基于一般二元关系的多粒度粗糙集模型

多粒度粗糙集模型是经典粗糙集模型的一种重要扩展形式。它使用了一族等价关系而非一个等价关系来进行目标概念的近似逼近。在多粒度粗糙集模型概念中,有乐观和悲观两种形式。本文从一般二元关系的角度出发,对多粒度粗糙集模型进行进一步扩展,分别给出了基于一般二元关系的乐观和悲观多粒度粗糙集模型的概念,并对这两种模型的性质进行了讨论。     

基于VPRS理论的航空发动机送修等级决策

应用变精度粗糙集理论研究了发动机状态信息与单元体性能参数之间的关系，提出了一种基于信息熵属性约简的航空公司发动机维修等级决策方法，从而在维修决策时能够更加客观地反映发动机实际损伤程度。最后以CF6型发动机维修等级决策规则生成为例说明了该决策方法的有效性。     

基于区分矩阵的多粒度属性约简

多粒度是粒计算领域的重要研究方向之一,它在两个或多个不同的粒度下进行问题求解,已经成为解决复杂问题的一种新的范式。属性约简作为粗糙集理论的核心内容之一,已被成功地应用于粒计算、数据挖掘等领域。将多粒度思想应用于属性约简将是一个有意义的研究方向。为此,本文运用粒计算理论中的粒化思想进行属性粒化,构造多个属性粒;然后基于属性粒上的区分矩阵计算属性粒的重要度和属性粒中属性重要度;最后利用这两种重要度设计了一种多粒度属性约简算法。通过在不同的粒中挑选属性,该算法得到的约简结果更具有代表性和差异性。本文利用6个数据集对提出的多粒度属性约简算法的性能进行测试,实验结果表明了提出算法的有效性。     

非结构化数据的多粒度集成分类方法

深度学习模型已经在文本和图像等分类任务上取得了不错的效果，然而深度学习模型很难为分类结果提供可解释性。本文提出一种非结构化数据的多粒度集成分类方法，与其他学习方法相比，多粒度集成分类方法能够保留数据的上下文信息。在多粒度集成分类方法中，数据被划分成不同的粒度，用于训练不同的基学习器，这些学习结果为集成模型最后的分类提供了可解释性。基学习器根据它们在验证集上的精度被赋予不同的权重，从而构造出一个较好的集成学习器。在实验中，本文验证了所提出模型在3种非结构化数据类型（文本、医学图像和时间序列）上的有效性。实验结果表明， 本文的模型比现有的基准方法简单，具有较好的分类精度，并且能够为数据的分类提供可解释性。     

基于粗糙集和分层支持向量机的AGV多分支路径识别

双向型视觉导引自动导引车多分支路径识别的关键问题是实时性和鲁棒性。基于智能信息融合的思想,将粗糙集理论与多类支持向量机方法结合起来,提出一种基于知识获取实时性和类的相似性的分层多分支路径识别新方法。采用粗糙集知识粒度理论和分层递阶约简算法获得最小的决策规则,有效降低分类识别的复杂性;提出分类决策安全区域的学习方法,提高识别的鲁棒性。最后,仿真实验和多种环境下的运行测试验证了该方法的有效性和可靠性。     

光纤智能结构的传感网络敏感区域探测

实用的传感网络控制决策以及相应的控制系统保证了智能结构的使用可靠性,而传感网络敏感区域的确定影响到传感网络信号的有效性和传感网络覆盖位置的正确性.本文利用了与光纤智能结构匹配性较好的粗糙集理论粒度计算方法,对光纤智能结构的传感器网络敏感区域进行探测.在研究了机翼盒段光纤智能夹层传感网络后,得出了敏感区域分布和传感网络的覆盖位置,经过分析认为,此法可对光纤智能结构传感网络敏感区域进行探测并可以简省传感网络信号.     

基于粗支持向量机的飞机机体研制费用预测

分析粗糙集理论方法和支持向量机方法的优势和互补性后,探讨粗糙集与支持向量机的结合方法,提出一种基于粗糙集数据预处理的支持向量机预测系统。将该系统用于飞机机体的研制费用预测中,与其它方法相比得到较高的预测精度。     

基于全知熵的模式集成不确定性度量模型

不确定性是模式集成的一个固有性质,不确定性度量对模式集成具有重大影响。本文提出一种度量模型,在该模型中模式对象及其属性清洗模块使该模型免受规模影响。根据模式集成多属性分阶段决策的特点,本文基于粗糙集理论的全知熵不确定率进行各阶段的不确定性度量,并把过程模型的不确定性度量引入到总体不确定性的度量中,最后给出了合成多不确定率的方法。实例分析证实所设计模型是可行、有效的。     

一种多属性主客观对比评价模型及应用

提出了一种多属性主客观对比评价模型,用以分析被评价者对自身(主观)评价与专家(客观)评价的异同,以期提升评价的效能。首先针对所有被评价数据集,依托于聚类分析方法,提出了一种典型样本选取策略。然后应用优势粗糙集理论对典型样本集进行了专家知识学习,形成决策规则集,并将规则应用于分析所有的数据,获得客观评价结果,与主观评价结果进行比较分析。最后应用该模型对研究生学习能力进行了分析,证明了模型的有效性。     

基于RS-PSO-SVM的航材消耗预测模型

针对航材消耗预测影响因素多,结合航材消耗特点,研究粗糙集（Rough set, RS）与支持向量机（Support vector machine, SVM）相互融合的航材消耗预测问题。通过RS不完备信息系统的属性约简剔除航材消耗信息系统中冗余的定量因素,在属性重要性基础上将7个影响因素约简为3个影响因素,保留了该系统的核心知识。引入粒子群算法（Particle swarm optimization, PSO）优化SVM模型,寻优得到的参数组合,建立RS-PSO-SVM航材消耗预测模型。实例分析表明,RS-PSO-SVM模型的预测准确度较好,相比较于PSO-SVM、RS-BP（Back propagation）预测性能更佳。     

基于粗糙集特征选择的过拟合现象及应对策略

在粗糙集方法中,利用向前启发式算法进行特征选择,是一个逐步加入重要度最高的特征的过程,直至满足所给定的约束条件。但使用这一策略选择出来的特征子集有可能产生过拟合现象。鉴于此,设计了一种新的启发式算法,其主要思想是借助交叉验证的方法对特征的重要度进行计算,当过拟合出现时,则采用截断式机制终止算法。使用邻域粗糙集模型,在UCI数据集上将启发式算法与所提算法进行对比分析,实验结果表明:所提算法能够有效地降低过拟合的程度;利用所提算法得到的特征子集能够带来更好的分类性能。     

基于粗集理论的系统评估

讨论了基于粗集理论的系统综合评估和运用粗集理论进行系统评估指标体系的选择。给出了基于粗集理论进行系统综合评估的一般步骤，研究了运用粗集基本理论进行评估指标体系建立的方法，最后的实验结果验证了本文方法的有效性。     

中介粗集及其在数据挖掘中的应用

粗集理论已成功应用于数据挖掘，如基于粗集方法的属性发现和决策规则的约简等。中介集合论是以中介逻辑为基础，也可以用于数据挖掘。文中将两者相结合，提出了中介粗集的概念。中介粗集是普通粗集的推广，为不完全信息系统的数据挖掘提供了新的工具，不仅可用于一般的信息系统，还适用于数据取空值的信息系统（允许结论取空值）。利用中介粗集进行数据挖掘不但可以得出粗集理论中的约简，还能得到更为简洁的中介约简。文中还给出了     

飞机复杂系统故障诊断的灰色粗集推理方法

传统的复杂系统故障诊断规则不易获取且方法单一,不能满足系统维护要求.文中全面考虑复杂系统诊断的数据来源,用灰色关联理论降低系统复杂性并通过粗糙集约简数据的思想实现灰色粗集推理.基于灰色粗集推理方法实现了故障诊断规则的获取,并通过实例验证方法的可行性,结果明显优于神经网络算法,可有效提高诊断效率.     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

测量粗糙集中模糊性的一种新方法

针对粗糙集中存在的模糊性问题，提出了一种利用模糊熵测量其模糊性的方法。中给出了一种新的模糊熵，提出了基于等价关系下粗糙集模糊熵的计算公式及等效表示方法，证明了这种模糊熵的性质。并将基于等价关系的粗糙集的模糊熵拓展到基于一般二元关系下粗糙集的广义模糊熵，给出了广义模糊熵的计算公式及等效表示形式。最后以一个例子说明粗糙集中模糊熵的具体求解方法。从例子可以看出，本提出的模糊熵可以方便、有效地测量出粗糙集中的模糊性。     

基于粗集的调度Agent知识库建模研究

首先通过相识集、招标集、投标集和中标者的概念，描述了车间调度系统中的调度Agent与资源Agent间任务分配的招投标关系；运用粗集理论，基于任务的属性和资源Agent完全任务的成本、质量、负荷和时间等属性构造决策表；在分析了决策表的特征基础上，生成调度规则集，即调度知识库；最后给出车间调度Agent的调度过程算法。