粗糙集理论在机械故障诊断中的应用研究

为了对诊断过程中大量的宙余特征进行压缩或约简,将粗糙集理论引入到机械故障诊断过程中,提出了一种特征约简的算法,通过2个典型诊断实例对该算法进行了验证,结果表明：在保证故障分类结果基本不变的情况下,该算法可以查找出对故障分类起主作用的特征,从而达到了特征约简的目的,为粗糙集理论在机械故障诊断中的深入应用打下了基础。     

基于粗糙集理论的知识库分解与规则获取

粗糙集理论可以通过对数据的约简从例子中学习,获取决策规则。但是,当知识库规模较大、条件属性个数较多时,存在提取规则速度慢、规则长度长等缺点。本文介绍了粗糙集理论的基本概念,提出了一种基于粗糙集的知识库分解算法。首先引入决策属性支持度的概念,在此基础上定义了一个属性选择量度,选择最佳目标属性对知识库进行分解,直到所有对象都被精确分类,从而得到具有一定支持度的规则集,得到的规则长度短,提取速度快。通过对一个简单实例的分析,证明了该算法的可行性。     

基于粗糙集理论的电力系统故障诊断

鉴于粗糙集理论具有在处理不精确问题时,不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点,运用粗糙集方法把保护和断路器的信号作为对故障分类的条件属性集,并考虑了各种可能发生的故障情况,以此建立决策表。然后实现决策表的自动化简和约简。搜索决策表的约简形式,区分关键信号和非关键信号,从故障样本集中导出诊断规则,从而达到在不完备信息下快速准确地进行故障诊断的目的;揭示了这种方法的有效性。     

粗糙集与故障树理论的组合故障诊断

故障知识的获取以及故障树结构的确定一直是亟待解决的瓶颈问题.将粗糙集理论引入到故障树的故障诊断中,利用粗糙集对实例测得的故障信息进行知识约减和知识获取,寻找系统各个故障源信号之间的逻辑关系,并通过这些逻辑关系构造基于知识的故障树模型.故障实例分析表明,将粗糙集理论与故障树有机结合在一起进行故障诊断能有效地压缩故障特征空间,实现快速、准确的故障推理.     

基于粗糙集理论的低压电器故障诊断方法研究

通过分析低压电器的故障,提出一种基于粗糙集理论的故障诊断方法。根据故障历史样本,确定样本的条件属性集合和相应决策属性集合。对条件属性集合进行约简,实现不确定数据的简化,得到相应的规则集合,并将其应用于低压电器常见故障的诊断。     

基于粗糙集理论的内燃机故障诊断专家系统

在故障诊断专家系统的基础上,引入粗糙集理论,并以信息系统属性值表为主要工具,专家系统中的规则进行约简并剔除不必要的属性,揭示了故障诊断信息中内的冗余性,降低了故障诊断专家系统构成的复杂性,并建立了简化后的决策规则。     

一种基于粗糙集理论的设备故障诊断方法

粗糙集理论是一种处理模糊和不确定知识的数学工具。本文根据粗糙集理论,对设备的振动故障诊断决策表进行属性约简,以提取故障识别的重要属性,降低决策表的冗余性。分析表明,粗糙集理论应用于故障诊断可得到更清晰、简明的诊断规则。     

故障诊断专家系统知识获取的变精度粗集方法

针对故障诊断专家系统知识获取的问题，利用变精度粗集(VPRS)理论模型进行知识简化，并采用正则条件熵和互信息熵对故障特征的选择进行评价，实现最简诊断知识的提取，以建立专家系统知识库。对滚动轴承故障诊断的实验表明，该方法有效地弥补了传统故障诊断专家系统知识获取的不足，可正确地实现故障诊断功能，在实际系统的故障诊断中具有应用价值。     

基于可变精度粗糙集模型的有导师机器学习

机器学习是人工智能领域中重要的研究课题,基于经典粗糙集的机器学习,只有学习者的分类被完全包含在导师的分类中时,才形成决策规则,条件比较苛刻;而基于可变精度粗糙集理论的有导师机器学习,根据学习者的分类包含在导师的分类中的包含度αi,与事先给定的精度系数β的比较,来求取具有一定相容性的决策规则,该方法更具有灵活和实用性。     

粗糙集理论在内燃机故障诊断专家系统中的应用

在故障诊断专家系统的基础上，引入粗糙集理论，并以信息系统属性值表为主要工具，对专家系统中的规则进行约简并剔除不必要的属性，揭示了故障诊断信号中内在的冗余性，降低了故障诊断专家系统构成的复杂性，并建立了简化后的决策规则。     

基于粗糙集理论的人工神经网络故障诊断系统

在故障诊断神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的神经网络分层的简并剔除其中不必要的属性,克服了网络规模过于庞大及分类识别速度慢等缺点,取得了减少分类过程中的模式匹配搜索量的良好效果,并给出基于粗糙集理论的分层发掘神经网络模型结构及算法,结果表明该系统对工程应用具有一定的参考价值。     

基于模糊集和粗糙集的关联规则挖掘策略

提出了一种对原始数据先进行模糊聚类,再提取规则的基于模糊集和粗糙集技术的关联规则挖掘策略,可以在一定程度内减少噪声数据的干扰,消除数据对象中的冗余属性,有利于提高规则挖掘的有效性．     

基于粗糙集的机载电子设备故障检测专家系统的改进

由于机载电子系统的故障征兆和故障原因之间的对应关系较为复杂,设备故障诊断领域的某些经验性专家知识具有一定的模糊性和不确定性,因此本文利用粗糙集理论较强的数据分析能力和容错性,通过对专家系统中存在的冗余信息进行约简并剔除不必要的属性,降低了故障诊断专家系统构成的复杂性,并明显改善了专家系统的整体效能.     

一种基于粗糙集理论的启发式分类规则挖掘算法

粗糙集理论是一种新的数据挖掘算法,文章以属性依赖重要性作为启发信息提出了一种新的属性约简算法,且加入了一定的分类正确度。最后通过一个实例完整演示了本方法,证实其有效性。     

基于不完整数据的粗糙集电网故障诊断方法

针对电网发生故障时,可能产生的保护装置或断路器拒动、误动以及通信装置传输缺陷所造成的数据不完整情况,提出了一种基于粗糙集理论的新约简算法,并将约简结果综合为一个统一的专家库表·同时应用模糊集和概率论理论,为每条规则加入了相应规则置信度和设备置信度·对于符合的结论,根据支持某一决策的规则数目以及每条规则的置信度,提出了综合分析置信度的算法,并将其应用于电网故障诊断中·运用VB语言编程实现了对故障算例决策表的约简,并通过具体算例测试,证明了该约简算法的有效性和实用性·     

粗糙集理论在中医诊断学中的应用研究

粗糙集(R ough Set,RS)理论是处理模糊和不精确的问题的一种新型的数学工具,是主要应用于研究不完整数据、不确定知识的表达、学习及归纳的数学方法.它在医学领域的应用还处于萌芽状态.近年来,中医规范化和量化研究取得了明显的进展,中医的术语规范化也为计算机在中医学中的应用提供了有利的条件.本文重点论述借助于粗糙集理论的相关知识挖掘中医诊断学中证候群知识,利用粗糙集理论对临床病历建立知识表达系统,对知识表达系统进行属性约简,求出属性核,建立最小简化表,并且得出有关中医诊断的几个相应规则.     

多层次规则挖掘的约略集方法

约略集理论是一种能处理数据中不确定和噪音的有效数学工具,是数据挖掘的重要方法．结合数据分类层次,提出了利用约略集理论挖掘多层次规则的方法,挖掘过程包含约减的求解、等价类的构造、差别矩阵的建立、规则的挖掘４个阶段,并举例说明了多层次规则的挖掘过程．     

基于K-Means和粗糙集神经网络的节点故障诊断

传感器节点通常被随机布撒于环境恶劣甚至无人能及的区域,容易发生各类故障.为了解决此问题,研究了基于K-Means算法和粗糙集神经网络的节点故障诊断方法.首先,采用改进的K-Means算法离散化数据连续属性值;然后,通过粗糙集互信息法对数据属性进行约简,以提高诊断效率;最后,建立三层的BP神经网络故障诊断模型,通过蛙跳算法对权值优化得到最终的故障诊断模型.仿真实验证明文中方法能实现传感器节点故障诊断,且与其他方法相比,具有较高的故障诊断精度和较少的诊断时间.     

基于粗糙集决策树算法的研究

传统的决策树方法在实际应用中存在很多不足,如生成树规模过大,抗噪性较差等,因此,提出了将变精度粗糙集和混合变量集算法应用于决策树分类中,通过变精度和混合属性集分类减小树的规模和过度拟合问题,降低了噪声数据对属性选择的影响,并通过实验证明该算法与传统的算法相比具有较大的优越性。     

粗集理论在知识发现系统中的应用

阐述了粗集理论的基本思想，给出了一个基于粗集的知识发现系统模型，并通过实例说明了这一模型的有效性。