一种基于动态粗集的工件滚动调度识别方法

为在动态加工环境下采用滚动优化调度时,研究了调度窗口内工件的识别问题。基于动态粗集和其元素动态迁移特性,提出了一种工件滚动调度识别方法,考虑在工件加工过程中有生产设备损坏、工件到期时间改变和急加工工件等动态环境中,通过滚动优化调度工件的识别,不仅能适应加工环境的动态变化,获得满意的调度结果,而且减少了再调度次数和调度问题求解的规模。仿真结果验证了该方法的有效性。

动态粗集理论在决策树算法中的应用研究

基于动态粗集理论,提出一种改进的动态粗集决策树算法。改进后的算法对每一属性计算数据对象迁移系数的和,值最大的属性成为决策树的根;在对决策树分叉时,给每一决策类别的数据对象集合计算从根到分叉属性所构成的属性集的膨胀度,值大的属性构成分支结点。算法在UCI机器学习数据库原始数据集及其噪音数据集上的实验结果表明,该算法构造的决策树在规模与分类准确率上均优于ID3算法及C4.5算法。

动态粗集理论在K-均值聚类中的应用

基于动态粗集理论,提出了一种改进的动态粗集K-均值算法。改进后的算法依据数据对象的迁移系数大小,被划分到某一类的膨胀上近似集或膨胀下近似集;在计算类的质心时采用其中数据对象集的迁移系数的平均值作为权值来衡量它对质心的贡献。在UCI机器学习数据库原始数据集及其噪音数据集上的实验结果表明,改进后的动态粗集K-均值算法提高了聚类的准确性,降低了迭代次数。

动态粗集的一种新结构

Z.Pawlak粗集理论是一种研究和处理静态知识的静态粗集理论。提出研究和处理动态知识的动态粗集理论,给出动态粗集的数学表示,定义知识库上的元素迁移系数、D-粗集、D-近似集等概念,研究D-粗集的迁移特性,给出D-粗集退化定理、D-粗集转化定理、迁移平衡定理等,并进行实例分析和意义解析。D-粗集是Pawlak粗集的一般形式,而Pawlak粗集可以看作D-粗集的一种特例。

基于动态粗集的农民工群体结构研究

首先基于动态粗集理论对农民工群体进行建模,将农民工群体动态的划分为4个层次,分别是核心农民工群体、现实农民工群体、边缘农民工群体和非农民工群体。其次提出依据农民工个体属性的迁移系数判定他位于农民工群体的层次。此过程不仅充分考虑了农民工个体在社会中的动态表现和各种不确定因素,还避免了主观因素的影响。最后通过一个公司农民工群体结构分析的应用举例验证了研究的实用性。