基于粗糙集的绿色度评价方法及实现技术

为提高零件制造工艺绿色度评价的客观性,根据零件绿色制造的特点和绿色制造评价的要求,应用粗糙集原理,提出了粗糙集综合绿色度评价法。阐述了该方法的原理及运用该方法进行综合评价的步骤,给出了求评价指标权重的VB实现。     

广义粗糙集模型及应用

主要总结了近年来粗糙集模型理论的研究和发展,介绍了广义粗糙集模型研究的一些主要方面和最新成果,从逼近算子和粗糙隶属函数的角度,讨论了广义粗糙集模型的各种类型,并探讨了它们各自的特点和应用.     

基于模糊PID算法的染色工艺过程的智能控制

在介绍染色工艺特点的基础上,详细阐述了模糊PID控制推理系统设计的过程,并给出了软件设计流程图。以89C52单片机为核心构成控制系统,实现了染色工艺程序给定温升过程的计算机控制,提高了染色质量,降低了能耗,取得了较好的经济效益。     

基于Matlab的模糊PID控制器设计与仿真研究

简单介绍了常规PID控制的优缺点和模糊控制的基本原理,介绍了模糊PID控制的系统结构,同时利用MATLAB中的SIMULINK和FUZZY工具箱进行了仿真研究。仿真结果表明,模糊PID具有比常规PID更好的控制效果。     

基于海明距离的直觉模糊粗糙集相似度量方法

针对直觉模糊粗糙集的相似度量问题,提出了一种基于海明距离的直觉模糊粗糙集相似度量方法。首先给出了两个直觉模糊粗糙值问的相似度量方法,并揭示了它的若干重要性质。然后,在此基础上,又提出了一种基于海明距离的直觉模糊粗糙集相似度量方法,并证明它也具有同样的性质。最后用数值算例验证了这种方法的有效性。     

基于遗传算法的PID参数优化与仿真

本文提出了一种基于遗传算法的PID控制器参数优化设计。通过仿真研究，表明了遗传算法是一种简单高效的寻优算法。与传统的寻优方法相比明显地改善了控制系统的动态性能。     

基于粗糙集的仿人智能控制器的设计

将粗糙集理论的基本思想引入到仿人智能控制中,提出一种新型的仿人智能控制器的设计方法。利用粗糙集算法,从人的控制行为数据中提取控制规则,由此控制规则构造出仿人智能控制器,从而实现基于粗糙集的智能控制。     

粗糙集理论在关系数据库中的应用

介绍粗糙集理论和在关系数据库方面的应用,分析和研究了应用中粗糙关系数据库模型,以及关系操作、完整性约束和粗糙查询等.     

模糊集和粗糙集的集成研究

模糊集和粗糙集理论在含有不确定性知识的领域中具有广泛的应用。两者所具有的各自特点及其互补性,使得它们的结合是必然的。讨论了关于模糊集和粗糙集的基本问题,在分析了模糊集、粗糙集和经典集合之间的关系后,给出因它们的集成而产生的模糊粗糙集和粗糙模糊集概念。最后结合具体实例讨论了模糊粗糙集和粗糙模糊集的应用。     

基于遗传算法的PID控制及其MATLAB仿真

本文介绍了遗传算法和基于遗传算法的PID控制设计,并对设计在MATLAB/SIMULINK下进行了仿真,取得了良好的控制效果。     

基于粗糙集理论的控制规则提取方法

介绍了粗糙集理论的基本概念 ,重点是依据属性的相对重要性从知识中提取规则的方法 ,然后结合具体的控制实例说明控制规则的提取方法     

基于粗隶属函数的粗糙集模型的推广

通过粗隶属函数,将粗糙集理论与模糊集理论联系起来,建立一种粗糙集理论与模糊集理论间的关系。把粗隶属函数视为论域上的一个特殊模糊集,用它的!-截集和强"-截集的概念,将经典粗糙集模型进行推广,提出基于等价关系的隶属度粗糙集模型,验证一些有用的性质,并证明该模型比Pawlak粗糙集模型具有更好的精度。最后将基于等价关系的隶属度粗糙集模型拓展到基于一般二元关系的广义隶属度粗糙集模型,并给出其相应的性质。     

邻域系统粗糙集和覆盖粗糙集

邻域系统粗糙集和覆盖粗糙集是经典粗糙集的两种重要扩展。通过分别比较各模型中下(上)近似集之间的包含关系和近似精度之间的大小关系,深入探讨邻域系统粗糙集和6种覆盖粗糙集模型之间的关系,得出了邻域系统粗糙集和6种覆盖粗糙集模型的下(或上)近似集之间的关系是明确的,其要么是可以比较的,要么是不可以比较的,证明了可比较的具有包含甚至等价关系,不可比较的通过反例进行了佐证。对不同扩展粗糙集的对比研究加深了对这些模型的理解,同时也为宏观上学习和认识粗糙集提供了帮助。     

一种基于容错粗糙集的Web文档分类方法

为了充分利用Web这一宝贵资源，需要一种高效准确的Web分类方法．应用机器学习技术，如K-邻近法、贝叶斯概率模型等已经实现了Web文档半自动和自动分类，但是，大多数Web分类方法共同的特点是把类作为互斥的概念，很少考虑类与类之间存在一定的交叉概念．其实，一个Web文档有时可属于几个类别，说明web文档的类之间存在不确定的关系．粗糙集理论-l982年Pawlak提出的，它在不确定关系表示有显著优点．由近似关系产生的分类方法分类精度更高．在web文档常用向量模型基础上，利用特征词协同出现的价值，本文采用一种广义粗糙集……容错关系（tolerance relation）来表示文档，丰富特征词对Web文档的描述，实验结果表明它更适合表示Web文档，有利于提高Web分类的准确性．     

基于粗糙集与水平集的细胞智能识别应用研究

针对细胞图像特性微弱,提出改进的Chan-Vese水平集分割算法,利用水平集演化曲线实现对微生物感染的细胞核边缘的准确分割;针对宫颈细胞图像特征,首先提取细胞图像样本的五维特征向量(纹理、几何形状特征以及灰度图像等),然后根据粗糙集理论建立决策表,用于细胞图像的微生物识别,并直接从训练样本图像中导出决策规则;应用所获取的规则对微生物测试样本图像进行分类;实验结果表明该方案应用在宫颈细胞智能识别上可以达到较好的效果,在工程上应用是可行的。     

基于粗糙集的规则的挖掘

随着计算机技术的发展，急剧产生海量的数据。如何从这些数据中提取有用的信息是一个重要的问题。一种新的数据分析方法——粗糙集理论被提出。该理论在分类的意义下定义了模糊性和不确定性的概念，是一种处理不确定和不精确问题的新型数学工具。文中首先对近年兴起的粗糙集的基本理论进行了讨论，在此基础上运用粗糙集理论对从数据库中规则的挖掘方法进行了研究。并通过一个实例详细地说明了具体挖掘过程，该实例说明了基于粗糙集进行规则的挖掘是较简单的。     

一种覆盖粗糙模糊集模型

粗糙集扩展模型的研究是粗糙集理论研究的一个重要问题.其中,基于覆盖的粗糙集模型扩展是粗糙集 扩展模型中的重要一类.覆盖近似空间中的概念近似是从覆盖近似空间中获取知识的关键.目前,研究者对覆盖近似空间中经典集合的近似进行了较多的研究.针对覆盖近似空间中模糊集合的近似,虽然不同的覆盖粗糙模糊集模型 被提了出来,但它们都存在不合理性.从规则的置信度出发,提出了一种新的覆盖粗糙模糊集模型.该模型修正了已 有模型中存在对象在下近似中不确定可分和上近似中不近似可分的问题.分析了具有偏序关系的两个覆盖近似空 间中上、下近似之间的关系,发现两个不同覆盖生成相同覆盖粗糙模糊集的充要条件是这两个覆盖的约简恒等.分 析了新模型与Wei 模型、Xu 模型之间的关系,发现这两种模型是新模型的两种极端情况,且其应用前提是覆盖为一 元覆盖.这些结论将为覆盖粗糙模糊集模型应用于决策为模糊的情形提供理论基础.     

基于新集对理论下的粗糙集模型

为了用集对分析方法进一步刻画不完备信息系统,文中把新集对分析理论与粗糙集理论结合在一起,提出了一种新的集对粗糙集模型,从而拓宽了集对分析方法的应用;定义了一种不完备信息系统的上、下近似算子,得到了一些相关的性质。最后通过一个简单的例子说明了上述方法的可行性。     

一种基于容错粗糙集的Web搜索结果聚类方法

一些Web聚类方法把类严格作为互斥的关系,聚类效果不理想．一种基于容错粗糙集的k均值的聚类解决了这一问题．首先运用向量模型表示Web文档信息,采用常规方法得到文本特征词集,然后利用某些特征词协同出现的价值,构造特征词客错关系,扩充特征词的描述能力,最后用特征词容错类描述文档之间的相似关系,实现了Web搜索结果聚类,并提出了简单直观的衡量聚类精度的T模型．实验结果表明,利用容错关系聚类的类标记描述性强、容易理解、明显优于普通k均值算法．