乔斌
- 作品数：10 被引量：92H指数：6
- 供职机构：浙江大学电气工程学院更多>>
- 发文基金：福建省自然科学基金国防科技技术预先研究基金更多>>
- 相关领域：自动化与计算机技术理学社会学经济管理更多>>
- 搅拌知识库的开发与应用研究
- 乔斌
- 关键词：传热
- 基于模糊神经网络开关磁阻电动机转矩观测被引量：2
- 2002年
- 转矩脉动是开关磁阻电动机较为突出的缺点 ,出于电机设计和控制的目的 ,常需要实时在线测量电机的动态转矩 ,采用转矩传感器的方法既复杂、昂贵 ,在高速下又不准确。利用一种新型变结构模糊神经网络对开关磁阻电动机转矩特性进行学习 ,之后把它用于动态转矩的实时在线测量。仿真与试验结果表明此方法能够快速。
- 郑洪涛李玉榕乔斌蒋静坪
- 关键词：开关磁阻电动机转矩脉动模糊神经网络
- 粗糙集理论中不确定性的粗糙信息熵表示被引量：13
- 2002年
- 1 引言
粗糙集理论从新的视角对知识进行了定义,把知识看作是关于论域的划分,认为知识是具有粒度的(granularity),即知识是粗糙的.知识的粒度越大,其越粗糙,知识含量就越少.并认为知识的不确定性是因知识粒度太大引起的,知识的粗糙性越大,则其不确定性也越大.在粗糙集理论中,一个集合由其上逼近集合和下逼近集合来近似,因此集合存在着不确定性.
- 李玉榕乔斌蒋静坪
- 关键词：粗糙集理论不确定性知识库
- 粗糙集理论的分层递阶约简算法及其信息理论基础被引量：15
- 2004年
- 本文模拟人类认知的分层递阶原则,提出一种粗糙集理论的分层递阶约简算法.该算法首先将信息系统或决策系统的知识在由部分属性所构成的多种层次和多种粒度上表示出来,然后分别对各个属性层次进行递阶约简.因此,该算法具有较强的实用性和较好的动态特性,并且能并行运算.同时,本文从信息理论的角度证明了分层递阶约简的理论基础.文章的最后将该算法应用于某水泥窑炉控制决策的获取中,证实了其有效性.
- 乔斌李玉榕蒋静坪
- 关键词：粗糙集理论信息系统决策系统分层递阶约简
- 基于模糊积分和遗传算法的分类器组合算法被引量：11
- 2002年
- 将多个分类器进行组合能提高分类精度。基于模糊测度的Sugeno和Choquet积分具有理想的特性,因此该文利用其进行分类器组合。然而在实际中难以求得模糊测度。该文利用两种方法求取模糊测度,一是分类器对样本数据的分类能力,另一种是根据遗传算法。这两种方法均考虑了每个分类器对不同类的分类能力不同这一经验知识。实验中对UCI中的几个数据库进行了测试,同时将该组合方法应用于一多传感器融合工件识别系统。测试结果表明了该算法是一种计算简便、精度较高的分类器组合方法。
- 李玉榕乔斌蒋静坪
- 关键词：模糊积分遗传算法模式识别
- 粗糙集理论分层递阶约简算法的研究
- 该文模仿人类认识事物的分层递阶原则,提出并且主要研究数据挖掘和信息融合的重要方法--粗糙集理论的分层递阶约简算法体系.首先,该文提出粗糙集理论的分层递阶约简算法.该算法根据属性的获取方式、采集成本和实时性要求等对属性进行...
- 乔斌
- 关键词：粗糙集理论分层递阶约简离散化线性判别分析
- 一种集成遗传算法与模糊推理的粗糙集数据分析算法被引量：4
- 2002年
- 粗糙集数据分析的主要优点在于它不要求任何关于被处理数据的先验或额外的知识,文章利用其对数据库进行分析计算,自动获取数据库在各个层次上的规则集。在保证量化后的数据库具有最大一致性的前提下,利用遗传算法求取连续属性值的最优量化区间个数及各个区间分点值。同时将量化区间进行模糊化,将清晰规则集转化为模糊规则集,利用模糊推理进行决策以提高鲁棒性。通过对UCI中几个数据库的测试验证了所提出算法的有效性。
- 李玉榕乔斌
- 关键词：遗传算法模糊推理粗糙集数据库
- 基于熵的粗糙集属性简约算法被引量：10
- 2002年
- 本文定义了四种条件熵,并在此基础上提出了四种基于熵的方法,以用于粗糙集数据分析中的属性简约。举例说明了这四种基于熵的属性简约算法各自的优缺点。最后对两个实际数据库进行了测试,结果表明了所提出的基于熵的属性简约算法的有效性。
- 李玉榕乔斌蒋静坪
- 关键词：粗糙集数据分析
- 针对信息系统不完备性的粗糙集分层递阶约简被引量：23
- 2001年
- 提出一种针对不完备信息系统的粗糙集分层递阶约简。该约简可以将信息系统中所有属性构成的单层知识表示变为符合人类认知习惯的部分属性所构成的多层知识表示。同时，分层递阶约简提高了粗糙集约简速度。无论是分层递阶约简，还是所得的分层递阶简约，都适用于实际问题。
- 乔斌郑洪涛郭智疆李玉榕蒋静坪
- 关键词：粗糙集不完备信息系统分层递阶约简
- 基于粗糙集理论和BP神经网络的分层递阶分类算法被引量：10
- 2003年
- 根据分层递阶的原则 ,提出一种将粗糙集理论与 BP神经网络相结合的分类算法。该算法分别用粗糙集理论和 BP神经网络处理决策表中的离散属性和连续属性 ,可以避免对象连续属性离散化中产生不确定的情况。同时 ,粗糙集对于决策表噪声比较敏感 ,BP神经网络可以克服这个缺点。最后 ,对 3个公共数据库的测试验证了该分类算法的有效性。
- 乔斌郭智疆蒋静坪
- 关键词：分层递阶决策系统粗糙集理论BP神经网络
