基于模糊集μRX的α-截集和强β-截集的粗近似

研究了基于模糊集μRX的α-截集和强β-截集的粗近似问题,提出了(α,β)-粗糙集模型,讨论了粗糙近似算子的一些重要性质,给出了粗糙度和近似精度的定义和性质,证明了该模型比Pawlak粗糙集模型具有更好的精度.     

贝叶斯诊断网络平台的开发与实现

针对贝叶斯诊断网络在实际应用时需要对具体对象建立相应诊断网络的问题,开发了一个贝叶斯诊断网络平台.重点讨论了网络的数字化、网络拓扑顺序的确定和赌轮选择等平台实现的3个关键问题.采用数字形式来描述网络的拓扑模型,刻画了网络的全部信息.节点间的关系则用关系矩阵简洁、直观地予以表达,并据此确定网络的拓扑顺序.利用赌轮的选择功能,实现了网络节点状态的实例化.该平台简单易用,为网络的建立和推理提供了一个有效、便利、通用的运行环境.利用该平台为天津石化炼油厂的一台烟机建立了贝叶斯诊断网络,实例表明,该平台能够用于贝叶斯诊断网络的构建和推理,也为贝叶斯诊断网络的工程应用提供了一个有力的工具.     

基于案例推理中特征权重自动学习方法研究

讨论基于案例推理中特征权重的自动学习方法．通过分析现有的一种利用粗糙集理论进行权重自动学习的算法，指出了该算法中存在的一些问题，最后提出了一种改进的权重自动学习算法，并通过实例对两种算法进行了比较．     

核心元素的特征及其在决策树生成中的应用

利用粗糙集约简的辨识矩阵，给出属性是核心元素的充要条件为该属性是辨识矩阵中单元素集．利用上近似与下近似给出了判断是否核心元素的两个充分条件，指出利用核心元素简化决策树比用熵函数ID3方法简化的决策树更简单．     

一种改进的Rough集属性约简启发式遗传算法

属性约简是知识发现中的关键问题之一 .为了能够有效地获取决策表中属性最小相对约简 ,提出了一种在优化初始群体基础上提高算法性能的启发式遗传算法 .首先 ,通过构造一个新的算子 ,将信息论角度定义的属性重要性度量作为启发式信息 ,来描述所选择的属性子集对论域中确定分类子集的影响 ;接着 ,以此为基础并结合遗传算法 ,选择一些经过优化的染色体作为初始群体 ,在加强局部搜索能力的同时保持了该算法全局寻优的特性 .最后 ,从理论上对算法做了分析 ,证明了新算子所选择的属性子集对原有属性分类能力保持不变 .试验分析表明 ,该算法能有效地对决策表属性进行约简     

粗糙集理论在内燃机故障诊断专家系统中的应用

在故障诊断专家系统的基础上，引入粗糙集理论，并以信息系统属性值表为主要工具，对专家系统中的规则进行约简并剔除不必要的属性，揭示了故障诊断信号中内在的冗余性，降低了故障诊断专家系统构成的复杂性，并建立了简化后的决策规则。     

一种基于粗糙集分类规则发现的方法

介绍了粗糙集理论实现数据分类和规则推理的基本原理,并利用粗糙集理论中核及决策类覆盖的概念,提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系,并简化带有不相容规则的决策系统的多层次数据挖掘算法,应用一实际的例子说明如何在数据库中发现分类规则.     

贝叶斯网络在战术态势评估中的应用

首先提出了一种新的战术态势评估的定义,即战术态势评估是对特定战场环境中敌方、我方、中立方所具有的各种战斗力要素的当前状态的描述和未来发展趋势的预测。接着介绍了空-地战中红方飞机与蓝方导弹阵地的对抗场景,在此基础上建立了红方飞行员通过机载电子装备的状态判断蓝方高射武器的型号和状态的贝叶斯网络,然后运用所建立的网络动态演示了在空-地战中态势评估的内容和结果,最后讨论了在战术态势评估中运用贝叶斯网络的若干问题。     

基于逆向学习改进算法的汽车边缘提取

根据智能交通系统中车型识别的特点提出了使用逆向学习改进算法提取汽车边缘的新方法，这种方法的优点在于可以充分利用车型识别系统的特点和汽车历史轨迹的先验知识得到较好的提取精度，并有效地解决了车型识别中，因使用黑白图象而使基于色彩的汽车边缘提取失效的问题。     

非线性贝叶斯动态模型的一种处理方法

对一类非线性贝叶斯动态模型进行了处理。用筛选算法进行抽样，利用得到的样本进行各种推断和预测。