数据库中基于粗糙集的分类和约简

把粗糙集理论与基于概率统计ID3算法结合建立粗糙集约简模型，可处理不精确扣模糊数据集信息，多维属性元组组成的粗糙集数据可用公式描述论域、有限属性、条件属性、决策属性、属性值集扣信息函数，用数据表格描述对象以建立知识表达系统，粗糙集分类约简用ID3算法可消除冗余数据集扣冲突检测，用粗糙集理论处理不一致扣不确定数据集可得到知识等价类，通过ID3算法对比决策树，可导出数据集确定性规则扣不确定性约简规则。     

一种属性约简方法及其在动员联盟伙伴选择中的应用

粗糙集的知识约简功能是针对离散数据的,而决策表属性取值很多是连续的.为此综合聚类与粗糙集方法,提出一种决策表的全局连续属性离散化、属性约简与规则提取的方法.动员联盟是敏捷动员的重要实现方式,动员联盟的伙伴选择指标体系体现了国家对动员企业的基本要求.在已有的动员企业潜力指标数据和经验决策数据的条件下,通过这种全局的属性离散化和属性约简方法,可以进一步精简指标体系,并提取有用的决策规则,经实验结果验证,使用全局属性约简方法处理动员联盟伙伴选择的指标约简具有更好的优越性.     

基于差别矩阵属性约简算法的改进

基于差别矩阵的粗糙集属性约简改进算法,先判断差别矩阵核是否为空,再根据判断结果采取求差别矩阵、求核、属性约简等步骤,完成其相对约简.即通过构造决策表的差别矩阵核心程序求差别矩阵,在对属性进行约简前先对核进行判断并求核.最后根据输入输出进行属性约简.该方法能节约属性约简时间,提高算法效率.     

决策树在装备维修器材筹措中的应用

针对装备维修器材筹措工作中品种选择的问题,应用决策树分类方法,对典型装备正常周转器材库存数 据进行挖掘分析。对器材筹措基本业务、筹措品种选择需求以及筹措决策树的作用进行描述,应用C4.5 算法,通过 计算信息增益比例来选择分裂属性,对装备维修器材进行相关属性约简、属性值域简化和决策树构造,得到器材筹 措品种选择需要重点考虑的因素及各因素的重要性。应用结果表明,该分析能够为装备保障方案优化提供重要参考 依据。     

面向发动机故障诊断精度的深度随机森林优化研究

为解决装备故障检测存在故障数据少,难以应用深度学习方法提高性能的问题,提出一种基于优化深度 随机森林的提高装备故障诊断精度方法。根据数据集合数据的特点,构建重采样的样本集合决策树模型,通过对故 障数据中的连续数值进行C4.5 决策树离散化处理,使用扩张卷积方法扩展滑动窗口的感测范围,对训练模型进行实 验验证。实验结果表明,运用深度随机森林的方法对提高装备故障诊断有一定借鉴作用。     

基于粗糙集理论的发动机数据特征提取

发动机转速信号中蕴含着丰富的信息,本文中运用粗糙集理论对发动机转速信号进行了分析,提出一种从庞杂数据中提取有用信息的方法.结果表明,利用可辨识矩阵算法对决策表进行属性约简,剔除其中的冗余信息,有效地提取了能够表征发动机技术状况的特征参数.     

采用粗糙集模糊模型辨识的内燃机柱塞故障诊断

在内燃机的柱塞故障诊断中,采用增类减类的离散化方法将连续数据量离散化.该应用分为决策表及属性值约简,后者将基于不分明关系运算的代数方法或逻辑方法相结合,最后建立相应的隶属函数,实现模糊控制.     

KDD在入侵检测中的应用探讨

按照数据挖掘处理过程，对安全审计数据进行智能化处理，从大量审计数据中提取入侵模式与安全相关的系统特征属性，可建立基于数据挖掘的入侵检测模型，首先选择数据源，对数据集成、清理、变换、简化等数据预处理，针对入侵检测选择决策树算法，用决策树算法创建数据源、数据维度、多维数据集、数据挖掘模型，通过对挖掘结果和模型可视化分析处理，说明将数据挖掘技术应用于入侵检测是可行的。     

基于扰动搜索属性约简的装备故障诊断研究

为提高装备故障诊断效率,提出了一种新的粗糙集属性约简方法.首先将属性约简问题转化为集合覆盖问题,在相关矩阵的基础上构建相关系数矩阵;然后基于优质特征集选取原则,引入随机变异机制,设计扰动搜索算法,求出属性约简结果;最后,用UCI数据集和某型复杂装备电源系统进行验证.仿真结果表明,在满足分类精度要求的基础上,有效剔除了冗余属性,缩短了故障诊断时间.     

一种基于Rough 集与SVM的目标识别方法

主要研究了基于粗糙集和支持向量机的模式分类技术,结合遥感图像中军用飞机目标识别进行了理论分析和实验研究。基于粗糙集和支持向量机算法的优势,设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器,对分类的性能进行了分析研究,利用粗糙集理论中属性约简方法去除冗余属性,降低飞机特征维数,提出使用决策有向无环图支持向量机进行训练并对待识别目标预测。     

基于动态故障树分析的容错系统机由测试诊断策略设计

由于大量采用各种容错技术，复杂航空航天系统具有动态随机性故障，已不再适合采用基于静态故障机理的传统故障诊断策略设计方法对其进行机内测试( BIT)设计。为此，以动态故障树模型为基础，综合考虑可靠性和测试费用等因素，提出了一种面向复杂容错系统的BIT诊断策略设计新方法。引入费用诊断重要度( CDIF)来衡量测试费用对BIT故障诊断的影响，结合独立子树、二元决策图和Markov链对动态故障树进行定性和定量分析，据此构建出基于最小割集(MCS)/最小顺序割集(MCSS)和CDIF的BIT诊断决策树。在某容错电子系统BIT设计中的应用验证了该方法的有效性与工程实用性，与基于AO“搜索和基于贪婪算法的两种诊断策略设计方法比较可知该方法的计算复杂度更小。     

决策树算法在装备故障检测中的应用

为快速定位装备的故障点,引入决策树方法.将故障特征作为测试属性,故障点作为类标记.采用 ID3算法计算相关信息熵对故障记录进行划分,构建所需要的决策树,用预剪枝的方法控制树的生长.以某设备故障记录样本为例,建立决策树发现故障特征和故障点之间的关联.结果表明:利用该方法对故障点进行预测,可有效缩短装备故障检测的平均时间.     

基于多源信息融合的火炮装填状态监测与故障诊断系统

针对火炮装填系统故障成因复杂、诊断方法不足等问题,提出一种基于多源信息融合的火炮装填监测与 故障诊断的方法。采用知识决策属性进行属性分类,构建神经网络训练模型,对自动装填系统故障进行定性分析并 建立故障诊断辨识框架,根据故障决策准则得出故障判断,解决了故障特征的不确定性、故障模式多样性的问题。 实例分析结果表明,该方法达到了有效提高故障诊断确诊率的目的。     

基于双概率相似关系的不完备决策系统数据补齐算法

针对某型导弹故障测试数据的部分缺失问题,提出一种基于双概率相似关系的不完备决策系统数据补齐算法。在ROUSTIDA算法的基础上,根据决策属性值将不完备决策系统划分为各个决策子系统,考虑不同决策子系统中相似对象对决策规则的影响,选择同一决策子系统内最相似的对象来填补条件属性缺失值,并通过实例进行验证分析。结果表明：该算法在一定程度上能降低计算的复杂性、提高填补率,并能有效解决ROUSTIDA算法可能存在的决策规则冲突问题。     

基于粗集理论的规则知识获取

粗集理论是处理不完整数据和不精确、不确定性问题的理论．基于粗集理论，分析实到诊断数据，获取诊断规则知识．它将要处理的问题表达为知识表达系统，由条件和决策属性的依赖关系消去冗余条件属性，根据属性取非正常值的数目决定其重要性束决定冗余属性取舍。通过计算各规则的核值获取系统的简化属性核值表，采用规则优化得到简化规则集，在简化属性核值表中取值次数的多少决定规则选取的优先次序．并以武器系统中某设备模块的一组实到故障诊断数据为例，具体说明了诊断规则知识的获取过程。     

基于模糊集理论的储运发射箱故障树分析

针对传统的故障诊断中因缺少大量统计数据难以准确获得故障发生概率的问题,提出一种基于模糊集理论的故障树分析方法。利用故障树分析方法对储运发射箱故障进行研究,建立储运发射箱故障树模型。结合专家组对故障发生概率等级评定,对专家评定意见进行模糊化处理,将模糊集理论与专家评判相结合,获得事件的发生概率。对故障树进行分析,得到系统的顶事件模糊发生概率与各最小割集的模糊临界重要度。计算结果表明：该方法能够确定由各最小割集所引起顶事件发生的可能性大小,可为储运发射箱的故障诊断决策以及可靠性分析提供帮助。