不完备系统中的变精度多粒度粗糙集

以不完备信息系统为研究对象,将变精度粗糙集方法与多粒度粗糙集方法进行融合,构建了基于容差关系的可变精度乐观和悲观多粒度粗糙集模型.这两种可变精度多粒度粗糙集模型都是基于容差关系的可变精度粗糙集与多粒度粗糙集的拓展形式.对可变精度多粒度粗糙集的基本性质进行了讨论,为采用粗糙集方法处理不完备信息系统提供了新的技术手段.     

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。     

随机谱下疲劳裂纹扩展的等损伤模型

本文对预测随机谱下疲劳裂纹扩展寿命的等损伤模型进行了较为系统的研讨，在损伤等价原则下导出5种不同形式的等损伤模型，并利用两种材料在两种谱型和两种应力水平下的疲劳裂纹扩展试验数据对其评估。结果表明：对于一般过载效应不强的随机型载荷，等损伤模型的预测精度足以满足工程要求；等损伤模型形式上的不同不会明显影响预测结果。本文还研究了经跑道计数法浓缩处理的简化谱对寿命预测结果的影响。     

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。     

飞机结构多处损伤研究现状

多损伤是老龄飞机最主要的损伤形式,在文中介绍了多损伤应力强度因子的计算方法和多裂纹连通准则,飞机结构多损伤裂纹扩展模型和可靠性分析研究现状.     

一种验证特征模型和软件架构可追溯性的方法

基于形式概念分析技术,提出了一种验证特征模型和软件架构之间具有可追溯性的方法。该方法分析了特征的组成,定义了特征模型和软件架构的功能表达式,构造了概念格并提出了两个模型之间的映射规则。与一般的模型可追溯性验证方法相比,该方法更适用于复杂度高的模型,最后通过实例研究说明了方法的有效性。     

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。