一种基于粗糙K均值的多靶点中心优化方法

结合粗糙集理论与K均值算法,提出一种粗糙K均值多靶点中心优化方法,通过噪声去除、多靶点区域识别、靶点中心计算三个步骤获取多个靶点中心的最优坐标。最后,在仿真桥梁上进行检验,结果显示其精度为74.5%,相关系数为0.290,说明该方法具有一定的准确性与鲁棒性。     

语义网不精确本体构建方法研究

不精确性包括模糊性和粗糙性,同理不精确本体也包含了模糊本体和粗糙本体.通过对粗糙本体构建方法与模糊本体构建方法的综述,讨论了在不精确本体研究中的关键问题,在此基础上对各种粗糙本体构建方法与模糊本体构建方法进行分析比较.为了解决当前不精确本体构建中的瓶颈问题,提出一种基于包含度理论的不精确本体构建方法,在该方法中将粗糙集与模糊集理论引入传统本体模型,使用包含度理论进行关系描述,讨论了未来的研究方向.     

一种新的覆盖粗糙模糊集模型

在覆盖粗糙集与模糊集结合的研究中,已有的覆盖粗糙模糊集模型存在两类问题:一类是元素的上、下近似隶属度之间的差值通常过大;另一类是元素的上、下近似隶属度与其在给定模糊集中的隶属度无关.对此,通过定义模糊覆盖粗糙隶属度,将元素的最小描述与给定模糊集建立联系,同时综合元素在给定模糊集中的隶属度,进而建立一个新的覆盖粗糙模糊集模型.理论比较和实验结果均表明该模型可以有效解决上述两类问题.     

显著对象的非监督粗糙认知算法

提出了一种显著对象非监督粗糙认知算法.算法首先定义了一种粒计算模型,然后按双概念拓扑划分论域,依据尺度过滤掉过小拓扑等价类;用拓扑连通强度、拓扑分布密度等计算出拓扑等价类的拓扑显著度;借改进Fisher线性判别算法找到最大跃变点,裁掉拓扑显著度过小的拓扑等价类,得到候选区;以维扫梯度等捕捉拓扑等价类间的渐变模式,完成局部粗糙分割,得到候选对象,更新候选对象的拓扑显著度;再次调用Fisher线性判别算法裁减,如果还剩多个对象,用位权选择最终显著对象.最后,以实验分步验证了算法的执行过程,并与同类3种算法的提取结果作了比较分析,证实了新算法有着较优的语义逼近能力和快捷的速度.     

无限论域中的粗糙近似空间与信任结构

在粗糙集理论中存在一对近似算子:下近似算子和上近似算子.而在Dempser-Shafer证据理论中有一对对偶的不确定性测度:信任函数与似然函数.集合的下近似和上近似可以看成是对该集合所表示信息的定性描述,而同一集合的信任测度和似然测度可以看成是对该集合的不确定性的定量刻画.针对各种复杂系统中不确定性知识的表示问题,介绍了无限论域中经典和模糊环境下信任结构及其导出的信任函数与似然函数的概念,建立了Dempser-Shafer证据理论中信任函数与似然函数和粗糙集理论中下近似与上近似之间的关系.阐述了由近似空间导出的下近似和上近似的概率生成一对对偶的信任函数和似然函数;反之,对于任何一个信任结构及其生成的信任函数与似然函数,必可以找到一个概率近似空间,使得由近似空间导出的下近似和上近似的概率分别恰好就是所给的信任函数和似然函数.最后,指出了主要理论成果在智能信息系统的知识表示和知识获取方面的潜在应用.     

基于邻域粗糙模型的高维数据集快速约简算法

根据粒子群优化算法的思想,给出了求解高维邻域决策表的一个约简算法SPRA。通过采用固有维数的分析方法MLE等,将其估算的维数值作为SPRA算法的初始化参数,提出了高维数据集快速约简算法QSPRA。利用5个UCI标准数据集对该算法进行了验证,结果表明,该算法是有效的、可行的。详细分析了种群规模和迭代次数对结果产生的影响。实验表明,基于核的启发式添加算法思想已经不适合求解高维数据集。     

CVI法制备2D C/C复合材料

采用预制体直接加热模式的CVI工艺在25．5h内制备出24mm厚的2DC／C复合材料，分析了该工艺快速致密的机理，并观察和测试了材料的微观结构和力学性能。结果表明：该工艺能在较短时间内制备出结构均匀、力学性能较好的C／C复合材料，是一种制备C／C复合材料较为理想的工艺。其快速致密机理可认为：自由基磁吸引作用、自由基电沉积作用和自由基脱氢聚合三个方面。     

11°BX全麦芽啤酒的工艺研究

介绍了一种全麦芽啤酒生产的新工艺。通过大量的试验与探索，确定了合理的生产工艺条件，解决了全麦芽啤酒酿造时色度深、酸度高、口味粗糙等难题，从而研制出了一种具有淡爽型啤酒特征的11°BX全麦芽啤酒。     

模糊近似空间上的粗糙模糊集的公理系统

粗糙集理论是近年来发展起来的一种有效的处理不精确、不确定、含糊信息的理论，在机器学习及数据挖掘等领域获得了成功的应用．粗糙集的公理系统是粗糙集理论与应用的基础．粗糙模糊集是粗糙集理论的自然的有意义的推广．作者研究了模糊近似空间上的粗糙模糊集的公理系统，用三条简洁的相互独立的公理完全刻划了模糊近似空间上的粗糙模糊集，同时还把作者给出的公理系统与粗糙集的公理系统做了对比，指出了两者的区别．     

基于粗糙-模糊集理论的智能化构件选取

对传统的构件库体系结构进行改进，提出了一种层次型智能构件库体系结构，并在此基础上，提出了一种基于粗糙—模糊集理论的智能化重用构件选取方法，并给出了相应的算法，实例研究表明该方法可以客观地给出重用方案的决策信息，能够提高构件重用的效率和准确率。