论文研究-基于粗糙集的民航飞机故障诊断规则获取方法.pdf,
基于粗糙集和人工免疫的模拟电路诊断方法,李宁,,提出一种基于粗糙集属性约简的人工免疫模拟电路故障诊断改进算法。首先利用小波分解提取输出节点信号各频段的能量作为故障样本;
在分析当前研究中常用的属性离散化方法的基础上,提出了一种计算初始断点集合的算法;定义了断点的信息熵,并以此作为对断点重要性的度量,提出了一种基于粗糙集理论和信息熵的属性离散化算法。通过与其他离散化算法
基于粗糙集的指纹图像分割和预处理方法,陈文俊,陈立潮,指纹图像分割是指纹识别预处理中很重要的一步。指纹边界具有模糊性和不确定性,粗糙集理论是用来处理不确定性的一种工具。本文提
单调性在经典粗糙集属性约简过程中发挥着重要的作用。然而,在一些扩展模型中该单调性质并不存在,如变精度粗糙集模型。针对该问题,提出了变精度粗糙集模型中下近似单调约简的定义,下近似单调约简算法打破了传统意
将直觉模糊粗糙集应用于多属性决策问题,提出了基于改进的直觉模糊粗糙集相似度的多属性决策方法。针对现有的直觉模糊粗糙集相似度忽略犹豫度而造成度量不精确的问题,提出了一种改进的直觉模糊粗糙集相似性度量方法
粗糙集上的属性约简依据某种评价函数来删除冗余属性。针对传统的属性约简并未考虑到评价函数的多样性会对约简结果产生的影响,鉴于此,利用邻域粗糙集模型,分别以近似质量与邻域决策错误率作为评价函数。在6个UC
为了提高老年人评估的效率,提出了一种基于粗糙集的优化方法。 与传统的粗糙集属性约简相比,冗余评估项通过项的相关性得以消除。 它避免了计算具有许多属性的粗糙集核心所需的大量开销。 为了解决传统粗糙集中很
邻域粗糙集应用的好坏依赖于邻域大小δ的取值。在使用基于邻域粗糙集的属性约简算法时,现有的δ取值方法一般是点值式的,即仅凭借人的经验指定某个值,这种方法在对δ取值时没有结合实际问题的具体情况,因此在算法
为了克服模糊C-均值(FCM)聚类算法易陷入局部极小值和对初始值敏感的缺点,提出了一种基于改进量子蚁群的模糊聚类算法。将量子计算原理和蚁群算法相结合来改进FCM算法。初期采用量子遗传算法生成信息素分布