基于信息熵最优约简算法的电网故障诊断模型

介绍粗糙集理论及信息熵约简方法,应用粗糙集理论对电网故障样本数据进行分析统计,建立决策表,采用信息熵约简算法对其进行条件属性约简,得到一组最小知识系统,再用粗糙集值约简方法对其进行简化,得到一组故障诊断的最小决策规则集,结合模型进行分析,证明该方法简便、快速、有效。     

一种新的决策表核属性计算方法

属性约简是粗糙集理论研究的一个核心问题,而核属性的确定往往是决策表中属性约简的基础。结合决策表的树型结构表示,给出了决策表中正域和非正域的计算方法,并从核属性的定义出发,计算树型决策表中正域和非正域相对于属性全集正域和非正域的变化,提出了一种计算决策表中核属性的方法。对其时间和空间复杂度的分析,以及对一个气象决策表例子的实验结果,证明了这些方法的有效性。     

基于区分对象对的不完备决策表求核

在差别矩阵的基础上,针对不完备决策表提出了基于差别矩阵的区分对象对集定义,并证明求不完备决策表的核可以转化到求基于差别矩阵的区分对象对集上。在此基础上,提出了一种基于区分对象对的不完备决策表求核算法,该算法的时间复杂度为：[max{O(|C||U||Upos|),O(K|C||U|)}],优于同类算法的时间复杂度;用实例说明了新算法的有效性。     

不完备决策表的扩展差别矩阵规则获取方法

针对不完备决策表,通过引入扩展差别矩阵,利用基数排序对广义决策值进行划分,只比较广义决策值不同的对象,并且记录对应的条件属性值,克服了计算过程中反复检查属性值对与广义决策值是否冲突的缺点,从而优化了算法。实例分析结果说明了该方法的正确性和优越性。     

相对知识粒度序决策表的属性约简方法

序决策表中的知识约简越来越受到关注,在优势类和知识粒度的基础上,引入了序决策表中的一种知识相对粒度,度量了属性集在序决策表中的相对不确定性,进而给出了属性相对重要度的定义。并设计了序决策表的一种启发式属性约简算法,通过实例分析和验证了算法的有效性。     

一种翻车机液压系统故障诊断规则提取

针对在少故障样本情况下,建立状态识别决策表时数据离散化的阈值难以确定的问题,提出了将系统正常工作时状态参数变化区间的边界值作为状态参数离散化阈值来建立液压系统故障识别决策表,以此处理某型翻车机液压系统故障识别问题。应用粗糙集理论对建立的决策表进行属性约简,得到系统故障诊断的简化规则,并将这些规则存入故障诊断专家系统的知识库中用于系统故障识别。专家系统的现场诊断结果表明,应用该方法提取的故障诊断规则具有较高的鲁棒性。     

多半径邻域粗糙集改进约简算法

属性约简是粗糙集理论中的重要问题。许多学者针对邻域粗糙集提出多种属性约简方法,包括应用最为广泛的启发式算法。在多半径邻域粗糙集的基础上,针对当前启发式约简算法往往会包含一定冗余属性的缺陷,提出一种融合属性权重影响的改进约简运算方法,通过根据各属性权值大小设置阈值使得约简结果能够消除冗余属性。实验选取UCI的数据集与当前几种常用启发式约简算法进行比较分析。实验结果表明,所提出的属性约简方法能够得到更优的约简集合,同时更大程度地保留了决策表本身的知识信息,具有较高的分类能力。     

基于决策表分析的正反转电动机缺相保护功能改进研究

为了保障电动机的可靠运行,需投入缺相保护功能,但在工业正反转两用电动机的运行中发现,电动机反转时缺相保护误动,影响了工业生产的连续性。为查找问题原因,使用决策表对原缺相保护逻辑进行了分析,发现逻辑中存在不完善之处,利用电动机缺相时另外两相电流增大的特点改进了原方案,并使用决策表进行了分析验证。采用新方案改造后的电动机正反转经过长时间运行检验反馈效果良好,未再出现保护误动。     

不协调决策表几种约简标准及其关系分析

叶东毅教授在文中指出Hu Xiaohua等学者提出的约简方法在某些情况下会给出错误的结果,本文通过分析得出叶的方法实际上就是正域约简,而Hu的方法实质上保持边界域划分不变,与叶东毅教授提出的约简方法只是标准不同,而无所谓对错问题.在此基础上,阐明了决策表各种约简标准的关系,并给出了当两个约简标准存在强弱关系时,其约简结...     

基于拓展粗糙集的不完备表的规则挖掘及应用

实际应用中常存在缺省属性值的不完备信息系统,如何从不完备信息系统中挖掘有用规则是一个非常有价值的问题。粗糙集理论是一种有效的数据挖掘手段,但经典粗糙集缺乏对不完备信息系统的处理能力。在粗糙集拓展的基础上,设计出从不完备决策表中挖掘出有用规则的算法,并将其应用到银行贷款决策中不完备决策表的实例分析中。