一种对应约束的决策表属性约简算法

决策表属性约简是粗糙集理论中的重要问题,经典决策表属性约简方法从保持论域划分能力的角度出发,选择最优条件属性约简集.从决策属性与条件属性的相关性角度出发,将决策表属性约简思想与传统统计学中的对应分析方法相结合,提出了一种量化决策属性与条件属性之间依赖关系的度量,称为投影区分度,并基于此发展了一种决策表属性约简算法.最后用简单实例说明了该方法的正确性.     

粗集理论及其在旋转机械故障诊断中的应用(三)——决策规则的形成与约简

将粗集理论应用到旋转机械故障的智能诊断中,在信息不完备情况下,不需要事先的假设和专家经验,在 粗糙度不变的情况下进行推理和在决策分明性不变意义下进行决策,找出其规律性,并提供规则的可信度;同时能 对旋转机械故障的知识库的进行约简,消除多余的条件属性和冗余的信息,导出最小简化决策表。     

矿井突水信息处理的SVM-RS模型

提出了数据处理的支持向量机-粗集（SVM-RS）模型．根据原始突水样本构造SVM预测模型,对该模型依次约简部分属性做重复测试,当预测精度降低,表示该属性重要,予以保留,否则,予以约简,以此优化突水预测的属性集;利用SVM对连续的属性值进行离散化处理,以线性SVM的分类超平面确定属性值的断点位置;利用RS分析突水决策表,提取预测规则．该模型综合了SVM泛化性能优与RS分析数据、提取规则能力强的优势,在实际应用中表现良好．     

基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法

针对基于粒子群的属性约简算法易陷入局部最优、效率不高等问题,充分利用小生境技术在寻求最优解方面优势,提出一种基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法（NCNPSO-IAR）。该算法通过圆锥分层空间构造小生境半径邻域子集向量,避免过多地依赖于先验领域知识生成小生境半径和早熟收敛,始终保持种群多样性,提高算法收敛速度。另外粒子种群在圆锥解空间充分进行约简集子矢量的协同学习,使属性约简集较好收敛到最优集。相关仿真实验表明：该属性约简优化算法是高效和鲁棒的,适用于不完备、含噪音决策表的属性约简。     

大数据环境下多决策表的区间值全局近似约简

在电力大数据中,很多具体的应用如负荷预测、故障诊断都需要依据一段时间内的数据变化来判断所属类别,对某一条数据进行类别判定是毫无意义的.基于此,将区间值粗糙集引入到大数据分类问题中,分别从代数观和信息观提出了基于属性依赖度和基于互信息的区间值启发式约简相关定义和性质证明,并给出相应算法,丰富和发展了区间值粗糙集理论,同时为大数据的分析研究提供了思路.针对大数据的分布式存储架构,又提出了多决策表的区间值全局约简概念和性质证明,进一步给出多决策表的区间值全局约简算法.为了使得算法在实际应用中取得更好的效果,将近似约简概念引入所提的3种算法中,通过对2012上半年某电厂一台600MW的机组运行数据进行稳态判定,验证所提算法的有效性.实验结果表明,所提的3种算法均能在保持较高分类准确率的条件下从对象和属性个数两方面对数据集进行大幅度缩减,从而为大数据的进一步分析处理提供支撑.     

不协调决策表中基于对象的近似约简

对不协调决策表中基于对象的近似约简问题展开研究。首先,给出近似约简的判定定理;其次,通过区分矩阵与区分函数给出约简的计算方法;最后,通过实例验证,决策表中基于对象的近似约简与整体约简相比,不仅可以获得更简洁的知识,并且在实际生活中具有较好的应用价值。     

不一致决策表规则提取的粗糙集方法

针对不一致决策系统中的规则提取问题,提出一种协调规则提取算法。在粗糙集背景下粒计算描述的基础上,由对象所在的条件信息粒与目标概念的包含度定义对象关于目标概念的隶属度,扩展传统的粗糙近似。给出不一致获取协调规则的算法描述及其时间复杂度。对比分析及说明性算例验证了该算法的有效性和可行性。     

基于差别矩阵的完备属性约简算法

基于差别矩阵思想的属性约简算法需要求出决策表的差别矩阵,然而差别矩阵的求取不但费时而且占用大量的存储空间。为此,提出一种基于差别矩阵中非空对象个数的改进属性约简算法。在利用差别矩阵思想的同时不生成差别矩阵,并给出属性重要度的定义及其快速计算公式,只需要 和 就能计算出属性重要度。实例分析证明,该算法能节省计算时间,求出最小属性约简。     

建造液压伺服系统故障诊断的粗糙集神经网络知识库

在液压伺服系统故障诊断技术的研究中,故障知识库的建立一直是人们关注的热点问题,为此提出了利用粗糙集神经网络来构建故障知识库的方法,在详细介绍了粗糙集神经网络知识库建立过程的基础上,重点讨论了其中的决策表离散化和粗糙集特征属性的约简方法.     

火电厂锅炉常见故障的数据挖掘诊断方法

针对火电厂主要大型设备之一锅炉的常见故障,提出了一种新的诊断方法:数据挖掘方法。该方法通过建立一个智能化的数据挖掘工具,直接从火电厂SCADA系统历史数据库的大量实时数据中获取故障诊断知识进行故障诊断。数据挖掘工具的核心是:采用粗糙集的约简方式,将数据库中抽取的故障诊断规则简化为基于最小变量集的决策表。由于决策表直接采用数据库中的变量来表达,有利于现场操作人员的理解与应用。该方法避免了为诊断故障而附加的专门测试或试验,降低了费用,同时减少了试验对设备造成的潜在危险。将这一方法应用于火电厂锅炉的一个复杂故障事例,结果表明:其诊断的精度可以满足现场应用的要求。