基于灰色关联度的变精度粗糙集模型

为了解决经典粗糙集理论无法处理不精确分类以及连续值属性离散化造成信息损失等问题,本文提出了基本灰色关联度的变经度粗糙集模型(γ-′β(X),γ′β(X))。首先利用灰色关联度定义相似并进一步定义粗糙集并研究了模型的部分性质和定理(当0t1≤t21时,有γt2(x)γt1(x)、γ-t1β(X)γ-t2β(X)及γt2β(X)γt1β(X)成立),然后提出了一种基于重要度SIGB(c)的约简算法来计算最小约简,最后通过一个实例说明模型是有效和可行的。     

基于变精度粗糙集的产品配置规则提取及增量式更新

针对传统粗糙集产品配置规则提取方法容噪性较差的问题,应用变精度粗糙集方法,依据产品设计实例数据建立配置决策表,通过设定分类精度,进行了基于决策类下近似的相对属性约简和基于核值属性的值约简,依据支持度获得有效的产品配置规则.考虑设计实例增加对规则提取的影响,采用增量式更新方法对新增决策表进行规则提取,处理新增配置规则与原配置规则之间的重复、包含和冲突关系,依据可信度进行配置规则的更新.以水平定向钻机配置规则提取为例,验证了所提方法的可行性和有效性.     

基于遗传算法和变精度粗糙集的离散化算法

目前常用的离散算法多为单属性离散化算法.利用该类算法对多维连续属性进行离散化时,逐次对单个属性进行离散化,割裂了多维属性之间的关系.基于此提出了一种基于遗传算法和变精度粗糙集的多属性离散化算法.该算法基于变精度粗糙集所具有的较好数据分类容错和抗噪能力,通过变精度粗糙集近似分类精度建立遗传算法适宜度评价函数,并利用遗传算法在多维连续属性候选断点集上寻找最优断点子集.基于UCI数据集比较了所提算法与多种常用的离散化算法的差异,实验结果表明,该算法可以获得相对较好的离散化效果.     

基于变精度粗糙集的脱机手写体汉字识别

文章为研究脱机手写体汉字识别问题,将汉字样本及其特征向量看作是一个信息系统,采用基于β近似依赖度的属性重要度定义作为启发式信息,设计出在变精度粗糙集模型下的特征属性近似约简算法,对手写体汉字信息系统中冗余特征属性进行约简,构建出脱机手写体汉字识别决策信息系统。识别过程中采用基于加权规则置信度的规则融合方法,进一步提高了脱机手写体汉字的可识别性和正确识别率。实验结果表明,该方法是有效可行的。     

基于属性质量度的变精度邻域粗糙集属性约简

变精度邻域粗糙集相比于邻域粗糙集具有抗噪容错的能力,但由于重新定义了下近似,正域的划分不再严格,使得属性重要度的可信度降低,在精度改变的情况下无法优先选取最优的属性.针对这一问题,分析变精度邻域粗糙集的下近似,引入邻域内的正确分类率,定义属性质量度,提出一种基于正域的增量和平均正确分类率的增率相结合的属性度量方法.通过和现有的基于属性重要度的属性约简算法做比较,实验结果表明,改进后的属性度量方法对变精度有更好的适应性,在不同变精度阈值下能得到更优的约简结果.     

基于灰色关联度的变精度粗糙集模型

为了解决经典粗糙集理论无法处理不精确分类以及连续值属性离散化造成信息损失等问题,本文提出了基本灰色关联度的变经度粗糙集模型 *。首先利用灰色关联度定义相似并进一步定义粗糙集并研究了模型的部分性质和定理(当0<t1≤t2<1时,有 * 成立),然后提出了一种基于重要度SIGB(c)的约简算法来计算最小约简,最后通过一个实例说明模型是有效和可行的。(注:*表示公式,见正文 ）<1时,有 /><1时,有 />     

基于一种新的量化容差关系的变精度粗糙集模型

提出了一种新的量化容差关系,建立了变精度粗糙集模型并提出了基于重要度的属性约简算法。新的模型考虑了决策属性值对条件属性值概率分布的影响并且具有一定噪声数据处理和错误分类容许能力。最后通过实例表明了该模型具有处理含有空值数据问题的能力。     

基于变精度粗糙集的神经模糊网络优化及应用

针对现有神经模糊网络应用中的不足,提出了一种新的基于变精度粗糙集的神经模糊网络优化方法,并讨论了其在复杂系统建模中的应用.将变精度粗糙集理论中的β分类精度作为信息函数,选择条件属性.通过选择适当的精度,对建模数据进行离散化,组成决策表.通过对决策表进行变精度的知识约简,提取重要的属性和属性值,映射到模糊规则中,简化生成的规则,从而有效地优化了神经模糊网络结构,极大地减少了网络的训练时间,且提高了训练精度.将该方法应用于有大量样本数据的非线性时延系统建模,仿真实例验证了此种方法的可行性和有效性.     

基于k等价度容差关系的变精度粗糙集模型及其约简算法

针对k等价度容差关系,提出了一种基于k等价度容差关系的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展．在此基础上,定义了变精度粗糙集模型约简的概念,讨论了一种刻画属性重要性的新指标,提出了一种启发式约简算法．该算法能从搜索空间中不断地添加重要的属性,并且删除不重要的属性,从而降低了约简的时间复杂度．最后,通过实例说明该算法的有效性．     

基于代理的网格作业全局自适应迁移

作业迁移是实现网格作业服务质量保证和系统高效能的重要方法,在分析了传统进程迁移技术的基础上,根据网格系统的特点,提出了一种基于代理的网格作业全局自适应迁移模型,通过设计网格作业全局自适应迁移对象选定原则、迁移时机确定机制和作业迁移信息监控管理,解决了网格环境下作业迁移的关键问题.试验结果以及在西北工业大学校园计算网格中的实际应用验证了模型的有效性.     

GOS下集合预报网格工作流程系统设计

为解决集合预报因扰动产生的多样本模式预报计算量巨大问题,充分利用分布异地的网络高性能资源,基于国家网格操作系统(GOS),在门户中间件Gridshpere之上设计并实现了一种适合于集合预报应用系统的网格工作流系统.该系统实现了包括应用程序的服务封装功能,应用服务执行的节点资源动态绑定功能,应用服务之间的数据/控制相关管理功能、重启容错功能、流程监控功能等,已成功应用到集合预报应用网格门户系统,实践证明系统切实可行.     

一种基于资源状态预测的资源调度模型

网格资源管理系统在进行任务请求与资源的匹配调度时,应考虑资源的网格环境以及资源的当前工作状态的问题.提出了一种基于资源状态预测的资源调度模型,结合资源状态和距离计算资源的共享开销,并作为任务资源匹配调度的依据,从而为任务请求分配“最好”的共享资源.     

粗集理论在知识发现系统中的应用

阐述了粗集理论的基本思想，给出了一个基于粗集的知识发现系统模型，并通过实例说明了这一模型的有效性。     

粗集在知识发现中的应用

粗集作为一种数据分析理论，能有效地从不确定性的数据中发现知识，是目前在知识发现领域研究的热点之一。首先对粗集理论做了简单介绍，在此基础上论述了粗集作为一种数学工具在知识发现领域中的重要问题，并提出粗集的进一步可能发展方向。     

支持资源自动发现的网格计算门户原型研究

针对保障网格计算透明性与科学应用提交接口的用户友好性问题,以哈尔滨工业大学的网格计算环境为基础,分析了网格门户的关键技术,提出了面向科学应用的计算网格门户的体系结构--HITGridPortal.在元目录服务的基础上,提出了一种支持并发多线程扫描的资源自动发现技术,保证发现模块系统开销和运行效率之间的均衡.以天体物理中的N体问题为案例,验证了网格门户的易用性与有效性.     

概念格与粗糙集

概念格与粗糙集都是有效的数据分析方法，它们已广泛应用于机器学习、人工智能、知识发现等领域．概念格与粗糙集在数据分析方面有相似之处，并且粗糙集的一些概念包括等价类，上、下近似等都可以通过概念格来表示．论述了概念格与粗糙集之间的联系，建立了它们之间的关系，并通过实例进行了解释．     

基于分布式散列表的网格监控系统

传统的基于单结点中心目录服务或层级式目录服务的网格监控系统在伸缩性、扩展性和容错性方面都有着一定的局限.针对这些不足,将对等网研究中的分布式散列表技术引入网格监控系统的设计与实现,并利用自描述的XML流作为协议载体,较好地解决了上述不足;同时引入基于属性的复杂查询算法,部分解决了分布式散列表的查询能力方面的问题.实验研究表明,在可接受的性能损失范围内,基于XML和分布式散列表的网格监控系统表现出了广泛的适应性和扩展能力.     

网格及网格体系结构的研究

介绍了网格的基本概念、特点和功能分类,阐述了一种重要的网格体系结构——五层沙漏结构,同时对网格技术在国内外的发展现状作了分析。     

数据挖掘的粗集方法研究

数据挖掘的方法和技术很多,其中粗集理论在知识获取中得到了广泛应用,它可对不完整数据进行分析和归纳,从中发现知识.通过分析数据挖掘的含义及粗集理论的概念,讨论了数据挖掘的粗集方法.     

一种基于粗糙集的机械装配知识发现方法

为了解决机械装配行业工艺知识提取困难的问题,提出一种基于粗糙集理论的装配知识发现方法,给出其计算机软件实现方案,并用实例验证方法的有效性。该方法运用粗糙集中属性重要度的概念和方法,实现属性核和属性约简的求解,并根据约简挖掘隐含在经验数据中的专家知识,形成相应的决策规则。实例验证结果说明,该方法可以有效地提高装配效率和装配知识的学习。