变精度双向IS-粗集及其应用

在S-粗集的基础上,提出了双向IS-粗集(two direction improper singular rough sets)的概念,给出双向IS-粗集及变精度双向IS-粗集的数学结构,讨论了变精度双向IS-粗集上、下近似算子的性质,并举例说明了变精度双向IS-粗集的应用.     

基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。     

基于粗集和最大熵的模式识别方法

用基于属性约简的粗集理论找出条件属性的最小属性集。对属性间为不确定因果关系的模式,计算在最大熵情况下发生的概率,通过比较概率来进行模式识别,实例分析和结论部分说明这种方法是有效的。     

属性约简与近似集的关系研究

上近似和下近似是在粗集理论中最基本的概念,而粗集理论的主要思想又是在保持分类能力不变的前提下通过对属性的约简导出问题的决策和分类规则。本文讨论了属性的约简和相对约简与上近似和下近似的关系,并在此基础上提出了一种新的相对约简———保近似约简。     

粗集理论在目标识别信息处理中的应用

为提取传感器获得的较粗糙的原始信息,运用粗集理论进行目标识别信息的处理,提出了一种采用关系表存储原始信息,通过简化关系表删去冗余信息,从而达到提取有用信息的处理方法.根据此方法,实例中通过对生成的规则进行优选,得到了简单准确的目标识别规则.此理论在信息处理中的应用,较好地满足了目标识别中原始信息处理的需求.     

FCM和粗集在雷达信号识别中的应用研究

连续属性离散化是粗集理论应用中面临的主要问题之一.对连续数据知识挖掘可采用模糊C均值聚类将其离散化,再应用粗集理论将其属性进行约简提取有用规则.将此方法应用于雷达信号类型识别,可以直接从原始数据中得到识别信息,仿真实验结果证明利用此离散化方法得到的识别规则对雷达信号识别是有效和可靠的.     

基于粗集和证据推理的海外基地保障点选址评估

针对海外基地保障点选址问题,结合专家组给出的影响选址评估意见,建立海外基地保障点选址评估指标体系。在此基础上,引用粗集和证据推理方法对评估指标因素进行信息处理优化,利用历史数据得到的客观信息与主观判断进行互补,实现主观判断与客观信息相结合,并用粗集进行属性约简,简化指标体系。该方法能提高评价结果的准确度和可信度,弥补海外基地保障点选址因素复杂,计算可操作性差的缺陷,为海外基地保障点选址决策提供理论依据。     

基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

图论中独立支配集的最佳求解算法研究

通过对图论中独立集和支配集的深入研究,提出了独立支配集的概念,论证了独立支配集同极大独立集及极小支配集之间的内在联系,并在此基础上给出了独立支配集的最佳求解算法,从而圆满地解决了图论中独立集及支配集的求解问题,对图的着色及匹配等问题的研究均有相当重要的借鉴意义。     

S—饱和集的性质及其应用

在一般拓扑空间(x,τ)的非标准扩张(“x,”τ)中引入S—饱和集的概念.在一定条件下,S_t映射对于S—饱和集保持集的基本运算.基于这一事实,证明了标准Souslin集与Loeb可测集的关系定理,得到μ_L一零集在S_t映射下是μ—零集的一个充分条件.     

粗糙集中不确定性测量的修正粗糙熵方法

分析了引起粗糙集中不确定性的因素,对已有的测量不确定性的粗糙度与粗糙熵方法进行了比较,提出了一种修正的粗糙熵方法,证明了此粗糙熵的性质,并将基于等价关系的修正粗糙熵拓展到基于一般二元关系下的广义修正粗糙熵,同时给出了广义修正粗糙熵的定义及性质.通过分析和实例可以看出,所提出的修正粗糙熵方法可以用来更合理、更精确地测量粗糙集中的不确定性.     

基于证据熵对不确定性度量的决策表约简

知识约简是粗糙集理论的核心内容之一,产生的粗糙决策规则往往具有一定的不确定性.在变精度粗糙集的基础上,本文构造了符合证据理论框架的一组焦元,利用基本概率分配函数计算了证据的总体信息熵,度量了决策表的不确定性;以该度量作为启发信息,给出了决策表的启发式知识约简算法.计算实例表明了本文方法的有效性.     

基于粗糙集-神经网络编队协同空战决策系统

为了提高空战决策的实时性和准确度,将粗糙集理论和神经网络引入到编队协同空战战术决策研究中,提出了应用SOM网络-粗糙集-BP网络集成进行编队协同空战战术决策的方案:应用SOM网络离散化决策系统输入数据的连续属性值;利用粗糙集数据分析方法,从数据中提取出规则将输入映射到输出的子空间上;在这个子空间上用BP网络进行逼近.2:4编队空战实例仿真结果验证该方案的可行性,在数据充分的条件下,该方案可以推广应用于其它空战决策系统.     

基于直觉模糊区间粗糙集的辐射源威胁等级判定

在辐射源等级判断中,由于侦察设备对辐射源各参数的侦测存在很大的直觉性和模糊性,对准确刻画辐射源的威胁带来了不便.通过把直觉模糊和粗糙集的理论引入到辐射源威胁等级判断中,充分考虑直觉指数对隶属度的支持度,构造了下近似为隶属度、上近似为隶属度+直觉指数的直觉模糊区间粗糙集,在此基础上构建了直觉模糊区间粗糙集的决策模型;给出了辐射源威胁的因素集,在此基础上进行了实例验证,结果表明该方法可行有效.     

非均布应力场中内埋裂纹的应力强度因子

在内埋裂纹线性线弹簧模型的基础上,通过引入二维权函数将裂纹面上的非均布载荷进行均布化等效,求解了中心内埋椭圆形裂纹在沿板厚非均匀分布应力场中的应力强度因子,列出了问题的奇异积分方程,利用Gauss-Chebyshev方法求解了在4种应力场分布情形下的数值结果,并与已有文献的解进行了比较,当a0/c0 ＜0.4、a0/h≤0.3时,两者结果具有较好的一致性,表明了本文方法的合理性和可靠性.     

粗糙模糊C-均值算法及其在图像聚类中的应用

提出一种新的粗糙模糊C均值算法(RFCM),该算法基于粗糙集的上、下近似的概念改进了FCM的目标函数,从而改变了隶属度函数的分布,使得隶属度函数的分布更加合理,同时RFCM的时间复杂性比FCM更低。将RFCM用于图像的聚类,相对于FCM算法,图像的边缘更光滑,同时对初始隶属度矩阵敏感度更低。该算法具有较好的稳定性,是一种实用的算法。     

模糊方向神经网络在火箭发动机故障检测与分离中的应用

提出了一种模糊方向神经网络分类器,并应用于液体推进剂火箭发动机故障检测与分离。模糊方向神经网络采用模糊集表示发动机故障模式,模糊集是方向超体聚集形成的集合体,方向超体则由单位方向、夹角和两个半径确定。模糊方向神经网络能在一次循环学习中形成非线性方向边界。故障检测与分离的仿真研究表明：模糊方向神经网络的识别性能是比较优越的。     

测向交叉定位中基于最小距离的二次聚类算法

针对现有测向交叉定位系统中聚类算法存在的计算量大、求解最优解困难等问题,提出了一种基于最小距离的二次聚类算法.即先通过最小距离法对每条测向线上的交点进行聚类分析,得到几个聚类程度较高的交点集合,再对这些交点集合通过取交集的方法进行二次聚类,得到少数的几个交点集合,最后再对这几个少数的交点集合进行选优,从而消除虚假交点集合,得到真实交点集合.通过交点回归计算,保证了真实交点集合具有很高的关联正确率.计算机仿真结果表明,该算法具有很高的关联正确率,且计算量较小,实时程度较高,并且适应于多传感器存在漏测的情形.