导读:本文包含了粗糙集模型论文开题报告文献综述及选题提纲参考文献，主要关键词:粗糙集,粒子群算法,支持向量机,泥石流危险度
粗糙集模型论文文献综述
王晨晖,袁颖,周爱红,刘立申,王利兵[1]（2019）在《基于粗糙集优化支持向量机的泥石流危险度预测模型》一文中研究指出为准确预测泥石流危险度,提出了基于粗糙集理论(rough set,RS)的粒子群算法(particle swarm optimization,PSD)优化支持向量机(support vector machine,SVM)模型。首先离散化泥石流样本数据形成初始决策表,利用粗糙集理论对10个泥石流危险度影响指标进行属性约简,将约简后的泥石流指标数据归一化处理作为支持向量机的学习样本,通过粒子群算法寻优获得最佳支持向量机模型参数,最终建立基于粗糙集的泥石流危险度预测的优化支持向量机模型。并将构建的RS-PSOSVM模型用于对测试样本的预测。结果表明:在相同训练样本的条件下,RS-PSO-SVM模型、PSO-SVM模型及RS-PSO-BP模型叁者的预测准确率分别为87. 5%、87. 5%、75%,说明RS-PSO-SVM模型和PSO-SVM模型具有比RS-PSO-BP模型更高的精度。此外,尽管RS-PSO-SVM模型和PSO-SVM模型具有相同的预测精度,但是由于进行了属性约简,RS-PSO-SVM模型可以有效提高运行效率,降低模型复杂度。(本文来源于《科学技术与工程》期刊2019年31期）
张友鹏,江雪莹,赵斌[2]（2019）在《融合粗糙集与灰色模型的道岔故障预测》一文中研究指出以高铁常用S700K型转辙机为例,通过预测电流特征实现对未发生故障的预先检修。结合粗糙集与灰色理论提出一种新方法用于道岔故障预测,该方法通过粗糙集的知识获取与规则约简,获得最小诊断规则;通过离散灰色预测模型的建模方法,实时建立不同故障类型的预测模型。随机抽取30组故障进行诊断,其中96.67%与实际情况相符,可满足诊断准确率的要求;随机抽取1组预测情况,预测值与实际值之间的残差较小,可满足预测准确率的要求。所提出方法能够有效减少由故障带来的安全问题,可操作性高,更具实用性。(本文来源于《铁道科学与工程学报》期刊2019年09期）
张振海,蔺苗苗,党建武[3]（2019）在《基于粗糙集和图论的ZPW-2000A轨道电路故障诊断模型》一文中研究指出目前,对于ZPW-2000A无绝缘轨道电路的判别方法主要是依赖人工测试和分析,存在主观性强、判别效率低等缺陷。为了解决上述问题,将粗糙集理论和图论知识相结合引入到ZPW-2000A无绝缘轨道电路的故障诊断中。通过构建故障诊断决策表以及加权多部决策表图及其邻接矩阵,获得一种基于邻接矩阵的属性约简方法以及识别核属性的方法,并利用故障规则的分级以及故障信息覆盖度完成故障规则的提取。研究表明,该算法条理清晰,计算简便,能够有效减少算法复杂度。(本文来源于《计算机应用与软件》期刊2019年09期）
周家萱,徐常凯[4]（2019）在《基于粗糙集全局离散和粒子群算法的启发式航材订货模型》一文中研究指出为了解决目前航材订货模型单纯依托人为经验,对航材消耗规律变化反应滞后且可信度不高工作量过大的问题,提出在原始订货模型的框架下,使用PAM聚类、粗糙集全局离散和粒子群算法,计算模型中的航材分类、属性离散和区间权重,从而建立启发式航材订货模型,并在测试集上对比新老模型的均方离差。结果表明,启发式航材订货模型可以使人摆脱依靠经验确定模型的繁琐工作,并且能有效提高模型的准确性和及时性,从而提高航材订货工作效率。(本文来源于《空军工程大学学报(自然科学版)》期刊2019年04期）
程永林,李德玉,王素格[5]（2019）在《基于极大相容块的邻域粗糙集模型》一文中研究指出对于数值型数据而言,邻域粗糙集模型是处理不确定信息的有效工具.现有的邻域粗糙集模型仅关注那些邻域中所有样本都属于同一个决策类的一致性情形,无法利用邻域中与多个决策类相交的边界样本所蕴含的信息.针对邻域粗糙集的这一局限性,将相容关系的极大相容块与邻域粗糙集相结合,选取样本邻域内的最大等价块作为最小的信息粒,通过重新定义邻域粗糙集的上下近似和属性重要度等概念,建立了一种基于极大相容块的邻域粗糙集模型.该模型可在更小的信息粒度下将原来边界样本转化成一致性样本来增大正域.运用前向贪婪策略构建了相应的属性约简算法.在七个公开的UCI数据集上的对比实验验证了提出模型的有效性.(本文来源于《南京大学学报(自然科学)》期刊2019年04期）
嵇慧明,于昊,宋帅,彭承奇[6]（2019）在《基于改进粗糙集-云模型理论的空战态势评估》一文中研究指出为了提高空战态势评估中对模糊信息的处理能力,以改进粗糙集-云模型理论为基本方法,建立了基于敌我双方空战信息的战机态势评估模型。首先对空战态势信息进行离散化、解耦合处理,建立格式化信息表;然后使用改进的粗糙集理论算法约简空战态势因素并计算权重;最后将空战态势云图与评价云图比较,对战机空战态势实施评估。实例验证表明,态势评估模型能够在模糊信息条件下合理评估己方战机的空战态势,证明了理论模型的有效性。(本文来源于《战术导弹技术》期刊2019年04期）
郭庆,张爱萍[7]（2019）在《直觉模糊决策系统的一种变协调度粗糙集模型》一文中研究指出严格序关系下的粗糙集模型在处理不协调直觉模糊决策系统时,下近似集中包含很少的对象,其中可能存在着被遗漏的对象。文章通过引入协调度提出了一种序关系下直觉模糊决策系统的变协调度粗糙集模型,该模型通过调节协调度阈值的大小能够较为有效地处理直觉模糊决策系统中的不协调性,并给出该模型相关的重要性质及其证明,这些性质揭示了所提模型与严格序关系下模型的区别与联系;然后通过引入直觉模糊决策系统的分类质量给出了相对约简的方法,同时给出序决策规则的获取方法及其置信度;最后通过算例验证了该模型的有效性与合理性。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年06期）
程林海,何莹莹,张玉,吕跃进[8]（2019）在《λ-相似关系下的区间粗糙数粗糙集模型》一文中研究指出针对经典粗糙集理论在处理区间粗糙数信息系统时的局限性,定义了区间相似度。在此基础上,引入参数α和β,提出了区间粗糙数相似度的概念。引入参数λ,结合区间粗糙数相似度的概念给出了λ-相似关系及相似类的概念,进而提出了λ-相似关系下的区间粗糙数粗糙集模型。研究了该粗糙集模型的相关性质,并通过实例对其进行说明。(本文来源于《计算机工程与应用》期刊2019年21期）
程昳,刘勇[9]（2019）在《基于邻域多粒度粗糙集的知识发现模型》一文中研究指出针对现有邻域多粒度粗糙集的定义及相应知识发现算法的不足,重新建立基于邻域多粒度粗糙集的知识发现模型。首先构建了多邻域半径下的乐观邻域多粒度粗糙集模型和悲观邻域多粒度粗糙集模型,讨论了相关性质;然后定义了邻域多粒度粗糙集的粒度重要性,并构造了粒度约简算法;最后通过实例解释了算法的运行机制,验证了算法的有效性。(本文来源于《计算机科学》期刊2019年06期）
石云鹏[10]（2019）在《κ-δ邻域粗糙集模型及其应用》一文中研究指出在信息爆炸的当今社会,各行各业,每分每秒都有海量的数据产生并且被存储。高效的分析和挖掘这些数据不仅可以带来巨大的经济效益而且还能促进科学技术的进一步发展。邻域粗糙集作为一种处理数值数据的有效工具,自发展以来得到了广泛的应用。本文针对两种经典的邻域粗糙集模型中的近邻粒选取问题,提出了一种新的邻域粗糙集模型叫做κ-δ邻域粗糙集模型。基于这个模型,文章构造了一种属性约简算法和一种邻域多粒度分类算法。具体工作如下:1.邻域粒度的选取是邻域粗糙集模型的一大重要问题。经典的邻域粗糙集就邻域粒度的选取一般采用κ-邻域或者δ-邻域这两种方法。然而,这两种方法都不能有效地刻画类别混合样本的邻域。针对这一问题,提出了一种新的邻域粗糙集模型叫做κ-δ邻域粗糙集模型,该模型结合了κ-邻域模型和δ-近邻模型的优点,能有效地处理数据异构问题。然而,由于κ-近邻模型不具有单调性,因此文本采取迭代策略来定义该模型决策的粗糙近似,并讨论了它们的相关性质。2.属性约简是一种处理高维数据的有效的方法。它在保持系统的分类能力不变的情况下,删除数据中的冗余特征,进而获取数据中的最有用信息,使得知识处理过程更加简化。基于κ-近邻邻域粗糙集模型,本文构造了一个前向贪婪搜索属性约简算法并设计实验验证算法的有效性。实验分析表明,文中提出的算法比现有的一些算法精度更高,尤其是相比较于δ-邻域粗糙集模型和κ-近邻粗糙集模型。3.分类问题是当前数据挖掘最主要的研究方向之一,通过对已知的样本数据进行挖掘进而对未知的样本进行分类,这一基本思想在实际的生活生产中具有非常广泛的应用。针对高维数据的分类问题,多粒度方法被广泛的应用在数据挖掘和模式识别等多个领域中。该方法可以从多个角度来挖掘现有的数据,可以有效地提高分类能力。因此,在κ-δ近邻邻域粗糙集模型的框架下,文章设计了一种邻域多粒度分类器对未知样本进行分类。通过实验分析证明了所提的分类算法比现有的几种经典分类算法的分类能力更强,分类更准确。(本文来源于《渤海大学》期刊2019-06-01）
粗糙集模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以高铁常用S700K型转辙机为例,通过预测电流特征实现对未发生故障的预先检修。结合粗糙集与灰色理论提出一种新方法用于道岔故障预测,该方法通过粗糙集的知识获取与规则约简,获得最小诊断规则;通过离散灰色预测模型的建模方法,实时建立不同故障类型的预测模型。随机抽取30组故障进行诊断,其中96.67%与实际情况相符,可满足诊断准确率的要求;随机抽取1组预测情况,预测值与实际值之间的残差较小,可满足预测准确率的要求。所提出方法能够有效减少由故障带来的安全问题,可操作性高,更具实用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
粗糙集模型论文参考文献
[1].王晨晖,袁颖,周爱红,刘立申,王利兵.基于粗糙集优化支持向量机的泥石流危险度预测模型[J].科学技术与工程.2019
[2].张友鹏,江雪莹,赵斌.融合粗糙集与灰色模型的道岔故障预测[J].铁道科学与工程学报.2019
[3].张振海,蔺苗苗,党建武.基于粗糙集和图论的ZPW-2000A轨道电路故障诊断模型[J].计算机应用与软件.2019
[4].周家萱,徐常凯.基于粗糙集全局离散和粒子群算法的启发式航材订货模型[J].空军工程大学学报(自然科学版).2019
[5].程永林,李德玉,王素格.基于极大相容块的邻域粗糙集模型[J].南京大学学报(自然科学).2019
[6].嵇慧明,于昊,宋帅,彭承奇.基于改进粗糙集-云模型理论的空战态势评估[J].战术导弹技术.2019
[7].郭庆,张爱萍.直觉模糊决策系统的一种变协调度粗糙集模型[J].合肥工业大学学报(自然科学版).2019
[8].程林海,何莹莹,张玉,吕跃进.λ-相似关系下的区间粗糙数粗糙集模型[J].计算机工程与应用.2019
[9].程昳,刘勇.基于邻域多粒度粗糙集的知识发现模型[J].计算机科学.2019
[10].石云鹏.κ-δ邻域粗糙集模型及其应用[D].渤海大学.2019