论文研究 基于粗糙集与神经网络的电力负荷新型预测模型.pdf

提出一种基于最大Lyapunov指数法和神经网络融合的预测模型，该模型(Lya—BP)吸取了最大Lyapunov指数预测的优点，同时能够改善对于数据样本不够大时，最大Lyapunov指数预测精度不高的

论文研究-基于粗糙集融合支持向量机的水质预警模型.pdf, 为解决因水质预警耦合因素多,预警模式复杂以及信息不完整所引起的水质预警精度低问题,提出了粗糙集融合支持向量机(RS-SVM)的水质预警模型.

针对带“*”值的不完备决策系统，提出一种基于非对称选择相似关系的扩充粗糙集模型，通过定义“选择相似”的概念来合理地控制未知值和已知值的相似程度，克服了“*”值可与任意值相似的不足。理论分析表明，该模型

为准确及时地发现高速公路上的事故隐患，有效地减少交通延误，保障道路安全，提出了一种新的基于模糊C均值（FCM）聚类和模糊粗糙集的交通事件自动检测模型。模型分为离散化、推理规则建立和模糊推理三个步骤。在

证据理论是处理不确定性问题的有效工具，但是其证据往往来源于专家，带有很大的主观性，且合成证据的重要性无优劣之分。提出了一种基于粗糙集的证据获取与合成方法。利用证据信任度计算近似条件概率分配，根据属性重

人口问题是21世纪中国所面临的重大问题,同时也是关系到社会发展的重要因素。因此人口预测,作为经济、社会研究的一种方法越来越受到人们的重视。对人口数据进行知识的发现,可以了解未来人口的演化进程,从而对连

针对Pawlak粗糙集模型处理噪声信息的局限性，借鉴变精度粗糙集模型的思想，引入多尺度变量，建立单维的多尺度粗糙集模型。通过构造尺度变量s与尺度函数f（s）的变化关系，对噪声数据进行多尺度、多角度的动

数据挖掘的主要目标之一是进行有效分类，粗糙集的上下近似空间正是为了对信息系统进行分类。变精度粗糙集作为经典粗糙集的推广模型，目前研究仅局限于有限集。针对变精度粗糙集模型无法处理无限集合的问题，在变精度

阐明了变精度粗糙集模型中,经典粗糙集模型分类质量、相对正域、决策类下近似不再具有非单调递减特征，在约简过程中分类质量和相对正域会出现跳跃现象，约简过程具有不稳定性；但决策类下近似不会出现跳跃现象，可以

分析了变精度粗糙集模型属性约简过程出现跳跃的原因，并给出消除跳跃现象的方法。探讨了基于分类质量、相对正域和决策类下近似的属性约简定义，并采用属性添加法对条件属性进行约简，约简过程反映了分类能力的变化。