分享到:

基于粗-模糊神经网络的决策控制

1 引言(Introduction)对具有不确定性因素对象的这个极富挑战性的控制问题,目前主要有自适应控制和鲁棒控制法,但我们注意到在应用上述方法时,往往要求将控制对象描述为某些标准的数学模型,而客观实际中要处理的控制对象往往具有严重的不确定性,无法精确建模,近年来兴起的人工神经网络方法因其具有模拟人脑的形象直觉思维的能力,且具有较强的鲁棒容错性和并行处理能力所以在解决高度非线性,具有大量不确定性的系统控制方面显示了极大潜力.而针对不确定,不完整的数据对象控制方面,波兰学者Z.Pawlak早在1982年就提出了粗集理论这种有效的智能数据分析工具,因其具有极大的模拟人类抽象逻辑思维功能,故其在对不完整,不确定数据对象进行分析推理简化,知识发现提取方面已受到模式识别,决策系统控制,机器学习等许多领域的重视.本文正基于此,用模糊规则提取的方法构建了一种具有广泛应用前景的新的粗-模糊神经网络模型,用来对任意复杂的不确定对象实现自学习或自...  (本文共5页) 阅读全文>>

《漳州师范学院学报(自然科学版)》2005年03期
漳州师范学院学报(自然科学版)

广义单向S-粗集和它的一般结构

1引言1982年波兰数学家Pawlak提出的Rough Set,给出粗集的一般数学结构,粗集在不完全信息的处理,知识获取与发现、决策分析、机器学习、模糊控制、数据挖掘、系统检测与识别、风险估计等诸多领域都有着广泛的应用[1].Pawlak Rough Set理论所讨论的问题集X是静态的,而在现实诸多领域的应用中,所遇到的问题集X往往具有一定的动态迁移性,针对具有动态特性的问题集X,史开泉教授提出了奇异粗集(Singular Rough Set)简称S-粗集.S-粗集为研究系统的动态近似特性、知识挖掘、机器学习等诸多领域提供了新的理论方法[2].在S-粗集生成的近似空间中,所讨论的二元关系R是给定的非空有限论域U上的等价关系,但是在实际的应用问题中,非空有限论域U上的关系并不都是等价关系,这时S-粗集的应用就受到了一定的限制.对此本文将等价关系下的S-粗集推广至一般二元关系下的S-粗集,称为广义单向S-粗集,给出广义单向S-粗集的...  (本文共5页) 阅读全文>>

《三明学院学报》2005年02期
三明学院学报

广义双向S-粗集和它的一般结构

引言波兰数学家Z.Pawlak于1982年提出的R ough Set理论作为一种研究处理不确定和不完全信息的理论方法[7],在数据挖掘与知识发现、决策分析、机器学习、模糊控制、系统检测与识别、风险估计等许多领域都有着广泛的应用。Z.Pawlak的R ough Set理论所讨论的问题集X是静态的,集合X的静态特性限制了Z.Paw lak粗集[7]的广泛应用。对于一般的信息系统中的集合X,它都具有动态特性,动态特性是由元素迁移f∈F,f∈F的存在而引起的[1-3]。我国学者史开泉教授推广了Z.Pawlak粗集理论,提出了奇异粗集理论(SingularR ough Set)简称S-粗集。S-粗集具有动态特性,S-粗集具有了更大的应用空间。S-粗集为研究系统的动态近似特性、知识挖掘、机器学习等诸多领域提供了新的理论方法。在S-粗集生成的近似空间中,所讨论的二元关系R是给定的非空有限论域U上的等价关系。但是在实际的应用问题中,非空有限论域...  (本文共5页) 阅读全文>>

《山东大学学报(工学版)》2005年06期
山东大学学报(工学版)

S-粗集副集的嵌入粒度

0引言1982年波兰数学家Z.Pawlak提出粗集(rough sets)的概念,并给出它的一般性讨论.由于粗集具有很多优良的特性,引起了信息科学与信息工程领域研究学者的兴趣,并在知识约简,数据挖掘等很多领域内得到了广泛的应用.但是在Z.Pawlak粗集中,集合X的边界是静态的,但是在很多应用问题中,我们不能保证X中包含的信息是完整的,X中信息残缺不全是经常出现的,因此必须对X中的信息进行补充;显然,集合X的边界是游动的.史开泉教授2002年提出S-粗集【1】(singu lar rough sets)的概念,给出了S-粗集的一般性讨论,扩展了粗集理论的应用范围.文献【2~10】对S-粗集给出进一步的理论研究,文献【11】提出S-粗集副集嵌入集的概念,并给出其一般特性.文献【1~10】中的研究是Z.Pawlak粗糙集【12】研究结果的进一步推广.因为知识具有粒度【1~10】,而副集是知识的集合体,副集是否具有粒度?若具有粒度,它...  (本文共5页) 阅读全文>>

《山东大学学报(理学版)》2005年01期
山东大学学报(理学版)

函数S-粗集

0 引言文献 [1]提出S 粗集 (singularroughsets) ,给出了它的两类结构 :单向S 粗集 (onedirectionsingularroughsets) ,双向S 粗集 (twodirectionsingularroughsets) .[2~ 13]对S 粗集的特性、应用给出了进一步的讨论 .S 粗集推广了 1982年波兰数学家Z .Pawlak提出的粗集 在Z .Pawlak粗集中 ,集合X U是静态的 ,在S 粗集中 ,集合X U是动态的 (单向动态X =X°或双向动态X =X ) .在集合的静态 动态框架下 ,Z .Pawlak粗集是S 粗集的特例 ,S 粗集是Z .Pawlak粗集的一般形式 .观察S 粗集[1~ 13] 和Z .Pawlak粗集[14 ] ,它们的共同特征是以元素的R 等价类 [x]={x1,x2 ,…xt}来定义的 .这种定义形式是否具有一般性 ?这种定义形式能解决的问题...  (本文共7页) 阅读全文>>

《山东大学学报(理学版)》2005年02期
山东大学学报(理学版)

S-粗集与它的F-记忆

0 引言下面的事实是本文给出的讨论的依据和背景 .给定知识 [x]α U ,[x]α={x1,x2 ,x3 ,x4,x6,x6} ,α V是 [x]α 的属性集 ,α ={α1,α2 ,α3 } ,存在元素迁移[1~ 11] fi∈F ,使得 β∈V ,β α成为fi(β) =α′i∈α ,α变成αf={α1,α2 ,α3 ,α′i} ,知识 [x]α 变成知识 [x]αf ={x1,x2 ,x3 ,x4} ,则有card([x]αf) card([x]α) .显然 ,知识[x]αf记忆了知识 [x]α 的属性α1,α2 ,α3 ;同时记忆了知识 [x]α 中的元素x1,x2 ,x3 ,x4.记忆与忘却是两个意义相反 ,互补共存的姊妹概念 ,有记忆必有忘却 ,记忆中伴随着忘却 .换一个相反的说法 ,如果知识 [x]α 忘却了它的元素x5,x6,由知识 [x]α 得到了知识 [x]αf.在系统分析中 ,具有上述背景的问题随时可...  (本文共7页) 阅读全文>>