摘要：应用粗糙集理论 ,对控制系统采样数据进行简化处理 ,构造一种新型神经网络结构 .提出一种误差反向传播BP(BackPropagation)神经网络加速算法 ,并将此算法应用于移动机器人的控制系统分析设计 .通过仿真结果的分析研究 ,验证了此算法在减少网络冗余 ,提高神经网络学习速度 ,提高网络实时控制能力等方面的良好的性能 .

摘要：基于粗糙集理论,提出一种无需建立差别矩阵,无需计算分明函数的值约简算法,阐述该算法的设计思想和具体步骤,并用具体算例证明此算法可行,而且获取的规则是完备无冗余的。

摘要：学生实践能力是衡量一个高校学生综合能力的重要指标,但是由于影响学生实践能力的因素很多,没有统一的标准去衡量一个高校学生实践能力的好坏。因此,高校师生也无法采取针对性措施提高高校学生的实践能力。为了准确分析影响高校学生实践能力的因素,设计了影响高校学生实践能力的问卷,向大一至大四学生发放,采集数据,然后采用粗糙集理论中基于信息熵的启发式属性约简算法计算各个属性的属性重要度,找出影响高校学生学习实践能力的关键因素。再采用粗糙集理论中基于分辨矩阵的属性值约简算法,挖掘出影响高校学生实践能力的关键因素,导出规则集。通过实验验证了该规则集的有效性。研究成果可以对高校教学工作的开展提供参考,继而提高学生的实践能力。

摘要：就业是高校学生学习的主要目标之一,由于影响学生就业意向的因素众多,导致学生不能清楚分析自己的就业意向,就业时存在盲目性。为了帮助高校学生准确分析自己的就业意向,文中首先设计了高校学生就业意向调查问卷表,面向本校大一至大四的学生分发调查问卷收集数据,然后利用粗糙集理论改进的基于分辨矩阵的属性约简算法,找出影响高校学生就业意向的关键因素,利用粗糙集理论改进的基于分辨矩阵的规则提取算法,挖掘影响高校学生就业意向的关键因素和就业意向之间的依赖关系,导出支持度高、泛化能力强的规则集,最后通过实验验证了规则集的有效性。研究成果可以帮助高校学生更清楚地分析自己的就业意向,指导学生做出更好的职业规划,为将来的就业提供帮助。

摘要：研究成果：本项目以群体智能理论为基础，在传统粒子群优化算法基础上进行改进，并采用改进后的粒子群优化算法解决作业车间调度问题。首先，将粒子群优化算法应用于模式识别规则提取及其神经网络优化。然后，设计出能处理约束的粒子群优化算法，并用于布局优化等问题的求解。