基于粗糙集约简技术的输电线路运行风险评估

知识约简是粗糙集理论中获取决策规则的重要方式.结合知识约简的概念和定义,介绍了Semi- Naive-Scaler属性离散化算法,给出了基于可辨识矩阵的属性约简算法,并采用了基于可辨识矩阵的二值化数据过滤和贪心算法相结合的规则约简算法.通过属性约简和规则约简,得出决策规则.最后在输电线路运行风险评估方面给出了应用算例.     

基于粗糙集理论的输电线路状态评估

提出一种基于粗糙集理论的输电线路状态评估方法。利用粗糙集理论建立决策表,采用基于可辨识矩阵的属性约简算法对决策表进行约简,得到决策规则,并研究了条件属性的重要度,最后给出实例验证。结果表明,该方法能够有效地约简规则,评估结果合理。     

电子设备诊断规则提取的形式概念分析方法

针对从电子设备历史故障数据中获取诊断知识困难的问题,研究了基于形式概念分析的诊断规则提取方法。首先,定义了诊断形式背景以二值数据表形式化表示故障样本,设计了增量式算法分别构造测试参数集和诊断结果集的概念格;然后,根据两概念格外延包含关系构造广义可辨识矩阵和广义决策辨识函数,通过化简极小析取式对诊断形式背景进行属性约简,得到约简的测试参数集;最后,构造约简的概念格提取最优诊断规则集,用于诊断新的测试样本。该方法用于某型电子对抗系统管理控制计算机的诊断准确率达到83.3%,验证了从故障数据中提取诊断规则的有效性。     

矿井局部通风设备系统故障诊断

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,为矿井局部通风设备系统的故障诊断提供了依据。     

汽轮发电机组振动故障诊断的粗糙集模型

在机械故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题。文中提出了一种基于粗糙集理论的汽轮发电机组振动故障诊断模型。该模型从包含冗余和不一致信息的原始数据出发,利用遗传算法实现了故障征兆属性约简;然后通过给出的值约简算法进一步产生了带有置信度和覆盖度的最大广义决策规则集,建立了用于故障诊断的规则库。在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据提出的规则进行综合评价,并得出诊断结论。最后给出了该诊断模型的一般结构。     

面向属性的决策规则挖掘算法的研究与应用

粗集理论是一种新型处理模糊和不确定知识的数学工具,其中属性约简是它的核心内容。粗集理论的主要思想是在保持分类能力不变的前提下,通过属性约简,导出问题的决策或分类规则。深入研究粗集理论,在属性约简过程中加入了启发式信息,大大提高了挖掘效率,得出了一种新的决策规则挖掘算法。实例分析表明,该算法能够发现良好的决策规则。     

基于粗糙集的关联规则挖掘方法的研究与应用

基于粗糙集理论知识,对关联规则挖掘算法作出一定的改进。该算法的主要思想是把集合的近似质量作为迭代准则,初始约简集是所有的条件属性集合,在保证近似质量不变的前提下通过逐步缩减的方式来求取约简集,保证了所求的约简不会减弱对问题的分类决策能力。约简后得到新的决策表,在此基础上应用基于贪心思想的Apriori算法挖掘关联规则。算法的主要优势是在不影响对问题分类决策能力的前提下,以较小的属性和候选项集数目以及有限的扫描次数生成决策规则。通过应用实例和实验分析验证了算法的有效性。     

基于粗糙集理论和故障信息网的电网故障诊断方法

在系统发生复杂故障或开关、保护存在较多误动、拒动以及因信道干扰而发生信息丢失等诸多不确定因素的影响下,仅仅利用开关和保护信息的诊断方法难以得出正确的结论。针对此问题,文章提出了一种综合利用电网故障信息的诊断方法。首先以保护、断路器作为条件属性,故障区域作为决策属性,考查各种故障情况并建立决策表。然后利用基于可辨识矩阵和信息熵的属性约简方法提取最佳属性的约简组合,根据故障信息分析处理的结果修正约简组合中相应的属性值,最后按决策规则表进行故障诊断。运用VC＋＋编写了基于该方法的故障诊断软件,算例结果表明,该方法正确、有效,能提高系统的容错性,有效地弥补了利用开关、保护信息诊断的局限性,具有较好的实用价值。     

基于粗糙集理论和故障信息网的电网故障诊断方法

在系统发生复杂故障或开关、保护存在较多误动,拒动以及因信道干扰而发生信息丢失等诸多不确定因素的影响下,仅仅利用开关和保护信息的诊断方法难以得出正确的结论.针对此问题,文章提出了一种综合利用电网故障信息的诊断方法.首先以保护、断路器作为条件属性,故障区域作为决策属性,考查各种故障情况并建立决策表.然后利用基于可辨识矩阵和信息熵的属性约简方法提取最佳属性的约简组合,根据故障信息分析处理的结果修正约简组合中相应的属性值,最后按决策规则表进行故障诊断.运用VC++编写了基于该方法的故障诊断软件,算例结果表明,该方法正确、有效,能提高系统的容错性,有效地弥补了利用开关、保护信息诊断的局限性,具有较好的实用价值.     

电网故障诊断的决策表约简新算法

采用粗糙集理论的决策表方法对电网进行故障诊断,其关键过程就是决策表的简化过程(即约简)。为此,提出了基于粗糙集理论与二元逻辑运算相结合的属性约简算法以及改进的值约简算法,并将其应用于由断路器和保护作为条件属性、故障区域作为决策属性的诊断决策表的约简过程中,利用决策表的约简形成综合混合知识模型。整个算法简单、快速,可有效应用于电网的故障诊断中。运用Visual C 编程实现了对故障算例决策表的约简过程,结果证明了该约简算法的正确性。     

粗糙集理论提取配电网故障诊断规则的方法

针对决策表约简这一NP(NondeterministicPolynomial)难问题采用粗糙集理论进行配电网故障诊断,提出了一种以属性长度和频率作为启发式信息的约简算法和相应的属性值约简方法,实现了决策表的快速简化及故障诊断规则提取,同时针对故障诊断中存在信息残缺的情况,给出了基于欧氏距离的规则匹配方法。整个算法思路清晰,抽取的诊断规则形式简洁,不需要对区分矩阵进行大量计算就能有效地获取决策表的最佳约简。仿真实例表明该方法计算速度快,获取的规则不仅形式简单且能反映出故障的特点;形成的故障诊断规则库能给出一个满意的诊断结果,方法具有良好的容错性能和在线故障诊断的潜力。     

RST和NBN用于电力变压器故障诊断

电力变压器发生故障后,当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论。针对此问题,提出了一种将粗糙集理论(RST)与朴素贝叶斯网络(NBN)结合的电力变压器故障诊断新方法。首先将油中溶解气体分析(DGA)结果和其他电气试验结果作为条件属性,故障区域作为决策属性,考察各种故障与征兆间的连接关系并建立决策表,接着利用基于可辨识矩阵和信息熵的属性约简算法实现对专家知识的简化与故障特征的压缩,提取最佳属性约简组合,然后以最佳属性约简组合形成的约简决策表建立朴素贝叶斯网络模型,利用贝叶斯网络实现概率推理,便于描述故障特征的变化及对变压器故障原因的快速分析。最后对变压器故障进行实例分析,诊断结果证明该方法是正确和有效的,具有较好的实用价值。     

基于粗糙集理论的变压器故障诊断方法

将一种基于粗糙集理论的信息熵约简方法应用于变压器故障诊断问题中。首先应用粗糙集理论将电力变压器故障历史数据进行分析统计,建立决策表,然后采用信息熵约简算法对其进行条件属性约简,求取一组最小约简知识系统,并采用粗糙集约简方法对新系统进行简化,得到一组故障诊断的最小决策规则集。方法大大减小了编码的工作量,避免了约简属性组合查询及缺少关键属性时规则匹配所带来的不便,所以运算速度也会相对加快。最后结合实例分析,证明该方法的简便及有效性。     

基于PCA和粗糙集构建决策树的变电站故障诊断

提出一种基于主元分析（PCA）和粗糙集理论结合继而构建决策树的故障诊断方法。该方法利用PCA对原始故障决策表的条件属性集进行降维处理,得到由主元变量构成的故障决策表,采用等频分割方法对这一决策表的数据离散化,进而采用基于主元属性重要度的粗糙集属性约简算法得到离散后的决策表的最小约简,以约简数据集为样本基于核属性采用一种改进的决策树算法训练学习,构建故障决策树进行诊断决策。测试实例证明了该方法能简化故障诊断系统,提取容错性较强的诊断规则,提高了故障的识别率。     

基于扩展贝叶斯分类算法的网络安全状态在线定量评价

准确了解计算机网络的安全状态非常重要,大多数计算机网络安全评估系统都无法对数据进行彻底地分析,这成为获取计算机网络安全状态的瓶颈。针对这一问题,提出了一种基于扩展贝叶斯分类算法的计算机网络安全评估规则的算法模型,研究了计算机网络安全评估的扩展贝叶斯分类知识系统描述,给出了扩展贝叶斯分类属性约简的方法,通过简化的网络安全评估数据集验证了提出的决策规则挖掘方法。实验结果表明,该网络安全评估方法是可行、有效的,获得的决策规则符合实际。     

基于PCA和粗糙集构建决策树的变电站故障诊断

提出一种基于主元分析(PCA)和粗糙集理论结合继而构建决策树的故障诊断方法.该方法利用PCA对原始故障决策表的条件属性集进行降维处理,得到由主元变量构成的故障决策表,采用等频分割方法对这一决策表的数据离散化,进而采用基于主元属性重要度的粗糙集属性约简算法得到离散后的决策表的最小约简,以约简数据集为样本基于核属性采用一种改进的决策树算法训练学习,构建故障决策树进行诊断决策.测试实例证明了该方法能简化故障诊断系统,提取容错性较强的诊断规则,提高了故障的识别率.     

基于粗糙集和小生境遗传算法的电网故障诊断规则提取

用粗糙集理论进行电网的故障诊断,关键是对知识表的约简.本文以粗糙集理论中的决策表为主要工具,首先将继电保护和断路器的动作信号作为对故障分类的条件属性集,故障区域作为对故障分类的决策属性,建立决策表,然后利用小生境遗传算法适合于进行多峰值函数优化的特点,提出了一种基于小生境遗传算法的粗糙集属性约简方法,用于求解决策表的多个约简,进而进行值约简后抽取出诊断规则.算例结果说明了本算法的正确性和可行性.     

基于粗糙集理论和朴素贝叶斯网络的电网故障诊断方法

电网发生故障后，当故障信息存在不完整或不确定性，甚至关键信息丢失时，会导致故障诊断难以得出正确结论。针对此问题，文章提出了一种粗糙集理论和朴素贝叶斯网络相结合的电网故障诊断方法。首先以保护、断路器作为条件属性，故障区域作为决策属性，考察各种故障情况并建立决策表，然后利用基于可辨识矩阵和信息熵的属性约简方法提取最佳属性约简组合，最后以最佳属性约简组合形成的约简决策表建立朴素贝叶斯网络模型，并对节点概率进行训练。运用VC++编写了基于该方法的故障诊断软件，算例结果表明，该方法正确、有效，能提高系统在丢失核属性情况下的容错性，具有较好的实用价值。     

基于可信度的故障区段诊断方法

针对非故障树干上可能存在反向馈电的问题,利用故障指示器的拒动率和误动率,提出了一种基于可信度的故障区段诊断方法。采用基于可辨识矩阵和逻辑运算的属性约简算法对原始决策表进行了约简,分析了满足约简决策表条件下的区段故障可信度特点,把确定最大可疑故障区段问题变成寻找区段故障可信度极大值和递推计算局部范围内区段故障可信度。同时,利用图形构件的拓扑关系,研究了故障模式和反向馈电概率的自动生成方法,使基于故障指示器的配电网故障寻址系统具有通用性。     

融合粗糙集和模糊聚类的连续数据知识发现

知识自动获取是困扰基于知识的系统普遍推广应用的瓶颈，粗糙集理论是一种从历史数据中发现规则知识的数学工具。该文针对粗糙集方法应用于电厂与电力系统数据挖掘中存在的连续属性离散化问题，提出了基于模糊聚类的离散化方法。采用模糊C平均(FCM)算法离散连续属性，获得各类的聚类中心以及属性值隶属于各聚类中心的隶属度矩阵，得到离散化的数据。将粗糙集方法应用于离散化后的数据挖掘隐含在历史数据中的知识。最后进一步讨论了置信度、支持度等指标对规则的评价方法。给出的汽轮机轴系振动故障诊断规则获取算例验证了整个知识发现方案的可行性。