基于条件向量的多因素粗集决策分析算法设计及应用

针对多因素粗集决策在规则获取和约简算法的求解过程中因删除了被认为冗余的条件值(或组合),而使得某些含有被认为冗余的条件值(或组合)的待决策对象无法利用决策规则约简集中的规则直接给出决策结果的这类问题,在分析决策规则价值的基础上,提出一种基于条件向量的多因素粗集决策分析算法,为决策者提供决策建议,给出其决策(或推荐决策)结果.最后,将该方法应用于飞行动作模式判别问题,决策结果说明该方法的可行性和有效性.     

粗糙集连续属性离散化通用模型及GASA方法

在对典型的离散化方法分析的基础上,提出一种适用于粗糙集决策表的连续属性离散化处理的通用模型结构;对遗传算法的适应度线性尺度变换作改进,将模拟退火的思想引入遗传算法,提出基于遗传模拟退火算法(GASA)的数据离散化方法,并用UCI机器学习数据库中的Iris和Glass数据集进行验证.实验结果表明,离散化方法通用模型对数据...     

飞机型号研制经验不确定性表达的模糊粗糙特征集方法

针对不确定性知识表达和量化的需要，基于模糊粗糙集理论构建了知识表达的模糊粗糙特征集模型，并将其应用于飞机型号研制经验的不确定性知识表达。实例结果表明，这种方法是合理、可行、有效的。     

改进的粒子群算法及其在软测量建模中的应用

提出了一种改进的粒子群算法,很好地解决了基本粒子群算法中易陷入局部最优的缺点。通过比较和分析几个标准测试函数的计算结果,改进的粒子群算法的优良性得到充分的证明。改进的粒子群算法被用于优化神经网络的结构和参数,结果表明:不但网络的结构得到控制,而且泛化性能有了较大的提高。同时,算法在优化神经网络上的有效性也在4-CBA含量的软测量建模中得到了很好的证实。     

基于序关系的多准则粗集决策方法及应用

从序关系的角度研究多准则决策问题,提出了基于序关系和粗糙集理论的多准则决策方法的系统流程.针对传统定性转换方法信息丢失和导致信息表不一致的缺陷,提出了一种新的定量转换方法,将有序表转换成两两比较表.给出了基于粗糙集的改进RG序规则挖掘算法,并将其应用于两两比较表上以获取供决策使用的排序规则.最后,将该决策方法应用于航材偏好选址问题,决策结果说明了该方法的可行性和有效性.