空值环境下基于精集理论的知识表达研究

讨论了空值的有关问题，并在基于粗集理论的知识表达系统中引入空值，提出了知识表达系统中空值的分类处理，并给出了分类处理的算法，从而为在表示知识的元组信息不完整的情况下，充分利用空值的有用信息，为决策者处理不同层次上的参考信息提供了重要思路。     

基于粗集理论的医学诊断规则提取方法

讨论了医学诊断的知识获取问题，基于粗集理论提出了完整的知识获取方法，包括连续信息系统的离散化，信息系统约简、决策规则提取，决策模型生成等，以十二指肠溃疡为例，讨论了知识处理的过程，为人工智能技术在医学诊断领域的应用提供了新的思路。     

基于粗集理论的工作分析

工作分析是企业人力资源管理工作的基石.论文基于粗集理论,建立一种科学的工作分析方法,从而对工作的任职条件属性进行约简,并对任职决策规则进行提取,最后并通过实例验证.     

不完全信息下的粗集拓展

在复杂的决策环境下，不完全信息是不可避免的，在此情况一，专家往往也能给出满意的决策，因此从不完全的案例中提取有用的模式，用于增强智能系统的知识库，是具有实际意义的，粗集是处理不确定信息的有效方法，但它通常适用于完全决策者，论文对粗集理论在不完全信息下进行了初步的拓展，这给从不完全决策表中挖掘知识提供了理论基础。     

结合粗集理论的动态属性约简研究

针对动态建立数据库的需要和粗集约简存在的问题 ,在粗集理论的基础上提出了一种动态约简算法 .在数据库变化时 ,该算法不象静态粗集约简方法需重新寻找属性约简 ,而是利用新增的对象对原有的约简关系进行修正 ,大大节省了计算量 ,提高了搜索效率 ;同时在算法中还引入了信息熵准则以克服粗集约简准则对数据噪声的敏感性和不能表达属性间概率因果关系的缺点 .通过一个病因诊断问题的实例表明 ,该算法利用较小的信息表就找到了与静态粗集约简一致的属性约简集 ,并按照因果关系的大小 (不确定性大小 )对结果集合作了排序 ,同时计算量分析表明该算法比静态粗集约简极大地节省了计算量 ,提高了搜索效率 .     

一种基于粗集理论的属性权重构造方法

提出一种新的基于粗集理论的权重构造方法来解决传统决策中主观性问题和冗余性问题,并给出了一种新的判据模式.新方法分析论述了可拓学中存在的数学逻辑错误,并与通过其他决策方法得出的结论作比较.最终通过实验分析来说明方法的有效性和可行性,从而为管理决策提供了一种新的思想.     

粗集与神经网络的集成技术研究

粗集和神经网络都是处理不确定、不完全信息的软计算方法 ,两者曾在决策支持和知识获取等领域取得了很大的成功并得到初步应用。但两者都有局限性 ,同时在许多方面有互补性。因此粗集和神经网络的集成成为当今智能混合系统的一个重要分支 ,或许也是开发下一代专家系统的主流技术。从认识论的角度分析了粗集和神经网络的特点 ,评述了目前粗集和神经网络集成的理论和方法 ,指出其中存在的主要不足。最后提出了粗集和神经网络进一步集成所需解决的问题。     

基于粗集的正交小波网络预测模型研究

为满足复杂工程预测问题的需要,把粗集理论与正交小波网络相结合,建立了一种基于粗集的正交小波网络预测模型。应用主成分分析方法解决了正交小波网络多维输入时的维数灾难,提高了网络的收敛性和预测的时效性。预测模型兼容了正交小波网络和粗神经网络的优良特性,具有良好的函数逼近能力和极强的鲁棒性,特别适合于具有随机因素的高精度预测问题。仿真研究表明,模型的预测精度和收敛速度优于小波框架神经网络。     

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。     

一种基于相近关系的粗集理论扩展方法及属性约简

针对经典粗集理论中的不可分辨关系对连续属性值中噪声数据缺乏容错性的情况，提出一种相近关系代替不可分辨关系，并用不同的δ值调节相近关系中可接受的相近程度，限制可冗余的范围。给出相近度的计算方法，通过给定闲值定义真实相近类，用以减少一般相近类集合中对象的个数。另外，定义在相近关系下的粗集的一些基本概念，并提出相应的知识属性约简的方法。最后通过歼击机故障信息决策分类验证本文约简方法的正确性和对噪声数据的冗余性。     

Half-global discretization algorithm based on rough set theory

It is being widely studied how to extract knowledge from a decision table based on rough set theory. The novel problem is how to discretize a decision table having continuous attribute. In order to obtain more reasonable discretization results, a discretization algorithm is proposed, which arranges half-global discretization based on the correlational coefficient of each continuous attribute while considering the uniqueness of rough set theory. When choosing heuristic information, stability is combined with rough entropy. In terms of stability, the possibility of classifying objects belonging to certain sub-interval of a given attribute into neighbor sub-intervals is minimized. By doing this, rational discrete intervals can be determined. Rough entropy is employed to decide the optimal cut-points while guaranteeing the consistency of the decision table after discretization. Thought of this algorithm is elaborated through Iris data and then some experiments by comparing outcomes of four discritized datasets are also given, which are calculated by the proposed algorithm and four other typical algorithms for discritization respectively. After that, classification rules are deduced and summarized through rough set based classifiers. Results show that the proposed discretization algorithm is able to generate optimal classification accuracy while minimizing the number of discrete intervals. It displays superiority especially when dealing with a decision table having a large attribute number.     

Information rough communication based on both-branch fuzzy set

The concept of rough communication based on both-branch fuzzy set is proposed, in which the loss of information may exist, for each agent there has a different language and can not provide precise communication to each other. The method of information measure in a rough communication based on both-branch fuzzy set is proposed. By using some concepts, such as |α|-both-branch rough communication cut, the relation theorem between rough communication based on both-branch fuzzy concept and rough communication based on classical concept is obtained. Finally, an example of rough communication based on both-branch fuzzy set is given.     

基于粗糙集和D-S证据理论的设备技术状态评估

针对设备技术状态评估中存在着不确定性,建立了基于粗糙集理论和D-S证据理论的设备技术状态评估模型,以提高评估的准确度,降低不确定性。首先利用粗糙集理论的知识约简功能来优化设备技术状态评估指标,其次采用D-S证据理论来组合优化过的指标,最后采用基于基本可信度分配的决策来获得设备的技术状态类别。以汽轮鼓风机为研究对象,详细描述了基于粗糙集理论和D-S证据理论的设备技术状态评估方法,并进行实例计算。实例表明采用粗糙集理论,优化了评估指标,减少了数据收集;采用D-S证据理论,进一步综合各指标,并能计算出评估结果可能存在的不确定性量。     

基于粗糙D-S理论的身份融合方法

综合运用粗糙集方法与D-S证据理论可有效解决身份融合中的一些复杂问题。针对多传感器身份融合中D-S理论获取基本概率赋值存在主观性的问题,提出了一种新的基于粗糙集理论的证据获取和基本概率赋值客观确定方法;利用粗糙集中属性的重要性消除冗余传感器,减少了证据组合的冲突现象。在此基础上,给出了基于粗糙D-S理论的身份融合方法,最后以具体算例验证了方法的有效性。     

基于粗集的武器研制风险分析的解释结构模型

根据风险分析及其在火箭武器研制领域的实际,提出在辨识风险因素后利用粗集处理专家识别的层次风险因素,将系统工程理论中的解释结构模型法运用于风险分析的新思路。分析了某火箭炮改进项目总体方案的风险,建立了该方案的风险模型和解释结构模型,从纷繁的风险因素中找出了相互影响的内在联系,并根据其解释结构模型得到了某火箭炮武器系统改进的风险管理建议。     

Research on knowledge acquisition method about the IF/THEN rules based on rough set theory

The basic principles of IF/THEN rules in rough set theory are analyzed first, and then the automatic process of knowledge acquisition is given. The numerical data is qualitatively processed by the classification of membership functions and membership degrees to get the normative decision table. The regular method of relations and the reduction algorithm of attributes are studied. The reduced relations are presented by the multi-representvalue method and its algorithm is offered. The whole knowledge acquisition process has high degree of automation and the extracted knowledge is true and reliable.     

多准则分级决策的扩展粗糙集方法

解决分级决策问题的方法主要涉及统计学、人工智能和运筹学等．粗糙集理论被证明是进行多属性决策分析的有利工具．但是，基于不可分辨关系或相似关系的传统粗糙集方法不适于解决带有准则的决策分析问题．因此，Greco等提出了一种扩展的粗糙集方法分析分级决策数据，该方法利用支配关系代替不可分辨关系对决策类进行粗糙近似．在此基础上，为了从决策数据中构造偏好模型，通过构造支配矩阵和支配函数计算最小决策规则．为了消除规则集中的冗余性，提出了规则化简的方法．此外，对基于规则的分级决策策略进行了研究.     

编队对地攻击不完备信息粗决策及可靠性分析

针对编队协同对地攻击特点,建立了编队协同对地攻击指挥决策信息系统。基于粗糙集理论,对不完备信息条件下的决策信息系统,分别讨论了由于数据对象缺失和由于条件属性值缺失造成的不完备信息决策系统的决策规则提取方法,并对提取的决策规则进行可靠性分析,给出不完备信息条件下提取的各决策规则的可靠度,为作战指挥决策提供依据。