新的混合智能系统R-FC-DENN

以认知心理学、模型集成理论为基础,构建了集粗糙集理论、聚类理论、模糊逻辑理论、遗传算法理论、人工神经网络理论于一体的一个新的混合智能系统R-FC-DENN。它首先通过粗糙集将输入样本进行约简,然后用聚类技术将简化后的样本进行聚类,对不同的聚类使用经过遗传算法改进了的神经网络进行训练,接着将这些经过不同神经网络训练的样本用模糊权值组合起来,放入新的用遗传算法改进了的神经网络再进行训练,从而完成整个训练过程。最后用UCI下的实际数据库对提出的混合智能系统R-FC-DENN的实用性进行了检验,证明方法是可行的。     

F-干扰规律生成与特征识别

利用单向S-粗集对偶给出知识的f-干扰生成与f-干扰规律生成,单向S-粗集对偶的F-干扰生成与F-干扰规律生成的概念,基于这些概念提出了F-干扰盈余与F-干扰度关系定理、F-干扰盈余规律与F-干扰度规律关系定理、F-干扰分辨定理、F-干扰规律分辨定理,给出了F-干扰规律识别准则与应用。     

一种基于Rough sets生成决策树的算法改进

介绍了决策树算法的含义和构筑方法，对基于加权平均粗糙度构造决策树算法进行改进，通过实例说明了改进算法的优势。     

Rough Sets and Nuclear Safety

It is well-known that rough set theory can be applied successfully to rough classification and knowledge discovery. Our work is concerned with finding methods for using rough sets to identify classes in datasets, finding dependencies in relations and discovering rules which are hidden in databases by means of decision tables and algorithm D. We use these methods to analyze and control aspects of nuclear energy generation.     

基于粗集理论的教学评估体系优化方法

在教学评估过程中,采用粗集理论的属性约简算法可以优化指标评价体系,剔出冗余指标。该方法根据区分矩阵原理构建属性频率函数,进而分析出关键性指标。算例结果显示,根据选出的5个指标依然有很高的分类质量和分类精度,证明了该方法是可行的。     

基于粗糙-模糊神经网络的焊接图像缺陷识别

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重以及现有的识别算法准确率低的问题,提出了一种基于粗糙模糊神经网络的缺陷识别算法。该算法充分利用了粗糙集的属性约简、模糊集的处理不精确数据以及神经网络的自学习、对任意函数逼近的优点,有效地解决了不确定建模过程中样本数据受到噪声干扰、模型结构难以确定的问题。仿真结果表明:该算法能有效地提高焊缝图像的缺陷识别能力。     

基于粗糙集理论的数据预处理

探讨数据挖掘过程中,数据预处理应用粗糙集理论进行属性和属性值约简的方法以及用计算机实现约简的算法.通过对医疗数据的预处理表明,利用粗糙集理论来进行数据预处理是一种十分有效的精简、求最小决策算法的有效方法.     

金属薄片的粗糙表面对热传导的影响

在半经典输运理论基础上研究了垂直于金属薄样品的热传导的性质,并重点分析了热传导的样品尺寸效应和粗糙表面对热阻率的影响。     

基于信息熵的Rough集粗糙性度量新方法

基于等价关系和一般二元关系,通过引入Rough集边界熵概念,利用Rough集边界的知识粗糙性和Rough集本身的粗糙度来刻画Rough集粗糙性,为Rough集粗糙性提供了一种更为合理的度量方法,为Rough集中概念的获取和刻画提供了理论依据.     

一个新的差别矩阵及其求核方法

作者针对已有的利用差别矩阵来求粗糙集中核的方法存在的不足,将粗糙集的代数观与信息观结合起来研究,给出一个新的差别矩阵的定义和求核方法.