利用BP神经网络进行分类.实验对20种叶片进行分类,平均识别率达到了92％.     

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。