软计算方法应用于智能决策系统知识处理中的研究

论文摘要

智能决策支持系统（IDSS）是决策支持系统（DSS）引入人工智能技术后的产物,是目前DSS的前沿研究领域,如何更好的提高决策系统的智能化就成为困扰研究者的难题。集成了多种不同的方法如粗集、模糊推理、人工神经网络和遗传算法的软计算方法则为解决这一问题提供了新的计算方法。软计算方法为处理不精确、不确定的实时决策系统提供了更为灵活的柔性的方法,具有很好的并行处理能力、较高的容错性以及处理不确定性等特点。 本论文讨论了粗集计算以及软计算的核心——模糊-神经计算的原理,相互的融合方式,提出集成了粗集计算、模糊-神经计算的软计算方法,它是运用粗集在处理不确定,不完备信息的优点以及不需要关于数据的任何附加知识就可以进行推理的长处来优化模糊神经网络,同时保持了模糊神经网络较强的容错性、自学习能力和泛化能力。通过仿真试验证明了该方法的可行性。

论文目录

• 第1章 绪论
• 1.1 论文写作的背景
• 1.2 论文写作的目的和意义
• 1.3 论文的总体结构
• 第2章 粗集计算
• 2.1 粗集在决策系统中数学分析
• 2.2 举例说明
• 2.3 粗集和其它数学工具的融合
• 第3章 模糊—神经计算
• 3.1 模糊计算
• 3.1.1 模糊逻辑知识分析
• 3.1.2 模糊推理
• 3.2 神经计算
• 3.2.1 神经网络的基本特性和主要的学习算法
• 3.2.2 多层前向神经网络模型和BP算法
• 3.3 神经-模糊计算
• 3.4 模糊-神经计算和其它计算方法的融合
• 第4章 软计算方法在知识处理中的应用
• 4.1 引言
• 4.2 基于粗集计算的数据预处理
• 4.2.1 连续属性的离散化
• 4.2.2 基于粗集的模糊规则的提取
• 4.3 模糊-神经网络模型的建立
• 4.3.1 网络参数的调整
• 4.3.2 集成粗集理论的模糊神经网络具有全局逼近的特性
• 4.4 实例分析
• 结论
• 致谢
• 参考文献
• 攻读硕士学位期间发表的文章