一种基于蚁群优化的粗糙集属性约简方法

针对基于智能优化算法的属性约简方法存在的问题,在扩张矩阵概念的基础上,将属性约简问题转化为几何路径寻优问题,通过改进最大-最小蚂蚁系统(MMAS)算法,提出了一种基于蚁群优化的粗糙集属性约简方法,给出了相关参数的定义和详细算法流程,在UCI数据集上测试了该算法,结果表明了算法的有效性.     

基于二元信道互信息的属性约简方法及其应用

由于知识的粗糙性和信息熵的密切关系,基于互信息的属性约简一直以来都是粗糙集研究的热点,但现有方法都不同程度地依赖于属性值的分布情况,从而影响最终约简结果.为解决此问题,从信息论的角度对属性进行细分,定义了一种新的基于二元信道互信息的属性重要度度量方法,以此为启发式信息构造新的约简算法,实验证明了该算法的有效性;将其应用于重要气象因子的提取,获得了满意的效果.     

一种改进的基于模糊-粗糙集的属性约简算法

FRSAR(Fuzzy-rough Set Attribute Reduction)是一种基于模糊-粗糙集的属性约简算法,它可以避免离散化时数据信息的丢失,但是该算法中决策属性对条件属性集依赖度的计算设计的不是很完善.本文提出了一种改进的FRSAR算法,它只考虑能够使属性集依赖度增大的属性,这样就降低了计算量.实验结果表明,改进算法和原有算法得到相同的约简结果,但是改进算法的执行时间大大降低.     

基于粗糙集与ID3的航空维修数据分析方法研究

提出了一种基于粗糙集(RS)与ID3的决策树构造算法RSI,该算法以属性重要度和属性依赖程度作为属性约简和建树的准则,解决了ID3算法用信息增益作为选择属性标准的局限性,并能够同时实现决策树的构造和修剪,大大提高了建树的效率。     

粒子群优化的粗糙集-神经网络在航空发动机故障诊断中的应用

提出了一种基于粒子群优化算法的邻域粗糙集-神经网络的发动机智能故障诊断方法,首先利用基于邻域粗糙集模型的属性约简方法对样本数据进行属性约简,然后采用粒子群优化算法替代传统BP算法来训练神经网络的权值和阈值,再用训练好的神经网络对航空发动机气路故障进行诊断.仿真结果表明:该方法降低了神经网络结构的复杂性,减少了网络训练时间,提高了诊断精度.     

基于粗糙集理论的航空发动机故障诊断

在利用神经网络诊断航空发动机故障的过程中,引入粗糙集理论和方法,对故障诊断特征参数属性进行属性约简,剔除其中不必要的属性,从而揭示了故障诊断条件属性内在的冗余性,降低了神经网络构成的复杂性,最后给出了属性约简的结果。     

基于优势关系粗糙集的属性约简算法

针对目前对不同信息系统下优势粗集的处理几乎都是将其划为单值完备信息系统来处理这种现象,以及基于区别矩阵和基于正域的属性约简算法是不等价的这个问题,提出了一种基于单值完备信息系统的快速属性约简算法。首先,提出了对象集约简;其次,使用基数排序思想计算;再次,结合了区别矩阵和正域约简2种算法,在大量提高算法时间复杂度的同时提高了算法的可信度;最后,采用实验验证了约简算法的实用性。     

基于粗糙集理论的编队协同空战决策规则提取

为了对空战过程中大量的冗余信息进行约简，以提高空战决策的实时性，将粗糙集理论引入到编队协同空战战术决策研究中，提出了一种用于提取空战关键信息和战术决策规则的属性约简算法。并将单一决策属性下的属性值约简方法推广，讨论了更适于编队作战分析的多决策属性下的属性值约简问题。最后，通过一个编队空战战术选择示例对该算法进行了验证，结果表明：空战的冗余信息是可以约简的；此算法可提取出对空战起主要作用的属性，即雷达／中距弹信息；并且在保证空战关键分类结果不变的情况下，可生成用于战术决策的最小简化策略，所提取的决策规则与编队空战的实际相符合。     

基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用

将粗糙集理论的属性约简与核Fisher鉴别分析方法结合起来,提出一种基于粗糙核Fisher鉴别分析的故障特征提取方法.首先采用粗糙集理论的属性约简删除与分类无关或关系不大的特征,降低输入特征维数,排除干扰特征的影响,减小了特征提取计算量;再采用核Fisher鉴别分析方法进一步提取非线性特征;最后将该方法应用于航空发动机滑油系统故障特征提取及故障识别中.结果表明:该方法获取的特征在提高分类正确率的同时,还有效地降低了输入特征维数,提高了分类效率,并且对分类器具有较强的适应性和鲁棒性.      

基于Rough/SVM的飞机目标识别模型

研究了基于粗糙集（Rough）和支持向量机（SVM）的模式分类技术,结合遥感图像中军用飞机目标识别进行理论分析和试验研究。基于粗糙集和支持向量机算法的优势,设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器,并对分类的性能进行了分析研究。利用粗糙集理论中属性约简方法去除冗余属性,降低飞机特征维数,提出了使用决策...     

基于粗集的装备方案综合评定方法

针对多属性评定中相对于决策目标属性之间存在冗余和相关性,以及装备评定可获得的信息量少等特点,将灰关联度方法和粗集理论结合,实现了装备综合评定中的不同数据类型属性的约简,提高了综合评定的效率。根据属性之间的灰关联度作为属性约简的标准,实例分析、研究了不同属性约简标准下的综合评定,证明了该方法的有效性。     

基于粗糙集-神经网络的机载设备故障诊断方法研究

提出了一种基于粗糙集-神经网络的故障诊断方法。将粗糙集理论同神经网络结合起来可以用于机载设备的故障诊断。采用粗糙集理论对原始故障诊断样本进行处理,并根据条件属性对决策属性的正域的大小来选择条件属性,提取出对诊断故障贡献最大的最小故障特征集,从而确定神经网络的拓扑结构;通过训练神经网络建立故障特征与故障之间的映射关系,实现故障的诊断。通过A320飞机燃油系统的故障诊断仿真实例,表明这种故障诊断方法的有效性。     

基于粗糙集理论的飞机供电系统诊断规则提取

 为有效解决飞机供电系统故障诊断专家系统在知识获取方面的“瓶颈”，在对某型号飞机供电系统进行故障模式分析的基础上，利用粗糙集理论不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点，提出了一种诊断规则的自动获取方法。在运用粗糙集理论对故障样本集进行属性约简和值约简的过程中，针对“不确定测量状态”提出了改进的约简规则。通过在交流一次配电子系统上的验证分析表明，该方法具有较强的容错能力，可有效地约简知识，自动获取规则，且规则具有正确的逻辑意义。该方法为飞机供电系统故障诊断专家系统由理论验证向实际应用的转化提供了可行性。     

粗糙集理论研究综述

粗糙集理论是一种用于分析和处理模糊和不确定信息的软计算方法.本文回顾了粗糙集理论,介绍了粗糙集模型的主要概念,系统总结了粗糙集理论与其他智能方法的融合并介绍了粗糙集理论的硬件实现方法.     

改进集对分析的多属性决策方法在通信干扰目标威胁排序中的应用

针对属性值以区间数形式的模糊多属性决策问题,提出了基于集对分析理论的综合理想方案决策方法。该方法将集对分析理论的应用范围从精确实数域拓展到模糊区间数域,在承认不确定性因素的情况下,对各个方案与正理想方案和负理想方案所组成的区间型集对进行了分析,得出同异反联系数,以γ准则为依据实现了模糊多属性决策。通信干扰目标威胁排序的实例计算表明,该方法是处理模糊多属性决策问题的一种有效方法,同时为通信干扰目标威胁排序提供了一种新的方法。     

粗糙集理论与其他理论的杂合研究

粗糙集是研究不精确、不确定与不完全数据的软计算方法,文章介绍了粗糙集理论与方法的主要内容,并对该理论与方法的优势、劣势及与其他软计算方法的杂合进行了综述.     

一种基于S-粗集副集的目标编群方法

针对目标编群中的动态要求,提出了一种基于S-粗集副集的目标编群方法.以空间群为对象,用一个双向奇异集合来描述一个空间群,用特征函数来刻画目标迁入迁出群的程度,在此基础上给出了空间群中发现新目标的编群步骤.通过战场态势评估中的一个具体应用实例,证实了该方法的可行性和有效性.