基于粗糙集的航路飞行冲突智能解脱系统案例检索方法

针对航路飞行冲突智能解脱中的案例推理问题,提出了基于粗糙集的改进案例检索方法。建立了框架式案例知识系统表达结构,包括19个条件属性变量和1个决策变量。将基于信息熵的全局优化算法和启发式快速约简算法用于属性约简,把17项案例属性检索指标根据天气和军方活动的情况分别简约为4项。依据条件属性对决策属性的影响程度,建立了基于粗糙集属性重要度的指标权重确定方法。通过算例进行计算,将简约前后的案例检索效果进行比较,结果表明一致性达到90%。简约后的属性不仅可以保证较好的检索质量,还能够有效减少检索空间,提高检索速度。     

基于邻域粗糙集的极速学习机算法

将基于单隐层前馈神经网络(SLFN)提出的极速学习机(ELM)算法和邻域粗糙集理论进行结合,提出基于邻域粗糙集的极速学习机算法,采用邻域粗糙集对样本集进行属性约简,去掉冗余属性,利用ELM对约简后的数据集进行学习,并对数据样本进行预测。实验表明ELM算法相比具有更高的训练精度和测试精度。     

基于RS-BPNN理论的边坡稳定性预测及应用

从文献资料中收集并整理了45组各类危险边坡数据实例,结合粗糙集理论的数据挖掘功能和BP神经网络理论的非线性映射功能,建立了基于粗糙集-BP神经网络(RS-BPNN)理论的边坡稳定性预测模型.利用粗糙集对离散化后的数据进行了属性约简,利用神经网络对约简前后的数据进行了网络训练和仿真,并对其中五组边坡的安全系数和稳定状态进行了预测.结果表明,未经约简的BP网络安全系数预测的平均误差率为14.51%,约简后的RS-BP网络预测的平均误差率为7.24%,且经过粗糙集约简后边坡的预测状态与边坡的实际状态更加吻合.     

多尺度单值中智系统中基于优势粗糙集模型的最优尺度选择与约简

单值中智集是处理不确定、不一致信息的有效工具,结合单值中智粗糙集和多尺度决策系统,提出基于优势关系的多尺度单值中智粗糙集模型的最优尺度选择和约简算法.首先,在构建基于优势关系的多尺度单值中智粗糙集模型时引入正理想点、负理想点和不确定点来刻画单值中智数大小关系;其次,结合证据理论中的信任函数和似然函数给出模型的最优尺度选择算法及约简算法;最后,利用五组UCI数据集对文中提出的模型与算法进行实例验证,分析算法的有效性.提出的算法在分类精度和算法效率两方面都有所提高,进一步扩展了单值中智粗糙集在多尺度决策系统下的应用,为后续该领域的研究提供参考.     

不协调序决策信息系统的广义分配约简

在不协调序决策信息系统中,为了保证原有系统的协调性,结合优势原理,定义了形式更简单并且能更好的反映系统协调性的广义分配函数,提出了广义分配约简的概念,并给出了广义分配约简的辨识矩阵约简方法,理论分析和实例表明该方法是正确且有效率的。     

基于粗糙模糊度属性约简的教学质量评价

教师教学质量评价对提高教学质量具有积极意义和重要作用.教师教学质量评价指标的科学性及合理性是对教师的教学质量进行客观公正评价的重要前提,本文利用粗糙模糊度属性约简方法对教师教学评价指标进行分析、约简.所得结果对教师提高教学水平和教学质量,简化教学测评具有一定的指导意义.     

基于精度的属性约简新方法

自Pawlak提出粗糙集概念以来,人们就一直对粗糙集的近似精度很感兴趣,出现了不少有关近似精度的文献.在粗糙集理论中,精度是量化由粗糙集边界引起的不精确性的一种重要数字特征.在分析传统精度和基于等价关系图的过剩熵的近似精度的基础上,提出了一种新的精度定义.比较发现,新定义的精度更具有合理性.同时把这个新定义的精度运用到了属性约简上,通过实例比较发现,本文提出的属性约简更具有可行性.     

覆盖粗糙集属性约简的新算法

覆盖广义粗糙集是Pawlak粗糙集的重要推广,其属性约简是粗糙集理论中最重要的问题之一.Tsang等基于一种生成覆盖设计了覆盖信息系统属性约简算法,但并未明确指出其适用的覆盖粗糙集类型.在本文中,我们首先指出Tsang的属性约简算法适用的覆盖粗糙集是第五,第六和第七类.其次,我们通过建立覆盖与自反且传递的二元关系之间的等价关系,提出了一种时间复杂度更低的属性约简算法,并证明了本文中的属性约简方法就是Wang等所提出的一般二元关系属性约简的特例.本文不仅提出了属性约简的简化算法,还首次建立起覆盖属性约简与二元关系属性约简之间的联系,具有理论和实际的双重意义.     

加权变精度直觉模糊序信息决策表的近似约简

以直觉模糊信息表为背景，利用粗糙集和模糊集，旨在筛除信息表中冗余的属性，提出获取决策规则的近似约简方法 .首先，通过在直觉模糊集中引入带权重评分函数来定义加权直觉模糊序关系；进一步，为了提高模型分类的容错率，结合变精度粗糙集模型构建加权变精度直觉模糊序决策信息表；接着，在该决策表中提出上、下近似约简的判定定理和可辨识矩阵，进而生成两种求解上、下近似约简的方法；最后，通过具体案例和数值实验分析验证了该方法的有效性.     

属性值的Rough Logic约简及优化

对于属性值离散化约简,Andrzej Skowron给出了割集方法,该方法虽然简单可行,但在属性值致密的情况下,产生的割集较大,数据的约简效率较低.提出用Rough Logic方法对Andrzej Skowron割集进行抽取和缩减,并给出相应启发式算法,使属性值约简效率有明显提升.