基于概念树的评估指标相关性研究

判别评估指标之间的相关性是评估指标体系优化中的基础工作之一，论文首先依据评估指标变量的参照点和单位将其划分为3种类型，然后研究评估指标变量的组合类型及其相关性分析方法，其次，引入一种新的方法－概念树方法分析评估指标之间的相关性，提出评估指标的概念树的构建方法及应采取的相应策略，通过举例说明该方法，还给出了如何处理在评估实践中常常出现的，在越高的层次上评估指标之间的相关性越高这一问题的建议，最后指出该方法可以应用在教育以及科研等评估领域。     

基于粗糙集的信息粗传递

针对实际中两种信息传递情况,提出了两种信息粗传递概念—下近似和上近似信息粗传递。利用粗糙集理论对这两种信息粗传递进行了讨论,分析了粗传递信息保持不变、发生损失和发生增益的条件,得到了下近似和上近似粗传递信息不变定理,下近似粗传递信息损失定理,上近似粗传递信息增益定理,下近似和上近似信息粗传递原理以及提高信息粗传递精确性的方法。信息粗传递是粗糙集理论的一个新的应用。     

基于单轴转动的捷联系统粗对准技术研究

阐述了基于单轴旋转的捷联惯导系统误差抑制原理。针对旋转捷联惯导系统的粗对准问题,对比分析了解析法和惯性系粗对准法的本质区别与适用范围,利用惯性系对准过程是动态过程这一性质,提出在旋转捷联惯导系统中引入惯性系粗对准法,并进行理论推导与分析。〖JP2〗在三轴摇摆运动形式下,对单轴旋转捷联惯导系统的粗对准过程进行仿真分析,并与不旋转时的粗对准结果相对比。结果表明,惯性系粗对准过程中,惯性测量单元(inertial measurement unit, IMU)的转动调制了惯性器件常值偏差,有效地提高了旋转捷联系统的粗对准精度     

基于直觉模糊集的粗交流

提出基于直觉模糊集的粗交流的概念,分析了在基于直觉模糊集的粗交流过程中由于agents各自拥有的知识不同而产生的信息丢失问题,并给出了基于直觉模糊集的粗交流过程中信息丢失的量化分析方法.通过引入α-直觉粗交流截集等概念,得到基于直觉模糊集的粗交流和经典概念粗交流的关系定理.最后给出基于直觉模糊集的粗交流的一个具体实例.     

一种设备维护与管理的量化评估新方法

提出了一种设备维护与管理评估的新方法,该方法在平衡计分法和层次分析法的指导下,结合以相关性分析为基础的指标筛选方法建立了企业设备维护与管理的评估指标体系,借助设备维护与管理目标实现指数的设计实现了企业设备维护与管理工作的量化评估.该方法在某石化企业的成功应用证明了其有效性.     

基于灰主成分的空战目标威胁评估

由于影响空战目标威胁评估的因素复杂多样,且具有矛盾性、相关性、耦合性等特点,因此利用传统的评估方法无法得到准确客观的评估结果。对此,提出一种基于灰色主成分的目标威胁评估方法。首先,利用主成分分析(principle component analysis, PCA)方法,分析指标之间的相关性,生成指标之间的灰色关联系数矩阵,取代传统的相关矩阵或协方差矩阵,将相互关联的指标转化成相互独立的分量,重构目标威胁评估体系。其次,构建灰色关联深度极大熵模型确定原始评估指标权重。然后,分析以累计贡献率为客观性赋权且没有考虑指标重要性差异的问题,将因子载荷作为主成分权重合成的重要依据。最后,通过仿真案例,对不同的威胁评估方法得出的结果进行对比分析,证明了灰主成分法的有效性和合理性。     

群体事件中用户传播重要性的评价模型

为了达到更进一步理解群体事件在微博中的传播机理并得到能够综合评定事件参与用户在传播中重要程度的方法，采用定性分析和定量研究相结合的方式，基于真实案例的传播数据对社会群体事件的微博进行了分析。通过事件的消息转发关系构建了群体事件的微博传播系统；通过对若干传播基础指标实施主成分分析，构建了群体事件用户传播重要性的综合评价模型；结合复杂网络的相关理论，开展了该模型的评价值和复杂网络中心性指标的相关性分析。通过分析和研究，发现了群体事件的网络是具有无标度性质、小世界特征和较高集聚系数的复杂网络，在该网络中用户传播重要性的评价值实际与用户的复杂网络 核分解指标值存在极高的相关性。因此，人们可以依靠 核分解为核心的分析方法更精确、更有效地找到影响群体事件微博传播的重要用户。     

基于RS-ANN的煤矿安全控制

针对目前煤矿安全管理的现状,提出利用粗集-神经网络对煤矿安全进行控制.模型在基于人-机-环境理论基础上,全面分析了影响煤矿安全的因素,利用基于蚁群算法的粗糙集属性约简对安全因素进行分析.将粗糙集方法融入神经网络实现优势融合可以去掉冗余输入信息、减小神经网络构成系统的复杂性. 提高容错及抗干扰的能力.在此基础上,利用人工神经网络的预测功能,预测影响煤矿安全的关键因素,并根据预测结果提出有针对性的安全技术措施加以防范.用同一组数据比较该方法与典型BP网络的预测效果,结果表明该方法明显优于BP网络.     

测量船用捷联惯导动基座快速粗对准技术

针对测量船用捷联惯导系统(strapdown inertial navigation system, SINS)粗对准问题,对比分析了传统解析法和惯性系粗对准法的本质区别与适用范围,利用惯性系对准过程是动态过程的性质,提出在SINS中引入惯性系粗对准法并进行理论推导与分析。模拟测量船典型三轴摇摆状态下对SINS惯性系粗对准过程进行仿真分析,并与传统解析粗对准结果比对。选取测量船的系泊状态建立试验环境并得到实验结果：惯性系对准方法可建立更为准确的捷联矩阵,惯性系对准结果具有更好的稳定性。     

粗集不可分辨关系的拓展及其可视化研究

粗集认为知识是一种分类的能力,其基础是事物之间的不可分辨关系.在实际应用中,用不可分辨关系描述数据之间的关系往往过于精确,使得粗集的适用范围受到限制.目前已出现了多种粗集的变种,其中包含不可分辨关系的拓展.在此基础上,本文给出了一种拓展的不可分辨关系模型,即广义相似关系,就粗集的基本概念进行了讨论,并用粗超图等可视化技术作了分析.     

一种基于修正划分模糊度的聚类有效性函数

针对大多数现有的聚类有效性函数都是针对于数值型数据提出的,无法有效地评价和分析类属型数据的问题,提出了一种新的聚类有效性函数—修正划分模糊度;通过结合模糊划分熵和划分模糊度测度,所提出的聚类有效性函数既可以评价数值型数据分类结果,也可以评价类属型数据的分类性能。实验结果表明了这一新的聚类有效性函数的合理性     

基于多属性决策的动态外包信息服务商选择

竞争的加剧以及加强自身核心竞争力的考虑,许多公司尤其是中小型公司都纷纷将非核心信息系统业务外包,而信息服务提供商的选择直接影响外包的成功与否.首先根据文献结果建立信息服务提供商(Information service provider,ISP)的评价指标体系,创新性地考虑处在外包不同生命周期的信息服务使用方对信息服务提供方的评价属性侧重点有所不同,把指标属性分为关键属性, 重要属性和基本属性,并用模糊语言变量进行刻画,分不同等级的模糊语言变量表示不同确定性程度的属性, 然后,运用模糊多属性决策方法对信息服务提供商进行动态选择,最后给出具体算例.     

一种可扩展属性的实体建模与仿真方法

实体是仿真系统的基本单元，实体建模与仿真的主要对象是实体的属性信息。在分析了现有实体建模与仿真工具中存在的问题之后。提出了一种能够方便各类用户对实体进行走模与仿真的方法．该方法解决了实体属性描述和扩展的问题，同时通过谊方法建立的仿真程序具有很好的移植性和扩展性．结合提出的实体概念模型和仿真系统的概念模型，利用实体属性的数据映射和语义屏蔽的思想从理论上论述了该方法的正确性，同时通过建立实体建模与仿真工具从实际应用上验证了该方法的可行性。     

属性约简中的近似问题研究

现有相对约简实际上只是在保持所关心范畴的下近似不变的前提下对属性进行约简,这对于不协调信息系统来说,可能会使所关心范畴的上近似变大,从而使其近似精度减小,导致有用信息的丢失.为此,针对属性约简中的近似问题进行了研究,引入近似相对约简概念,利用近似相对约简替代现有相对约简来处理不协调信息系统,以克服现有相对约简在不协调信息系统中所带来的缺陷.同时,证明了在协调信息系统下,条件属性集相对决策属性集的近似相对约简和相对约简是等价的,并提出了一种基于近似相对约简的简便属性约简算法.     

石油勘探信息管理中储层属性优化方法

运用软计算融合算法识别储层含油性的关键属性,建立了预测这些关键属性的软计算融合模型.具体步骤为:首先采用遗传算法(GA)和模糊C均值嵌套算法(GA-FCM)对含油性的测井属性进行约简,得到能够描述含油性的关键属性;然后再把GA和BP神经网络(GA-BP)进行融合构建预测关键属性的软计算融合模型,即通过GA优化BP的结构(包括网络输入属性的组合和最佳隐含层神经元个数的确定),并且用测试样本的误差作为评判该预测模型的优劣;最后对某油田的oilsk81,oilsk83,oilsk85 3口井进行了实证研究.     

基于贝叶斯网络的不确定环境下多属性决策方法

融合贝叶斯网络推理技术来求解不确定多属性决策问题,根据问题的决策变量、环境变量和多个属性之间的依赖关系构造贝叶斯网络,通过推理求解在各个方案下每个属性取值的概率分布,从而把问题转化成风险决策问题.采用此方法求解不确定环境下多属性决策问题时,决策者只需考虑节点与其父节点之间的依赖关系,降低了思考的复杂程度,适用于大规模的复杂问题求解.算例表明基于贝叶斯网络的求解方法对不确定环境下的多属性决策问题是有效的.     

一个已知方案偏好信息的多属性决策新方法

基于两个合理的假设,本文提出一个已知方案偏好信息的多属性决策新方法,并从理论上证明了该方法的合理性．与前人同类方法相比,本文的方法对方案的区别能力较高．它适合六种定性属性和定量属性都存在或二者之一存在的多属性决策问题．     

基于置信规则库的并发故障诊断方法

针对具有不确定性的并发故障诊断问题,提出基于属性权重和权衡分析的置信规则库(belief rule base, BRB)诊断方法。以属性权重大小来表示属性与特定故障模式之间的相关性,设计能够反映故障模型约束的基于差分进化的优化算法,通过相邻故障模式置信度与预设阈值的权衡分析完成对并发故障诊断。该方法仅需构造单个置信规则库来有效处理各种不确定性信息,与已有研究方法相比极大地降低了建模复杂度。诊断结果不仅能得到故障的并发情况,还可分辨故障的主次关系,并且建模和推理过程开放,可解释性强。最后以船用柴油机的并发故障诊断作为实例,验证了所提方法能够有效的诊断出并发故障并且模型具有较好的稳定性。     

基于自适应差分演化的特征选择算法在石油储层识别中的应用

近年来我国石油产量跟不上需求,供需矛盾进一步凸显,导致石油的对外依存度已经连续几年超过警戒线,为了缓解供需矛盾,石油的增储上产是一种有效措施,但精确地识别石油储层成为增储上产的一大难题,而特征选择是精确识别石油储层的有效保障.本文提出了一种增强型自适应差分演化算法,即ESADE算法,在算法中使用了双种群的概念,构造了一个简单的双层差分演化,并且在算法的选择操作中加入模拟退火的思想;接着将ESADE算法作为特征选择的搜索策略,将ReliefF算法、BIF算法、FCBF算法及随机抽选特征算法作为评价准则库,SOM神经网络算法、模糊C均值算法、K均值算法和K近邻算法作为分类器库,得到了一种基于ESADE的特征选择算法.然后将此算法应用于某油田oil81、oil82、oil83、oil84和oil85五口井的测井数据集上进行石油储层的油层、差油层、水层和干层的分类识别,并与未进行特征选择直接进行分类的结果进行比较及相同分类正确率下不同分类算法组合及不同属性选择的比较.实验结果表明与SOM神经网络算法、模糊C均值算法、K均值算法及K近邻算法这四种分类算法相比,基于ESADE的特征选择算法能在利用较少属性的同时提高分类准确率,并能够提供不同的属性和分类算法的最优组合方案.     

基于限制容差关系的加权信息熵

信息论观点是利用粗集理论研究信息系统性质的一种重要途径和方法。从信息论角度研究不完备信息系统的属性约简问题。在仔细分析完备信息系统的信息熵概念的本质之后,通过引入权数,研究了基于限制容差关系的不完备信息系统加权信息熵和条件熵问题。还提出了基于一般的集值函数的信息系统加权信息熵和条件熵概念。所得结果为在一般二元关系下的信息和决策表的知识获取提供了理论依据。