一个基于Rough set理论的增量式学习算法

为了获取最小决策规则,当增加新例子时,传统的方法通常需要对决策表中所有数据重新计算,效率欠佳。为了尽量减少重复计算量,该文从Roughset理论出发,提出了一种新的增量式学习算法和最小重新计算的标准,并且用理论和实验对新算法和传统算法在算法复杂度上做了对比。

决策演化集中预测规则与实际规则的博弈

在决策演化集理论体系下,预测规则是伴随实际规则而产生的,因此预测规则必然会对实际规则产生影响,但目前对于两者相互作用的机制仍不清楚。本文引入博弈论方法,构建预测规则和实际规则的博弈矩阵,通过计算它们的收益,分析它们对决策信息系统所带来的影响。

基于粗糙集理论的冲模设计隐性知识发掘的研究(英文)

为了克服目前在基于规则推理(Rule-Based Reasoning,RBR)系统中获取和更新规则的困难以及加快基于事例推理(Case-Based Reasoning,CBR)系统中的事例检索过程,文章提出了一种基于模糊集和粗糙集理论、从冲压模具设计库中发掘隐性设计知识的技术。所发掘的知识以规则的形式表达。该知识发掘过程包括:(1)冲压零件基于特征的模糊表达;(2)冲压事例的模糊聚类;(3)基于粗糙集的规则获取。为了进行验证,文章在原型系统中建立了一个包含53个事例的原型事例库,并从中自动发掘出了38条规则。通过事例聚类和属性约减,CBR系统的检索速度可以得到较大的提高。此外,由于所发掘的规则以产生式规则的形式表达,RBR系统可以利用这种技术建立和更新规则。

一种改进的基于粗糙集理论的启发式特征选择算法

在最大支持启发函数的基础上提出了一种新的基于粗糙集的启发函数,称为参数加权平均支持启发函数.该方法的优点是考虑了可能性规则集的整体质量,它所选出的特征在决策类上能形成具有高加权平均支持度的规则,并且能够利用阈值调整下近似的水平.计算实例表明该方法是有效的.

基于粗糙集和遗传-RBF神经网络的钢筋混凝土施工质量诊断

基于粗糙集和遗传-RBF神经网络理论建立了钢筋混凝土施工质量诊断的智能模型。从泵送施工故障、搅拌机故障、运输机故障、振动器故障四个方面选取10个因素作为诊断故障的考核指标。研究表明:诊断结果和实际情况完全吻合,通过对潜在故障的诊断,可以避免排除故障时的盲目性,做到有针对性地排除故障,为钢筋混凝土施工质量诊断提供了一条新的途径。