函数S-粗集与粗规律挖掘-分离

研究了函数S-粗集的本质和特性,及其用于挖掘系统的潜在规律。利用函数S-粗集(单向函数S-粗集,双向函数S-粗集)的数学结构和特性,给出系统中粗规律模型的生成方法。给出了利用函数S-粗集进行系统中的粗规律挖掘与分离的讨论,和系统中粗规律分离的应用。例子证明,函数S-粗集是系统规律挖掘的一个有力工具。     

函数S-粗集与图像识别

函数S-粗集是以函数等价类定义的,它具有规律特性,图像具有特征,特征存在着规律,将函数S-粗集的规律特性嫁接,应用到识别理论中。给出图像特征F-下近似规律,F-上近似规律的生成,及规律模型,给出图像特征规律F-识别对结构,并对图像F-识别给出特性分析。图像F-识别是一种新的识别方法,已经成为识别理论研究中的一个新的研究方向。     

单向S-粗决策规律与决策规律挖掘

利用单向S-粗集,给出单向S-粗决策规律生成方法;给出上决策规律,下决策规律,单向S-粗决策规律核,单向S-粗决策规律带,单向S-粗决策规律壳的概念;利用这些概念,提出下决策规律传递定理,上决策规律传递定理,F-分离的属性定理,粗决策规律挖掘定理,与粗决策规律挖掘准则。     

一种基于单向变异S-概率粗集的动态决策方法

针对因决策因素个数的减少而导致的决策精度降低的情况,提出了一种基于单向变异S-概率粗集的动态决策方法。利用单向变异S-概率粗集的属性动态迁移特性,结合知识库中的统计信息,讨论了单向变异S-概率粗集模型的属性概率性质。利用上述性质的讨论,给出了一个具体的军事动态决策实例,从而证明该方法可以有效地提高决策精度。     

基于S-粗集的图像阈值分割方法

介绍了S-粗集的概念, 结合其动态迁移特性给出了可以适应复杂背景和含噪环境的图像S-粗集表示模型, 使静态目标可以将"不好"特性像素点迁移出去. 利用粗糙熵平衡目标和背景粗糙度对边界的影响, 提出一种更具适应性的 图像阈值分割算法. 为了适应离散点的迁移, 同时避免粒度大小的选择, 结合包含度概念给出了图像变精度S-粗集表示模型, 利用精度参数来 控制调节获取最佳分割阈值, 实现目标提取. 仿真实验表明, 所提出算法具有更好的图像分割效果.     

一种基于S-粗集的实时调度建模方法

基于S-粗集理论(Singular roush sets)提出了一种车间作业实时调度建模方法.在动态加工环境下,考虑有工件加工完成、工件到期时间改变和急加工工件到来等实时事件发生,研究了实时调度窗口工件的再选择与再调度问题,建立了基于S-粗集的车间作业实时粗调度模型,把S-粗集理论成功地应用于实时调度领城.仿真算例表明,利用该方法不仅能适应动态的工件加工环境,减小调度问题的求解规模,而且能够减少动态再调度次数.     

S-粗集与新材料发现-识别

S-粗集(singular rough sets)具有两类形式:单向S-粗集(one direction S-rough sets)和双向S-粗集(two direction S-rough sets)。S-粗集具有遗传特征、记忆特征。把S-粗集与材料科学进行学科渗透,互补共享,给出新金属材料的发现-识别的讨论,利用属性生成模型给出新金属材料的属性值分析,给出的结果与实际相符。S-粗集是粗集研究的一个新方向,是新材料发现-识别的一个新的数学工具。     

一种新的伤害预测方法及其在防空作战态势评估中的应用

针对防空作战态势评估问题,基于空战作战单元少而精、战场态势变化迅速等特点,提出了一种新的伤害预测方法并将其应用于防空作战态势评估中,用以弥补传统方法在局部战场的实时性分析能力的不足,给出了伤害预测方法的基本原理及其广义化,以及伤害评估的量化方法,建立了基于伤害预测方法的态势评估模型。仿真实验结果表明,伤害预测方法能够对防空作战态势做出有效的评估,并取得较好的实时效果。     

S-粗集与它的分解-还原

利用S-粗集(singular     

S-粗集与F-隐藏知识发现

S-粗集具有三类形式:单向S-粗集,双向S-粗集,单向S-粗集对偶。S-粗集具有动态特性,遗传特性,记忆特性。利用单向S-粗集对偶与它的隐藏特性,本文给出f-隐藏知识,F-隐藏知识,隐藏度,隐藏依赖的概念,提出隐藏知识的隐藏定理,隐藏知识的隐藏依赖定理,给出F-隐藏与F-隐藏依赖在系统状态识别中的应用。     

Function S-Rough sets and its applications

1 .INTRODUCTIONBased on S-rough sets(singular rough sets)[3 ~14],Refs .[1 ,2] presented function S-rough sets (func-tion singular rough sets) and its two forms :func-tion one direction S-rough sets (function one direc-tion singular rough sets) and function two direc-tion S-rough sets (function two direction singularrough sets) . Function S-rough sets is obtained toresearch mining discovery . Let’s see a practicalsystem: The output state of a system can be de-scribed by the function set…     

Function S-rough sets and two law forecast

Function S-rough sets has the properties of dynamics, heredity, and memory. Function S-rough sets is penetrated and crossed with the issue of economic law forecast, then a new forecast model based on function S-rough sets namely the two law forecast model is proposed, which includes upper law forecast model and lower law forecast model; and its' implement algorithm is given. FinaLly, the validity of the model is demonstrated by the forecast for region economic development of Hainan Province.     

Function S-rough sets and mining-discovery of rough law in systems

1. INTRODUCTION S-rough sets (singular rough sets) was presented in Ref. [3] in 2002, and defined on α -element equival- ence class [x] with dynamic characteristic. S-rough sets has more advantages than Z.Pawlak’s rough sets[24]. S-rough sets has been applied in dynamic object recognition[21], mechanical engineering[22] and information science[8-13]. In 2005, function S-rough sets was put forward in Refs. [1,2], and is defined on α -function equivalence class [u] with dynamic charact…     

态势估计中基于模糊集理论的目标编群方法

分析了C4ISR信息融合系统中态势估计的目标编群问题。应用基于模糊等价关系的方法实现目标编群,并提出一种基于域知识和最近邻法相结合的算法来实现群结构递增形成的策略。该算法易于实现,计算量小,在实时性要求高的态势估计系统中有一定的应用价值。目标编群的结果有助于确定态势元素之间的相互关系,从而解释问题领域的各种行为,辅助指挥决策。     

基于IFTBN的不确定性时间推理方法

针对模糊贝叶斯网络模型对复杂不确定性时间信息描述和推理方面的局限性,给出了直觉模糊贝叶斯网络的定义,并将直觉模糊时序逻辑理论与贝叶斯网络推理相融合,构建了直觉模糊时间贝叶斯网络(intuitionistic fuzzy time Bayesian network, IFTBN)模型,提出了基于IFTBN的不确定性时间推理算法,较好地解决了态势估计中不确定性时间推理精度不高的问题,提高了军事态势评估系统形成正确战场感知的作战效能。最后通过典型实例验证了该时间推理方法的有效性和优越性。     

一种基于粗糙集理论的SVM短期负荷预测方法

在分析粗糙集理论方法与支持向量机方法的优势和互补性后,探讨了粗糙集与支持向量机的结合方法,提出了一种基于粗糙集数据预处理的支持向量机预测系统。该系统利用粗糙集理论在处理大数据量、消除冗余信息等方面的优势,减少支持向量机的训练数据,克服支持向量机方法因为数据量太大,处理速度慢等缺点。将该系统应用于短期负荷预测中,与BP神经网络法和标准的支持向量机方法相比,得到了较高的预测精度,从而说明了基于粗糙集理论方法作为信息预处理的支持向量机学习系统的优越性。     

New judging model of fuzzy cluster optimal dividing based on rough sets theory

To investigate the judging problem of optimal dividing matrix among several fuzzy dividing matrices in fuzzy dividing space, correspondingly, which is determined by the various choices of cluster samples in the totality sample space, two algorithms are proposed on the basis of the data analysis method in rough sets theory: information system discrete algorithm (algorithm 1) and samples representatives judging algorithm (algorithm 2). On the principle of the farthest distance, algorithm i transforms continuous data into discrete form which could be transacted by rough sets theory. Taking the approximate precision as a criterion, algorithm 2 chooses the sample space with a good representative. Hence, the clustering sample set in inducing and computing optimal dividing matrix can be achieved. Several theorems are proposed to provide strict theoretic foundations for the execution of the algorithm model. An applied example based on the new algorithm model is given, whose result verifies the feasibility of this new algorithm model.     

基于分层贝叶斯网络的计划识别方法

分析了态势估计中计划识别问题。采用分层贝叶斯网络对计划进行分级表示,依据发生的战场事件和目标行为,动态构建分层贝叶斯网络结构,并将其作为证据进行推理。为了解决动态构建贝叶斯网络的推理问题,提出构建虚拟节点的方法,将底层贝叶斯网络的推理结果作为不确定证据,输入到对应的上层网络节点中,以代替该底层贝叶斯网络。最后,文中通过仿真实验,对基于分层贝叶斯网络的计划识别方法进行了实验验证,结果表明该方法是有效可行的。