电路宽度制导的布尔推理

在基于逻辑电路的布尔推理过程中 ,经常用到二叉判决图 (BDD)与布尔可满足性 (SAT)相结合的算法 由于电路宽度能很好地反映电路的复杂性 ,提出了一种基于电路宽度的启发式策略 ,根据电路宽度来实现SAT算法与BDD算法的交替 充分发挥两者的优势 ,不仅可以防止因构造BDD可能导致的内存爆炸 ,而且还能避免SAT算法可能遇到的超时现象 与以往同类策略相比 ,该启发式策略更节省计算资源 ,提高算法性能 针对组合电路的测试产生实验 。

基于二元关系和布尔推理的分级决策模型

分级决策问题是将备选方案分类到预先定义的具有偏好顺序的决策类中.其中每个方案是由一个有限属性集合来描述的,该属性集合包括名义属性、连续型属性和有序属性.为了建立分级决策模型,提出了一种基于粗集理论和二元关系、布尔推理相结合的方法.首先在名义属性、连续型属性和有序属性上分别定义了不可分辨关系、相似关系和优势关系.然后提出了分辨-相似-支配矩阵的概念来建立相应的布尔函数.通过计算布尔函数的主蕴含,得到了"IF…THEN…"分级决策规则集作为偏好模型.最后利用一个算例说明了该方法的有用性.

基于粗糙集理论的约简、决策规则与模式

粗糙集理论的概念性框架之一就是利用不可分辨关系和布尔推理作为数据约简和获取决策规则的基础。在分辨矩阵和决策矩阵概念的基础上,提出将约简分为4类,即信息表的对象约简、信息表的全局约简、决策表的对象约简和决策表的全局约简,其中决策表的对象约简对应决策规则。从模式的角度对约简和决策规则进行了分析,利用决策矩阵和决策函数,给出了获取最小决策规则的一种算法,上述结论可以作为设计启发式算法的基础,并用例子对结论进行了说明。

基于离散化方法的支持向量机集成研究

基于数据离散化方法,提出一种新的支持向量机集成算法,该算法采用粗糙集和布尔推理离散化方法构造有差异的基分类器,并引入一致度指标控制离散化过程,可进一步提高集成学习的分类性能。实验结果表明,该算法不仅具有明显优于单一支持向量机的分类性能,而且能取得比传统集成学习算法Bagging和Adaboost更高的分类正确率。

PHM需求下的系统级装备测试优化选择方法研究

PHM对于提高复杂装备任务成功性和战备完好性具有重要意义,测试与信息感知是实现PHM的基础。针对目前测试选择与布局主要面向故障诊断需求的问题,分析并定量描述了装备PHM需求下的故障可观性要求,建立了以故障可检测、可隔离和可预测为约束条件,以总测试费用为目标函数的测试优化选择模型,给出了基于布尔逻辑推理的测试优化选择方法。仿真案例验证了所提模型和方法的有效性。