知识粗糙性的粒度原理及其约简

粗糙集理论是一种新的软计算方法,已成为知识发现和诊断决策领域的一个研究热点。经典的粗糙集理论提出知识是有粒度的并定义了知识粗糙度的概念,但它不能完全区分不同信息粒度所表示的信息量。从信息论的角度定义了信息粒度的概念,重点研究了知识粗糙性的粒度原理,定义了粒度函数和粒度熵的概念,提出了信息粒度的量化计算方法,解决了知识粗糙度在表达信息时的不足。根据知识粗糙性和信息粒度本质上的一致性,提出了一种基于粒度熵的属性约简算法,该算法可以从各约简集中选择最优属性约简,避免了选择约简集的盲目性。实例研究证明提出的粒度计算方法是可靠有效的,为进一步研究知识的粒度计算提供了可行的方法。     

基于信息完备性的粗关系操作研究

针对已有粗关系操作的缺点，从知识完备性的角度，对已有的粗关系操作进行了改进，提出了新的粗关系操作的定义，讨论了相关的性质，为进一步开展研究打下基础。     

增量式规则获取方法在个性化服务中的应用

基于规则的个性化服务技术具有简单、直接等优点，但及时更新规则库比较困难。将基于规则树的增量式规则获取方法应用于个性化服务技术中，在保证规则质量前提下，大大缩短了学习时所用时间，能及时更新规则库。通过实验验证了该方法是可行的有效的。     

基于蚁群算法的粗糙集知识约简

给出了一种新的粗糙集知识约简方法,即结合粗糙集理论的依赖度定义,先给出知识约简转化定理,然后运用一种改进型蚁群算法,采用局部和全局搜索相结合的方法,对知识表达系统进行约简.同时,在适值函数中引入罚函数,从而保证所求的约简在包含最少而非零个属性的基础上有较大的依赖度.通过Matlab计算实例可看出,本文算法对求解知识约简问题快速有效.     

基于粗糙集-神经网络故障诊断技术的研究

提出了一种基于粗糙集-神经网络故障诊断新方法,该方法利用粗糙集理论对数据样本进行数据浓缩,提取初步的映射规则.该规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立输入状态空间到输出空间的精确映射,大大提高了神经网络的收敛速度和逼近精度.通过对一个电力电子电路进行实验,实验结果表明,该方法可以有效地减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,在故障诊断中有良好的应用前景.     

对多变量密度众数的估计

应用随机样本的核估计对多元函数的概率密度的众数进行估计,这个估计通过最大化对样本值的核估计来定义,证明了其强一致性,并且给出了几乎必然的收敛速度,这个收敛速度依赖于众数的值.     

基于粗糙集和神经网络的空军航材消耗预测方法

针对空军航空器材消耗受某些影响因素的冗余性、非定量性以及消耗预测模型中很难体现问题 .分析了影响航材消耗的因素 ,利用粗糙集知识约简方法去除冗余 ,选择主要影响航材消耗的因素 ,利用神经网络建立消耗预测模型 .最后对该模型的预测效果与直接神经预测的效果进行了比较 ,显示了该模型的有效性和实用性 ,为航材消耗预测提供了一种新的有效决策方法 .     

基于知识的歼击机起飞爬升阶段的故障诊断与报警

针对歼击机的起飞、爬升阶段 ,数据量大且复杂 ,对故障诊断要求精度高 ,实时性好 ,设计出粗集和神经网络相结合 ,分层诊断的方法 ,先定故障的类型 ,然后定故障的度 .其中在粗集诊断部分 ,提出了适合该研究对象的离散和简约方法 ,从而得到了少量但足够用的决策规则 ,使得实时诊断程序结构简单 ,实时性好 .包含诊断和报警模块的实时程序证明 ,此方法可以达到精度和实时性要求 .     

Reducing Inconsistent Rules Based on Irregular Decision Table

In this paper, we study the problem of rule extraction from data sets using the rough set method. For inconsistent rules due to improper selection of split-points during discretization, and/or to lack of information, we propose two methods to remove their inconsistency based on irregular decision tables. By using these methods, inconsistent rules are eliminated as far as possible, without affecting the remaining consistent rules. Experimental test indicates that use of the new method leads to an improvement in the mean accuracy of the extracted rules.     

一类对Jenolek属性约简算法的新的改进方法

在分析了Jenolek属性约简算法和已有的对其改进算法的基础上，提出了一类新的改进方法，主要是利用辅助空间保存属性信息，并且利用排序操作、决策表预处理、寻找核属性集、属性扩展等技术，在保持Jenolek算法性能不变的情况下在时间复杂度方面比已有的方法获得了更大的改进。