论文研究粗糙集——神经网络故障诊断方法研究 .pdf

属性约简是粗糙集理论研究的核心内容之一。传统的属性约简研究并未考虑决策信息系统的树形结构,为解决这一问题,本文基于粗糙集理论,首先给出了决策信息系统的树形表示结构,该树形结构以粗糙集理论中的不可分辨关

基于粗糙图的分层符号有向图故障诊断方法研究，刘静，谢刚，针对使用SDG进行进行故障诊断分析是所获信息不完备、不精确的特征，将粗糙集挖掘不确定性问题的优点加入SDG故障诊断过程，提出基于

针对经典粗糙集理论的属性约简，从三个方面对属性约简方法进行综述。最后对属性约简中存在的问题进行了分析，并提出了进一步研究的方向。

针对目前物流行业在资源优化配置以及组织调度等环节中出现的匹配精度低、调用效率差等现实问题，将物流资源分类标准作为切入点，以行业内现有资源分类体系为基础，结合实际样本数据，提出基于粗糙集的物流资源分类方

证据理论是处理不确定问题的重要方法，其处理的证据来源于专家，而专家的知识经验是有限的，且存在一定的主观性。在证据合成中，Dempster合成规则为证据理论提供了证据合成公式，但该公式在合成高度冲突的证

神经网络故障诊断和数据预测的matlab程序

针对传统的否定选择算法（NSA）在网络故障诊断应用中所生成的检测器效率不高以及检测器之间重叠面积较大的问题，提出了一种基于差分进化的改进否定选择算法（DE-NSA）。该算法先采用否定选择算法随机地产生

网络问题非常复杂，一般情况下很难迅速定位，要耐心细致地进行诊断，认真听取网络管理员和当事人的故障描述，借助网络检测工具，使用常见的网络故障诊断方法，实现故障的定位和排除。

提出了一种改进的基于模糊理论的柔性形态学边缘检测方法。在模糊域里选用效率更高的隶属度函数，借鉴广义模糊集的概念对模糊域计算区域进行拉伸和增强处理，增加边缘两侧灰度对比度，再利用柔性形态学特征及性质选取

粗糙集的代数刻画是粗糙集理论中研究的一个重要方向，在偶序对[R(X),R(X)]构成的集合中定义了二元运算[*]，证明了序偶对构成的集合构成了一个有界BCK代数，给出了基本的性质，为粗糙逻辑和粗糙推理