基于粗糙集的电机故障诊断

利用粗糙集能够约简决策表减少得到诊断规则的复杂度和案例分析能够快速计算出两个案例的相似度,本文设计了一种基于粗糙集理论电机故障诊断方法。首先结合粗糙集中区分矩阵的知识消除掉收集的电机故障数据中的冗余信息,以求得到最简决策表,从而得到诊断规则;然后借鉴属性重要度的计算方法,来确定各属性权重,标记出各属性的重要程度,并为计算属性相似度做基础;最后利用案例推理的理论计算测试规则和所得的诊断规则的各相似度,根据最高相似度的诊断规则得出测试规则的故障检测结果。实例验证所得结果也证明了本文设计的方法的可行性与有效性。     

粗糙集近似集不确定性研究

粗糙集用上、下近似集刻画不确定目标集合,而粗糙集的近似集用0.5-近似集作为不确定目标集合的近似集.本文首先分析了基于粗糙集的0.5-近似集相似度的属性约简算法存在理论不完备的不足,指出这种相似度具有随知识粒度变化不敏感的缺陷.然后进一步给出了多粒度知识空间下相似度的变化规律,提出了粗糙集近似集的模糊度概念,分析了粗糙集近似集的模糊度在多粒度知识空间下的变化规律,进而提出了相应的属性约简算法.从新的视角构建了目标概念与其近似集的差异性度量方法.     

融合粗糙集与小生境免疫优化的属性约简方法

在粗糙集核属性的基础上,融合小生境免疫优化提出一种决策属性约简方法.将核属性参数作为抗体编码的先验信息,通过疫苗自适应提取算法对抗体群接种疫苗,提高抗体群多样性及稳定性.为降低属性约简的计算复杂度,引入属性集合的分类近似标准作为免疫优化的亲和度,采用小生境免疫共享机制动态调整抗体群的亲和力,提高算法局部搜索能力.通过免疫记忆算子操作促使优良个体的保存,在保证收敛速度的同时具有较强的全局和局部寻优能力.通过滚动轴承故障诊断及UCI数据集的属性约简实验,显示本算法在属性约简精度和效率方面具有较好效果.     

基于粗糙集理论的油泵车故障诊断专家系统的知识获取

在传统的故障诊断专家系统的基础上,引入粗糙集理论以解决专家系统较难获取完备知识系统的瓶颈问题。该系统从历史故障数据所形成的决策表出发,通过粗糙集数据挖掘算法获取故障诊断的最小约简属性集和潜在的诊断规则,并建立诊断规则知识库。通过计算规则隶属粗糙度来表示诊断规则的置信程度。本文中以YYBC-2型航空液压油泵车液压系统中的故障诊断分析为例进行了验证。     

基于改进决策树的电网配电线路故障自动辨识研究

为精准识别电网配电线路故障,文中设计了一种基于改进决策树的电网配电线路故障自动辨识方法。该方法引进了HHT技术,根据电网运行需求,处理电网配电线路故障数据,提取线路故障数据中的特征量数据;利用粗糙集进行电网配电线路故障数据的属性约简处理,消除冗余的特征数据,将其他具有代表性的特征数据录入终端,生成故障决策树,并根据决策树上的属性条件,提取决策规则;提取电网配电故障线路报警信号中的数据属性条件,按照决策表提取的决策规格对属性条件进行熵值排序,并以此为依据,完成电网配电故障线路的搜索与诊断。实验结果证明,该方法可以精准辨识电网中的故障线路,精准排查配电线路中的异常线路。     

粗糙集在雷达辐射源识别中的应用

雷达辐射源识别既是雷达侦察系统中信号处理的重要内容,同时又为判断敌方武器威胁、战场态势评估提供依据。为准确解决辐射源识别问题,研究了粗糙集中基于可辨识矩阵和逻辑运算的属性约简算法,对决策表进行约简,减少了属性个数;并建立了一种基于粗糙集数据处理的雷达辐射源识别模型。最后用软件ROSE2对决策表进行属性值约简、提取规则,从而进一步识别新的雷达辐射源,结果验证了算法的合理性。     

基于决策规则格的入侵检测

概念格是近年来获得飞速发展的数据分析的有力工具.本文对概念格进行扩展,提出了决策规则格的思想,并将其应用于入侵检测环境中,可以直接从决策规则格的格节点获取入侵行为模式.同时,将变精度粗糙集的β下近似思想应用于入侵检测规则获取,提出了β-约简,使入侵行为规则集的平均特征属性长度大大减小,而且规则集中规则的数目很少,可以有效、快速地实现对入侵行为分类,并能达到较高的分类正确率和很低的虚警率.     

基于随机化属性选择和邻域覆盖约简的集成学习

 提高分类模型的分类精度和可靠性是分类建模追求的目标.针对目前规则学习方法应用于分类时稳定性差以及分类精度低的问题,本文通过随机化邻域属性约简,搜索一组分类精度较高的属性子集,在不同的属性子集上采用邻域覆盖约简方法学习分类规则,得到多个规则集.最后通过简单投票融合不同规则集上的分类结果获得对象的类别.实验表明,基于随机化邻域约简的集成学习方法分类性能优于或与其它相关的分类器相当,并且在噪声扰动下具有更强的鲁棒性.     

模拟电路故障诊断的信息融合新方法

针对测试信息不足造成模拟电路故障诊断准确率较低的问题,为充分利用有限测试信息,提出一种模拟电路故障诊断信息融合新方法.首先,将采集的故障样本集变换到不同特征空间,然后利用所提出的马氏距离分布熵求取各特征空间的相对优势分类集,在此基础上,定义相对优势属性约简提取各特征空间的局部最佳可分性信息,最后,对基分类器结合所提出的自适应类模糊密度赋值方法进行模糊积分融合.国际标准电路故障诊断实例表明,所提方法能有效提高模拟电路的故障诊断率.     

集值信息系统在β相似度下的属性约简

针对粗糙集中集值信息系统包含大量数据的问题,本文在以往研究的基础上提出了一种基于β相似度的属性约简方法。在变精度关系的情况下,将β用于约束对象间的相似度,根据β的变化调节类划分的粒度和差别矩阵的复杂度,进而更好地进行属性约简,使提取出的数据更精练更有益于数据分析处理。通过实例证明了算法的有效性、可行性,并从理论层次进行分析、验证,最终证明了算法的正确性。从时间复杂度空间复杂度上都验证了算法的高效性。     

模糊粗糙集中基于测试代价敏感的属性约简

相比于经典粗糙集方法,模糊粗糙集方法避免了数据离散化的过程,减少了信息损失。但基于传统模糊粗糙集的属性约简并未考虑实际应用中数据的测试代价,为解决这一问题,提出了一种近似质量与测试代价相融合的适应度函数,并利用遗传算法以求得具有较小测试代价的约简。最后,采用UCI中的8组数据集对基于新适应度函数的遗传算法与经典的启发式算法进行对比分析,实验结果表明,遗传算法相较于启发式算法能够在保证近似质量不发生明显变化的情况下获得具有较低测试代价的约简。     

基于粗集可辨识矩阵的属性频率约简算法

针对信息系统在属性约简过程中存在属性频率值相同的问题进行改进.改进后的算法在基于可辨识矩阵属性频率约简算法的基础上.引进强等价集概念,以属性在可辨识矩阵中出现的次数越多其重要性越大为启发式信息,利用强等价集中的属性是可以约简的特性,在属性频率约简过程中判断具有相同属性频率属性是否最终包含在核属性集里,提出改进的属性频率约简算法.通过理论和实例的分析证明,该算法在保持时间复杂度不变的情况下,处理具有相同属性频率信息系统的属性约简,使其准确性得到提高,与原算法相比,改进后的算法可以得到一个更为精准的约简结果.     

机载稳定平台伺服系统故障分析及诊断方法研究

针对在恶劣环境下运行的随动稳定平台伺服系统,采用故障树分析法确定其故障类别和逻辑关系,基于粗糙集理论建立原始决策表,使用可辨识矩阵与遗传算法相结合的方法对其进行约简,以约简后的决策表作为学习样本,训练Elman神经网络后生成故障诊断模型,使用测试样本进行校验,故障诊断正确率达98%,表明了该诊断方法的可行性,对故障模型较为复杂的稳定平台伺服系统的诊断应用具有实践意义。     

粗糙集理论在步战车故障诊断专家系统中知识自动获取的应用

根据粗糙集理论,实现步战车故障诊断专家系统知识自动获取。首先根据历史故障数据建立决策表,利用粗糙集数据挖掘算法对决策表进行属性约简,对得到的决策表消除冗余,再利用属性值约简算法对决策表进行属性值约简,最后得到决策规则。知识库由条件表、结论表和事实表组成,保存在Access2003中。把条件属性保存到知识库的条件表中,把决策属性保存到知识库的结论表中,这样就很方便的建立了知识库。     

决策表中基于条件信息熵的近似约简

属性约简是粗糙集理论的重要研究内容,已有效应用于机器学习、数据挖掘等领域.基于条件信息熵的属性约简可有效推广代数观下的属性约简,但存在抗噪声弱且某些情况下冗余属性多的不足.为此,本文在引入决策表中基于条件信息熵的近似约简概念后,提出决策表中基于条件信息熵的近似约简算法,该算法可有效增强抗噪性,且可依据实际应用的需要有效地对冗余属性进行取舍.最后,本文侧重通过选择不同精度下的约简属性子集在Benchmark上进行了分类器的性能测试.     

基于类别特征矩阵的决策规则提取算法

在粗糙集中决策表属性最小约简与规则提取是NP hard的。充分考虑了可辨识矩阵的特性,提出一种基于类别特征矩阵的决策规则提取算法。首先对类别特征矩阵进行了不相容对象的剔除和核属性的提取,然后利用核属性集合对类别特征矩阵来提取决策规则。实例结果表明,所提出的算法获得的规则更为简洁、高效。     

光电雷达电子部件的量子神经网络故障诊断算法

针对电路故障诊断时,故障模式之间存在交叉数据的模式识别问题,将多层激励函数的量子神经网络引入多传感器信息融合之中,提出一种基于量子神经网络的多传感器信息融合集成电路故障诊断算法.并将其应用到光电雷达电子设备故障诊断中,通过测试电子电路中被诊断元件的工作温度和工作电压两个物理量,求出两传感器对各待诊断元件的故障隶属度,利用多层激励函数的量子神经网络进行信息融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,提高故障诊断的准确率.     

基于矩阵的模糊信息系统的属性约简算法

基于模糊粗糙集的知识获取方法在模糊粗糙集的研究中具有十分重要的作用,通过矩阵来刻画粗糙集理论,用模糊矩阵定义了模糊粗糙集和粗糙模糊集的上（下）近似、重要度等概念,给出模糊信息系统的属性约简算法,并用UCI数据集说明算法的可行性。     

一种分层递阶的模糊决策方法

针对条件属性是模糊属性的决策信息系统,提出了处理模糊决策信息系统的新方法,即利用模糊属性的海明贴近度,建立对象之间的模糊相似关系,并利用模糊聚类的方法,得到分层递阶的划分空间,再根据Pawlak的粗糙集模型,在分层递阶的划分空间上分别提取相应的规则.还讨论了模糊信息系统属性约简的问题,并得到约简的规则.     

基于粗集理论的雷达目标类型识别

将粗糙集决策算法用于常规雷达目标多特征融合分类,并进行雷达目标类型识别,可提高目标的识别率,增强系统的稳健性.通过建立目标特征知识系统与分类决策表,提出了决策规则的应用和系数的确定,并提出了目标融合分类的步骤与方法.当雷达从不同姿态角照射目标时,从回波序列提取的目标径向投影特征属性取值将分布在一个与目标结构尺寸有关的区间之内,加之雷达测量误差使目标属性测量值呈平稳正态分布,所以,对决策表的条件属性取值进行区间划分将有助于增加条件属性矢量的容差能力,提高分类决策的稳健性.以一个包含6类30种目标的知识系统为例的分类实验达到了不低于90%的识别率.