■-生成规律与系统规律识别

一个系统(控制系统、通讯系统)没有受到某个规律的干扰(或攻击),则系统处于稳定运动状态或者按预定的规律运动。未知规律进入到系统中,对系统进行干扰,使得系统的运动规律紊乱。利用函数单向S-粗集对偶(dual of function one direction singular rough sets),给出系统中■-生成规律的概念,给出■-生成规律的生成模型和对系统规律的识别。函数单向S-粗集对偶是识别系统中存在干扰规律,识别系统规律的一个新的理论与方法。     

-生成规律与系统规律识别

一个系统(控制系统、通讯系统)没有受到某个规律的干扰(或攻击),则系统处于稳定运动状态或者按预定的规律运动.未知规律进入到系统中,对系统进行干扰,使得系统的运动规律紊乱.利用函数单向S-粗集对偶(dual of function one direction singular rough sets),给出系统中(-F)-生成规律的概念,给出(-F)-生成规律的生成模型和对系统规律的识别.函数单向S-粗集对偶是识别系统中存在干扰规律,识别系统规律的一个新的理论与方法.     

(-F)-生成规律与系统规律识别

一个系统(控制系统、通讯系统)没有受到某个规律的干扰(或攻击),则系统处于稳定运动状态或者按预定的规律运动.未知规律进入到系统中,对系统进行干扰,使得系统的运动规律紊乱.利用函数单向S-粗集对偶(dual of function one direction singular rough sets),给出系统中(-F)-生成规律的概念,给出(-F)-生成规律的生成模型和对系统规律的识别.函数单向S-粗集对偶是识别系统中存在干扰规律,识别系统规律的一个新的理论与方法.     

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。     

规律与它的f-属性控制

函数单向S-粗集对偶(dual of function one direction singular rough set),具有单向动态特性和规律特性;它是函数S-粗集(function singular rough set)的基本形式之一。函数S-粗集是在改进S-粗集的基础上提出的。利用函数单向S-粗集对偶的动态特性和规律特性,给出f·-规律,f·-规律的属性特征,属性距离,f·-冗余规律概念。利用这些概念,提出规律与它的f·-属性控制,并给出f·-属性控制定理,f·-属性控制判定定理,f·-属性控制识别准则与应用。     

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。     

(F)-风险属性入侵与承灾规律识别

针对公共突发事件的动态性、不确定性和危害性,利用单向S-粗集对偶(dual ofone direction sin-gular rough sets)给出承灾类、承灾量、F-承灾损失、F-承灾度、F-承灾损失规律、F-承灾度规律的概念,利用这些概念提出了F-承灾损失与F-承灾度关系定理,F-承灾损失规律与F-承灾度规律关系定理,F-风险属性入侵规律分辨定理,F-承灾度规律识别准则与应用.单向S-粗集是应急管理理论与方法研究中的一个新的有效的数学工具.     

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。     

单向S-粗集对偶与数据筛选-过滤的扩展应用

S-粗集(singular rough sets)是对Z.Pawlak粗集的改进,单向S-粗集对偶(dual of one direction sin-gular rough sets)是S-粗集的基本形式之一。利用单向S-粗集对偶,给出数据属性,数据筛选-过滤概念,数据筛选-过滤序定理,合成数据筛选-过滤定理,及数据筛选-过滤准则。利用这些结果,给出应用。单向S-粗集对偶是动态数据筛选-过滤研究的一个新工具。     

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。     

贝叶斯网络推理算法综述

贝叶斯网络是一种有效的不确定性知识表达和推理工具,概率推理是其重要研究内容之一。经过二十年的发展,贝叶斯网络已经有一些比较有效的精确和近似推理算法。对迄今为止的贝叶斯网络推理算法研究进行综述,从复杂度、适用性、精度等方面对它们进行比较分析,指出每种算法的关键环节,为实际应用中算法选择和研究提供参考。     

基于时序模型的加速退化数据可靠性评估

提出利用加速退化数据对高可靠长寿命产品进行可靠性评估与寿命预测的新方法.从时间序列的角度出发,研究了退化轨迹的一般建模方法;进而结合加速模型,利用整体推断方法给出了模型参数的极大似然估计.并以对数正态分布和Weibull分布为例,利用信仰推断方法给出了可靠度置信区间.通过有效利用加速退化试验各状态下的试验信息,结合时序模型对退化轨迹曲线自拟合性强的优点,提高了产品可靠性评估与寿命预测的稳健性,为基于产品加速退化数据进行可靠性评估提供了一条新的技术途径.最后通过实例验证了该方法的有效性.     

离散动态贝叶斯网络的直接计算推理算法

离散动态贝叶斯网络是对动态过程进行建模和定性推理的有力工具。但是目前所用的各种推理算法都需要进行复杂的图形变换,不易于计算机编程实现而且计算时间长。为此,基于概率论和贝叶斯网络的基本性质,提出了离散动态贝叶斯网络的直接计算推理算法,从理论上对算法进行了推导并进行了实例验证。该算法的最大优点就是不需要复杂的图形变换,非常适合于计算机编程实现,而且在某些情况下推理速度快于其它算法。     

基于置信规则库推理的不确定性建模研究

置信规则库推理作为一种新颖的表达和处理复杂不确定性的方法,在系统建模和分析方面具有很大的应用前景.本文讨论了基本置信规则库推理的性质,证明其不但可以以足够高精度拟合确定性和随机性系统,而且可以处理确定性和随机性数学模型不能表达的复杂不确定问题.另外本文通过对其规则库进行扩展和改进激活算法,解决了基本置信规则库推理在处理局部未知度方面的局限性问题,最后通过一个报童库存问题对提出的方法进行了说明和验证.     

基于MPI的主从式并行MCMC

马尔可夫链蒙特卡洛(MCMC)是贝叶斯网络(BN)的一种近似推理算法,为保证其时间性能,在生成马尔可夫链的组成序列时,通常只使用较少的样本,其推理精度较低.以Gibbs抽样为基本框架,提出一种BN的并行MCMC推理方法PMCMC,在生成马尔可夫链的组成序列时,通过增加对BN中每个节点的抽样频率来提高推理精度,并在消息传递接口MPJ的支持下,利用主从式并行机制来实现其推理过程,保证了推理的时间性能.在3个不同BN上的推理实验结果表明,PMCMC在提高推理精度的同时有效保证了推理的时间生能.     

模糊控制在聚合反应釜中的应用及仿真研究

根据聚合反应釜的大惯性，大滞后特性，用传统的PID控制，模糊PID控制、分段模型控制和史密斯－模糊控制进行仿真研究，最后得到理想的史密斯－模糊控制方法。     

模糊推理预测方法及其应用

给出了连续论域和离散论域模糊推理预测的一般性方法,并应用连续论域模糊推理预测方法,对中国居民的人均粮食消费量进行预测。     

基于模糊推理的公路工程质量评定模型

提出了基于模糊推理的公路工程项目质量评判模型 ,该模型对目前质量评判模型进行了修正 ,消除了在项目质量评分和项目质量等级之间存在的不一致性 .同时整个模型以易于理解的规则形式表示 ,使评判者可以根据实际情况进行调整和修改 ,使决策过程更具柔性 .     

变结构离散动态贝叶斯网络及其推理算法

目前的动态贝叶斯网络的研究,是定义在每一个时间片的静态贝叶斯网络结构和参数都一致的基础上,对于过程突变,参数变化等情况就难以适应.为了解决这个问题,提出变结构离散动态贝叶斯网络的概念,并根据概率和动态贝叶斯网络的理论,推导出变结构离散动态贝叶斯网络的推理方法,对算法进行了验证并结合环境变化时的路径选择问题,进行了计算仿真.计算和仿真结果证明了文章提出的变结构离散动态贝叶斯网络的概念和推理算法的正确性.     

决策支持系统中的不精确推理研究

随着决策问题的复杂化和多样化,决策支持系统需要越来越多地支持不精确描述问题的决策,本文提出了一种不精确推理真值传播的计算方法,和其它几种方法相比,它能更充分地利用现存的信息。