融合粗糙数据推理的离散麻雀搜索算法求解HFSP问题

针对麻雀搜索算法(SSA)易陷入局部最优、无法求解离散优化问题等不足,提出了一种改进离散麻雀搜索算法(IDSSA)。抽象原始麻雀搜索算法的位置更新公式,针对个体的不同身份设计新的离散化启发式位置更新策略,并针对混合流水车间调度问题(HFSP)设计了编码与解码方式;引入粗糙数据推理理论,通过数学证明解释了引入理论的可行性与合理性,为算法提供理论支撑,提高可解释性;利用上近似的性质扩大搜索空间,提高种群多样性,避免算法早熟,结合划分及粗糙数据推理提出3种策略,促进种群间信息共享,调节种群的开发能力与探索能力,降低算法陷入局部最优的概率;使用改进离散麻雀搜索算法求解混合流水车间调度问题,对3个小规模实例与10个Liao经典测试集进行仿真实验,验证了改进离散麻雀搜索算法求解混合流水车间调度问题的可行性,通过与遗传算法、差分进化算法等经典算法的对比实验,证明了所提算法的优越性与改进策略的有效性。

一种基于关联规则挖掘的粗糙集约简算法

针对粗糙集理论中的约简这个重要问题进行了研究,引入关联规则挖掘中的支持度和置信度概念,提出一种基于关联规则挖掘算法思想的约简算法,从而得到更有效的约简。

基于粗糙集的PPP项目风险分担方案选择研究

为保证PPP项目的成功实施,公共部门和私营部门必须合理地分担风险。构建了一套适用于PPP项目的风险分担方案选择指标评审体系,设计了一种基于GASA和粗糙集理论的风险分担方案选择方法。引入GASA法解决数据离散化后对决策规则支持度低,影响决策准确性的问题。利用基于粗糙集和条件信息熵理论的方法计算权重,提高了适用性和可靠性,改良了GRA法的准确性。将求得权重和约简后数据代入GRA公式,选取适度值最高者为最优方案。

基于关联算法的输变电设备缺陷预警研究

针对当前输变电设备运行可靠的重要性,加强对输变电设备的缺陷诊断与预警,是当前思考的重点。结合传统Apriori算法在数据预处理和面对海量数据方面存在的弊端,对传统的Apriori算法进行改进,即结合FP-growth算法和DHP算法的核心思想,构建TD-Tree,进而减少I/O操作;同时引入粗糙集理论对数据进行预处理,以提高基础数据的准确度。最后通过实验验证的方式对上述方法进行验证,得出本文构建的方法在准确率等方面,都要优于BP网络,具有一定的可行性。

基于粗糙集的关联规则挖掘方法

对粗糙集进行了相关研究,并提出一种以粗糙集理论为基础的关联规则挖掘方法,该方法首先利用粗糙集的特征属性约简算法进行属性约简,然后在构建约简决策表的基础上应用改进的Apriori算法进行关联规则挖掘。该方法的优势在于消除了不重要的属性,减少了属性数目和候选项集数量,同时只需一次扫描决策表就可产生决策规则。应用实例及实验结果分析表明该方法是一种有效而且快速的关联规则挖掘方法。

基于粗糙集的焊接类型关联规则提取

为了从大量工艺数据中获得潜在的、有价值的工艺知识,提出了基于粗糙集的焊接类型关联规则提取方法。分析与焊接类型相关的属性,建立焊接类型选择的决策表,应用粗糙集属性约简删除对焊接类型选择没有影响的属性。应用Apriori算法获取频繁项集,为了减少冗余项集产生,采用不同属性的项集进行联接;应用较低的支持度和较高的置信度提取强规则。以具体的实例验证了该方法,提取的规则对焊接类型的选择有很好的参考价值。

一种基于关联模式的完全决策规则的提取方法

针对基于粗糙集理论提取完全的决策规则是NP难问题,提出一种获取统计意义下的完全的简化规则的算法.该算法结合关联规则挖掘方法和粗糙集方法的优点,从决策表中提取出具有一定支持度和可信度阈值的决策规则,具有实际的应用意义.通过实例验证了算法的有效性.

基于关联模式挖掘的决策规则提取方法

在数据挖掘领域,关联规则的挖掘和基于粗糙集理论抽取决策规则是两种截然不同的方法,但在统计意义下两种方法产生的规则基本相同。结合关联规则挖掘方法和粗糙集方法的优点,基于Apriori算法提出一种优化算法,获取具有一定支持度和可信度阈值且不产生冗余的决策规则,以提高粗糙集属性值约简算法的性能。

基于粗糙集带结论域的关联规则挖掘算法及其优化

针对Apriori-Hybrid算法的瓶颈,提出了一种使用支持度矩阵对频繁2项集快速挖掘的方法,采用改进的Apriori-Hybrid算法来挖掘关联规则,试验证明该算法提高了关联规则挖掘的效率和质量.

适航指令设计制造缺陷案例关联分析

为有效预防航空安全事件的发生,找到事件发生的潜在关联,分析中国适航指令(CAD)所反应的设计制造缺陷案例的关联性。首先,对CAD制定属性提取规则;然后,采用不完备信息系统的粗糙集模型,将故障发生的危险等级作为决策属性,并约简条件属性;最后,通过FP-growth算法挖掘易损部位、事件原因、事故等级、处理措施等规则,找出引起不适航或超出运行条款导致不能安全运行因素之间的内在联系。研究表明:经过粗糙集的约简,案例关联性分析能够提取到置信度高的规则,有助于适航管理机构进行相应决策。

粗糙集和集成神经网络在钻井专家系统中应用

针对煤矿钻井领域一直凭借经验施工的现状,设计了一种基于粗糙集和集成神经网络的煤矿钻井故障诊断专家系统模型。系统利用权值平衡调节和学习率自适应联合算法对集成神经网络不断进行训练学习,通过正反向混合推理机制验证事故的存在性,同时采用粗糙集值约简算法进行规则提取,以提高集成神经网络的可解释性。实践证明,系统在处理诸如钻井故障这类复杂问题时是一种特别高效的工程化计算方法,为科学钻探提供了有力的保障,在提高钻进效率同时,能够有效地阻止钻井事故的发生。

基于Rough set理论的本科生就业情况研究

Rough Set理论是一种新型的处理模糊和不确定知识的数学工具.本科生的就业情况是最近几年来最受关注的问题之一,根据大量的调查表数据,分析这些数据之间的关联性,得出:要得到一定的结果属性,需要哪些条件.基于Rough Set理论中的正域概念和由此定义的重要性概念,提出一种新的实现调查表分析的决策算法.

面向客户需求基于灰色粗糙模型的产品配置研究

为解决产品配置中客户需求信息的模糊性、不规范性等问题,提出了基于灰色粗糙集模型的客户需求分析技术。该方法建立在产品配置参数表的基础上,通过产品配置参数映射来获取全面的客户需求信息。利用灰色粗糙集关联算法来量化客户需求的信息内容,实现客户需求与配置参数表的映射关系,客观有效地获取并转换了客户需求,提高了产品配置效率,并通过实例说明该方法的可行性。

基于数据挖掘的电力系统故障自动诊断方法研究

为了解决当前电力系统故障诊断方法存在的问题,提高故障诊断正确率,提出基于数据挖掘的电力系统故障自动诊断方法。采集电力系统故障数据,从中提取故障诊断特征,对故障诊断特征进行约简处理,得到最优的故障诊断特征。建立电力系统故障诊断的关联规则,根据关联规则实现故障状态诊断,与其他方法进行故障诊断仿真对比实验,结果表明:该方法改善了电力系统故障诊断,而且抗干扰性极强。

基于粗糙集和Apriori算法的冰川编目数据的关联规则挖掘

针对冰川编目数据的挖掘,人为给定的支持度和可信度的阈值导致挖掘出大量没有意义的关联规则。提出将粗糙集的属性重要性和属性值在事务数据库中的概率相结合方法。首先使用粗糙集方法求知识系统中各属性的重要度,然后再求出具体的属性值在知识系统中的概率,最后将重要度和概率相结合得到频繁项目集的权值,通过对项目集权值的平均加权计算,来动态改变Apriori算法的最小支持度和最小可信度,不仅提高模型的效率,而且将其应用于冰川编目数据的挖掘,挖掘出冰川的特征、海拔的关联关系。