基于核心值的改进值约简算法研究

为了以最少的条件属性值获取信息系统的决策规则,我们可以用值约简算法删除和过滤冗余的条件属性值。在介绍基本值约简算法的基础上,对原算法考虑的情况进行了适当的补充,主要对那种当删除记录的一些属性后不会出现重复记录并且不会发生决策不一致的情况进行了进一步处理。通过实例最终得到的决策规则可以证明,这种改进后的算法对于获取更加精简的决策规则十分有效,是对基本值约简算法的重要补充。     

基于变精度粗糙集的机械故障诊断方法

探讨了基于变精度粗糙集模型的故障诊断规则获取方法,该方法通过相应的变精度属性约简算法,利用变精度属性约简有效地处理带噪声的决策表,提取符合可信度要求的故障诊断规则形成规则集。此方法克服了标准粗糙集模型对数据噪声过于敏感的缺点,增强了数据分析和处理的鲁棒性。     

煤炭业基于粗糙集的非完备信息系统研究

当今煤炭业已经进入了信息时代,基于粗糙集的非完备信息系统决策规则学习算法,能提高属性未知数据信息的准确表达。在该算法中,首先利用粗糙集理论对属性未知的数据信息进行属性约简,然后基于数据挖掘技术的关联规则发现方法和不确定决策方法进行属性未知数据信息的决策规则学习。通过实例数据集进行算法仿真分析,仿真表明,该算法具有较好的决策规则学习能力和表达准确性,验证了对属性未知数据信息利用经典粗糙集的上下近似等价关系进行约简和学习是有效的。     

基于属性重要性的启发式属性约简算法

针对粗糙集理论中的属性约简问题做了探讨研究。从寻找属性约简的角度,首先描述了决策表中的属性的重要性,并利用已求得的正区域使处理数据的范围不断缩小,约简集中的属性从核集开始,通过向属性核添加重要性最大的属性,得到属性的最小相对约简。从而减少求约简的时间。最后进行实证,该算法同传统的算法相比,在计算量减少的同时能得到更简约的结果,证明了该算法的正确性和可行性。     

基于粗糙集理论的多传感器信息融合及其在机器人中的应用

将粗糙集理论应用于多传感器信息融合中,利用粗糙集理论的属性约简、值约简等相关约简概念剔除冗余信息,提取最简决策规则形成信息融合算法,有效的提高了信息融合系统的效率和准确性,并探讨了该算法在机器人中的应用。     

基于粗糙集理论的数据挖掘技术及应用

通过粗糙集BP神经网络模型的构建,对影响煤炭物流中心选址决策的指标进行约简,提取影响选址评价的主要因素用属性约简算法约简,将降维后的数据送入网络学习和训练,最后用训练好的网络对测试样本进行检验。该模型使学习训练的速度和识别率提高了,为煤炭物流中心选址决策提供了一种更为有效和实用的新方法。     

基于粗集理论的瓦斯信息融合技术

利用粗糙集理论的属性约简、值约简、核对煤矿瓦斯监测系统中多传感器信息进行融合,对不完整数据进行分析、推理,提取有用特征和简化信息处理,生成的融合决策规则简单易行,能够显著地提高融合速度,从而增强煤矿瓦斯监测系统的可靠性.     

矿井局部通风设备系统故障诊断规则

分析了矿井局部通风设备系统故障单元的组成,建立了面向粗糙集理论的矿井局部通风设备故障决策信息系统.利用可辨识矩阵和区分函数对故障决策信息系统进行属性约简,获得了属性最少决策表.根据决策规则的相容性得到了矿井局部通风设备系统故障诊断规则.     

粗糙集约简算法的研究与实现

粗糙集理论是一种基于对现实世界进行不确定描述的理论,属性约简是粗糙集理论的核心理论之一。对粗糙集理论进行阐述,并给出基于启发式的知识约简算法,最后结合MATLAB程序实例说明了该算法的可行性与有效性。     

基于遗传算法的电动机故障判别方法

利用电动机定子电流数据进行电动机故障的诊断,需要有合适的方法将故障特征量提取出来,由于电动机并不是在理想状态下运行,故障特征信号很容易被湮没。采用sym4小波将电流数据滤波,将数据利用db4小波包3层分解,对分解得到的能量系数进行傅里叶分析,提取其频谱中的特征量,再利用遗传算法对提取出的特征属性进行约简,得到最简化决策属性表,以此来判别电动机的故障类型。该算法通过可行性分析表明,可保证个体属性个数最少和适应度最大的原则,其算法为最优解。