粗糙集-神经网络系统在商业银行贷款五级分类中的应用

采用某股份制银行的698家贷款企业样本，基于粗糙集-Elman神经网络集成构建了贷款企业五级分类评估模型2 该模型首先应用粗糙集理论约简出重要指标体系，然后将训练样本送入-Elman神经网络进行学习和训练，进而对检验样本的风险等级进行判别.结果表明，与传统的logistic回归模型相比，粗糙集-神经网络系统对检验样本预测精度更高，是一种更为有效和实用的分类方法，为我国商业银行五级分类管理提供一个新的方法.     

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.     

短期电力负荷预测的粗糙集方法

针对短期电力负荷预测外部影响因素的非线性特点,为得到精确的预测结果,采用粗糙集方法对电力负荷及其实际影响因素进行分析.建立了由代表自然因素的条件属性和代表负荷的决策属性所构成的短期电力负荷预测指标体系,利用粗糙集分析各个条件属性对决策属性的重要程度,得到约简后的预测指标体系,并根据实际历史数据进行短期电力负荷预测.并将所得预测负荷与BP神经网络算法进行对比,结果表明了粗糙集方法的优越性.     

基于SMC-RS-LSSVM的电子商务客户流失预测模型

为提高个体层次上客户流失预测的精度,建立了基于SMC-粗糙集-最小二乘支持向量机的电子商务客户流失预测模型.该模型首先利用SMC模型计算出客户活跃度,以0.5为阈值判断出客户流失状态,识别出正判客户和错判客户;其次应用粗糙集理论约简出重要的客户流失预测指标体系,然后将训练样本送入最小二乘支持向量机进行学习和训练,进而对测试样本的客户流失状态进行判别.利用某网上商场的2525名客户样本进行电子商务客户流失预测实证研究,结果表明:与SMC模型、BP神经网络模型、最小二乘支持向量机模型相比,该模型对测试样本预测精度更高,是一种更为有效和实用的客户流失预测方法.     

运用样本更新的实时神经网络进行短期电力负荷预测

用多层神经网络模型解决短期电力负荷预测问题 ,提出了运用基于非梯度的单参数动态搜索(SPDS)算法训练网络 .这种学习算法可以克服 BP学习算法对规模大、特征多的问题难以收敛的困难 .根据预测日的天气信息进行样本集的动态构造和网络的实时训练 .计算结果表明 ,文中提出的模型可以较好地进行短期电力负荷预测 ,也验证了 SPDS学习算法的有效性.     

基于粗糙集与遗传算法集成的企业短期贷款违约判别

建立了粗糙集和遗传算法集成的企业贷款违约判别模型.该模型首先利用FUSINTER方法离散化财务数据,并应用遗传算法约简评价指标,进而基于最小约简指标提取违约判别规则,最后对企业短期贷款检验样本进行违约判别.利用贷款企业数据库558家样本企业进行交叉验证技术的实证研究,结果表明,与多元判别分析、logistic、BP神经网络等违约判别模型相比,粗糙集和遗传算法集成的违约判别模型是一种更为有效和实用的信用风险评估工具.     

基于粗糙集-神经网络的城市产业生命周期识别

以城市经济为背景,提出了基于粗糙集-RBF神经网络的城市产业生命周期识别方法.首先运用基于MDV函数与信息熵的模糊聚类算法进行连续属性离散化处理,然后采用粗糙集理论约简出重要指标体系,最后将训练样本输入RBF神经网络进行学习和训练,并对检验样本的产业生命周期阶段进行判断.对大连市669组样本产业的分析结果表明:基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果,且与通常采用的模糊评价法相比,该方法对检验样本预测精度更高,是一种有效和实用的城市产业生命周期识别工具.     

指数预测的一种混合模型

粗集和神经网络相结合反映的是人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理.本文建立这样一种混合模型用于指数趋势的预测,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余,提高神经网络预测精度的同时还降低了学习负担;利用遗传算法进行属性离散化和网络权重的优化获得了较优的预测精度.对上证综指的实证分析表明,这种混合模型的性能明显优于BP和GA神经网络模型.     

基于RS-ANFIS的雷达抗干扰性能评估方法

雷达抗干扰性能评估是雷达系统研制、引进、装备过程中必要的环节. 如何综合评估复杂电磁环境下的雷达抗干扰性能评估已成为研究的重点. 针对现有雷达抗干扰性能评估方法的特点和局限性, 提出了一种基于粗糙集-自适应神经网络模糊推理系统(RS-ANFIS)的性能评估方法. 首先, 针对原始样本数据的不完备性和不确定性, 采用粗糙集理论对原始样本数据进行数据归一化、 离散化、属性约简处理, 并得到覆盖原始样本特征的最小规则集. 其次, 建立了基于ANFIS的Sugeno型性能评估模型, 设计了评估变量的隶属度函数和推理规则, 确定了评估网络各层输入输出关系以及网络学习算法. 最后, 以12组雷达抗干扰性能评估指标为例进行算法模型验证, 表明了方法的可行性和模型的有效性. 实验结果表明, 该方法能够有效改进网络结构, 提高雷达抗干扰性能评估结果的可信度.     

根据粗糙集理论进行BP网络设计的研究

提出了一种根据粗糙集理论进行ＢＰ网络设计的方法,它结合了粗糙集理论的强大的定性分析能力和ＢＰ网络的准确的逼近能力,得到一种可理解性好、计算简单、收敛速度快的神经网络模型．这种神经网络的学习算法的要点是：应用粗糙集的理论和方法,从给定学习样本数据中发现一组规则,并根据这些规则去建立网络模型中相应的隐层节点;然后用ＢＰ算法迭代求出网络的参数,从而完成网络的设计.     

多连杆柔性关节机械臂的神经滑模控制

钟对多连杆柔性关节机械臂,设计了基于高斯径向基函数神经网络（GRBFNN）的滑模控制器,该控制器利用神经网络的逼近能力,将各关节的切换函数作为网络的输入,控制器完全由连续的RBF神经网络实现。利用该控制器与线性二次型跟踪器以及传统滑模控制器对三连杆柔性关节机械臂进行轨迹跟踪控制仿真。仿真结果表明：线性二次型跟踪器具有一定传输时延,滑模控制器跟踪轨迹有明显抖振,而神经滑模控制器取消了切换项,消减了抖振,具有良好的跟踪效果和稳定性。     

基于RBF神经网络的加热炉钢温预报模型

本文针对加热炉钢温预报模型存在的缺陷，研究用ＲＢＦ神经网络建立和加热炉钢温预报模型仿真结果表明所建立的模型简单，精度高，满足工程要求。     

BF及模糊神经网络在旋转机械故障诊断中的应用

本文对模糊神经网络用于故障诊断较传统BP(Back-Propagation)网络的优越性进行了分析,并提出了一种利用模糊神经网络进行旋转机械故障诊断的新方法。在这种方法中利用RBF(Radial Basis Function)神经网络获得隶属度函数,并简化了模糊神经网络的训练,使得新的故障诊断专家知识更易于扩充到现有的故障诊断网络中。仿真结果表明,本文方法所构建的故障诊断网络易于扩展且有良好的诊断效果。     

基于可生长结构的自组织神经网络研究

在可生长结构网络（Growing When Required Network,简称GWRN）的基础上,提出了有监督可生长结构网络（Supervised Growing When Required Network,简称SGWRN）模型。该模型引入线性输出层,将GWRN与径向基函数结合,构成有监督自组织神经网络学习模型。该模型能快速生长,可广泛用于监督学习。倒立摆平衡控制仿真实验结果表明该模型有效。     

基于小波与径向基函数的大气污染预测研究

提出了一种实用于大气污染物的小波分析和RBF(RadialBasisFunction)神经网络相结合的预测方法,对污染物TSP(TotalSuspendedParticles)进行预测,得到与观测值相符的结果。应用小波分析进行检测,消除了预测数据中奇异点所包含的奇异信号。在此基础上应用RBF神经网络进行预测,研究结果表明,小波分析的利用提高了预测精度,验证了该方法简便、快捷,具有较强的实用性,为环境管理部门宏观调控提供了理论基础。     

基于径向基函数的非线性岭回归方法及仿真研究

提出了一种基于径向基函数的非线性岭回归建模方法（RBF-RR），该方法的核心是先通过RBF的转换实现输入样本的非线性映射，然后用岭回归方法进行线性建模，并采用了—种效果较好的基于广义交叉有效性（GCV）的逐步估计法来确定岭参数k；该建模方法的优点在于：径向基函数的引入赋予岭回归方法非线性功能，同时岭回归方法又可以消除使用RBF进行非线性处理后RBF输出之间潜在的复共线性。通过仿真研究表明：使用RBF—RR建立的模型具有较好的稳定性和预测精度。     

黄河三角洲农业生产决策模型

为探索农业生产决策的新方法,以黄河三角洲为例,通过建立农产品与农业生产投入之间的联系,构建了基于人工神经网络的决策模型。不同农产品与投入要素所具有的能量品质与等级不同,不能直接相互累加。根据能值理论,将各要素统一为可比较的同一量纲,计算得到的农业产出与投入要素的能值作为模型的输入与输出,应用径向基神经网络进行拟和分析,通过运行结果的比较,证明所建立网络相对于反向传播网络具有明显优越性。将黄河三角洲规划中2005年预期农产品产量输入构建好的模型,根据模型输出结果,得出各生产要素的具体投入量,为农业生产决策提供依据。图2,表2,参10。     

基于RBF神经网络的分数阶混沌系统的同步

针对分数阶混沌系统的同步问题,提出一种基于径向基函数(Radial BasisFunction,RBF)神经网络的控制器。利用RBF神经网络对同步误差系统进行补偿控制,神经网络的权值可以在线调整,使得同步误差渐近收敛到零点。基于Lya-punov稳定性理论,分析了该控制器的稳定性。分别以分数阶Chen系统的同步和分数阶Liu系统的同步为例进行了数值仿真,仿真结果验证了所设计的控制器的有效性和鲁棒性。     

基于径向基函数网络人脸识别的研究

用人脸信息来识别和辨认一个人类个体,是计算机视觉和模式识别领域中的一个研究热点。本文提出了一种基于径向基函数网络(RBFN)识别人脸的方法,使用主分量分析(PCA)技术降低样本维数,并用生成图像(SI)技术改变人脸的姿态,以增加学习样本数。用标准人脸库ORL进行实验,表明人脸识别效果有大幅度的提高。     

动车组进站过程精准停车控制方法研究

通过分析高速动车组进站停车过程中制动力与速度之间的关系,构建动车组多质点动力学模型。由于制动停车后期产生空气制动力过程给系统带来延时影响,引入Smith预估器,采用基于RBF(Radial Basis Function)神经网络的PID控制策略与Smith预估器相结合,实现制动过程中对给定速度的跟踪控制。仿真分析表明:该混合控制器控制的列车速度与设定速度的误差小于±1 km/h,停车误差小于±0.3 m,可满足进站制动停车的要求。