A minimal axiom group for rough set based on quasi-ordering

Rough set axiomatization is one aspect of rough set study to characterize rough set theory using dependable and minimal axiom groups. Thus, rough set theory can be studied by logic and axiom system methods. The classic rough set theory is based on equivalent relation, but rough set theory based on reflexive and transitive relation (called quasi-ordering) has wide applications in the real world. To characterize topological rough set theory, an axiom group named RT, consisting of 4 axioms, is proposed. It is proved that the axiom group reliability in characterizing rough set theory based on similar relation is reasonable. Simultaneously, the minimization of the axiom group, which requires that each axiom is an equation and each is independent, is proved. The axiom group is helpful for researching rough set theory by logic and axiom system methods.     

基于粗糙集理论的模糊神经网络及其在化纤生产过程中的应用

提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练。化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性。     

基于粗糙集理论的人工神经网络故障诊断系统

在故障诊断神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的神经网络分层的简并剔除其中不必要的属性,克服了网络规模过于庞大及分类识别速度慢等缺点,取得了减少分类过程中的模式匹配搜索量的良好效果,并给出基于粗糙集理论的分层发掘神经网络模型结构及算法,结果表明该系统对工程应用具有一定的参考价值。     

基于贝叶斯估计的神经信息流

判断神经网络之间的相互影响是一个重要的神经科学问题. 目前已提出了多种成熟的方法计算神经网络之间的耦合强度, 但是对于神经网络之间耦合方向(信息流)的研究还属于起步阶段. 一般的香农熵计算方法仅仅利用了样本重复概率的统计信息, 而贝叶斯估计则充分利用了整体先验知识和样本重复概率. 基于最小平方误差的贝叶斯估计提出了一种新的基于信息论的相位耦合方向指数计算方法. 经过集总参数神经网络模型所产生的仿真信号检验表明, 提出的方法能够准确地判断两个系统间的耦合方向, 并且减少了对数据长度的依赖性, 使分析短时高噪的复杂生物信号成为可能. 应用该新方法分析了癫痫病人临床信号, 结果表明该方法能判断出癫痫发作时各区域之间的影响方向, 并揭示了癫痫传播机制.     

不确定需求下的电力竞价贝叶斯博弈模型

电力竞价是一个不完全信息的博弈过程.假定竞争对手的报价服从已知区间上的某种分布,分别构建了确定需求与不确定需求条件下的二发电商电力竞价博弈模型,并给出这2个模型的贝叶斯纳什均衡解,即发电商在不同条件下的均衡报价.最后假定竞争对手的报价服从均匀分布,对构建的模型进行了分析,分析结论表明:在确定电力需求情况下,发电商的均衡报价一般在报价上,下限附近波动;而在不确定电力需求下,发电商的报价在报价下限与报价区间中点之间波动:当竞争对手的最大可供电量很少时,选择报价区间中点,而当发电成本很少时,很可能选择报价下限.     

两种新的DS合成法则仿真近似算法

DS合成法则计算时间复杂度是影响DS理论广泛应用的主要原因之一,介绍了几种著名的近似算法,并分析了它们的优劣性,指出了这些方法的存在的问题。给出了两种新的仿真近似算法,这两种新方法不需要预先限定焦元的个数,计算过程直观、方便,结果合理。仿真试验结果表明,这两种方法的计算结果和Bayesian方法非常接近,但不存在Bayesian方法的不合理之处。对几种算法作了进一步分析研究,给出了三种算法间的关系。     

关于偏好信息全序化的加权TOPSIS新方法

针对通过辨识矩阵无法求取偏序集,不能进行后续的偏好信息全序化算法的普遍问题,提出了基于粗糙集的加权TOPSIS偏好信息全序化方法。首先根据属性间差异程度计算各个属性的权值,然后再对信息系统进行加权TOPSIS排序分析。克服了原算法对信息表本身的过严限制,扩大了偏好信息全序化的粗糙集方法的应用范围。最后通过在球团厂中链蓖机-回转窑系统信息表的应用验证了该方法的有效性。     

基于扩展贝叶斯方法融合的作战效能评估研究

从多个视角采集评估数据源并进行武器装备的作战效能评估，是一种提高评估结果可信度的做法。在武器装备论证阶段，评估数据源主要来自专家经验和仿真结果，但因这两种数据源的差异太大，难以进行直接的评估聚合。为此，提出采用信念图模式统一两者的数据表达，再采用一种扩展的贝叶斯推理算法进行评估融合，最后得到评估装备的综合作战效能。以装甲主战装备改进型的作战效能评估为例进行验证，结果表明该方法符合评估实际，是一种有意义的新方法。     

基于贝叶斯网络的编队对地攻击损伤评估研究

随着武器的高科技化、战场环境的复杂化、战斗节奏的加快,战斗损伤评估系统在现代战争中占有越来越重要的地位。针对战场战斗损伤评估信息的多样性、不确定性和模糊性,基于贝叶斯网络易于进行不确定性推理的优点,提出应用贝叶斯网络对对地攻击效果进行分析评价,建立了编队对地攻击损伤评估的贝叶斯网络模型,给出了基于贝叶斯网络的损伤评估的推理决策方法,并且对该方法进行了仿真分析。仿真实例表明,基于贝叶斯网络的损伤评估模型能够提高损伤评估的准确度,而且推理简单,易于实现。     

贝叶斯方法在代码转换器可靠性验证试验中的应用

针对高可靠性产品的可靠性验证试验时间长、费用高等特点,将贝叶斯方法引用到可靠性验证试验中。推导出服从指数分布的贝叶斯可靠性序贯试验方法。将贝叶斯方法与经典序贯试验方法进行比较,贝叶斯方法较大的减少了试验量和试验时间。在某型飞机代码转换器的国产化可靠性验证试验中应用该方法,实际应用结果验证了该方法的有效性。