基于可变精度粗糙集的驾驶员多源信息融合研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (10): 192-194.

基于可变精度粗糙集的驾驶员多源信息融合研究

梁燕飞^1,2,何汉武¹,郑德涛¹,陈新¹

1.广东工业大学机电学院，广州 510090
2.佛山科学技术学院机电与信息工程学院，广东佛山 528000

收稿日期:2007-07-13 修回日期:2007-09-26 出版日期:2008-04-01 发布日期:2008-04-01
通讯作者: 梁燕飞

Research on driver multi-information fusion based on variable precision rough set

LIANG Yan-fei^1,2,HE Han-wu¹,ZHENG De-tao¹,CHEN Xin¹

1.Faculty of Electro-Mechanical Engineering，Guangdong University of Technology，Guangzhou 510090，China
2.Mechatronics & Information Engineering School，Foshan University，Foshan，Guangdong 528000，China

Received:2007-07-13 Revised:2007-09-26 Online:2008-04-01 Published:2008-04-01
Contact: LIANG Yan-fei

摘要/Abstract

摘要： 研究了应用可变精度粗糙集获取驾驶规则的方法。该方法的特点是可以处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取。粗糙集理论一直用于研究不确定或不精确信息的数据分析问题，其主要思想是在保持分类能力不变的前提下，通过知识约简，导出概念的分类规则。而可变精度粗糙集作为对经典粗糙集理论的扩展，体现了等价类与集合的重叠度程度上的差别。给出了基于可变精度粗糙集的获取规则的方法，以驾驶过程的多源信息融合实例说明其使用方法，并验证了其有效性。

关键词: 粗糙集, 可变精度粗糙集, 规则获取, 多源信息融合

Abstract: The purpose of this study is to present a method of driving rule acquisition using variable precision rough set theory.This method can solve the problem of rule acquisition under condition of imprecise and inconsistent information on account of kind overlapping.Rough set theory has been aiming at data analysis problems involving uncertain or imprecise information，its main idea being to acquire concept’s classifying rules through knowledge reduction maintaining classify ability.As the extension of rough set，variable precision rough set reflects the difference of degrees of overlap of kinds and sets.This paper presents a method of rule acquisition based on variable precision rough set theory，explains its application method using an example of multi-information fusion during driving，and proves its validity.

Key words: rough set, variable precision rough set, rule acquisition, multi-information fusion

梁燕飞^1,2,何汉武¹,郑德涛¹,陈新¹. 基于可变精度粗糙集的驾驶员多源信息融合研究[J]. 计算机工程与应用, 2008, 44(10): 192-194.

LIANG Yan-fei^1,2,HE Han-wu¹,ZHENG De-tao¹,CHEN Xin¹. Research on driver multi-information fusion based on variable precision rough set[J]. Computer Engineering and Applications, 2008, 44(10): 192-194.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[4]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[5]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[6]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[7]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[8]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[9]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[10]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[11]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[12]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[13]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[14]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.
[15]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.