粗集理论在网络故障诊断系统中的应用

在网络故障诊断系统中,对反映网络信息的MIB变量,利用粗集(Rough Set)理论约简出最有利于分类的变量集合,并获得分类的决策规则.实验结果表明,对解决网络故障特征提取,提高故障分类正确性等问题有较好的效果.     

粗集理论在证券投资决策中的应用

粗集理论作为一种新兴的数学工具，在许多领域都表现出了强大的生命力。笔者概述了粗集理论的基础知识，并在此基础上详细阐述了其在证券投资决策中的应用。     

粗集理论及其在数据挖掘中的应用

粗集理论是一种新的处理模糊和不确定性的数学工具，在数据挖掘、机器学习、决策支持系统和模式识别等领域得到了广泛应用。文中在阐述了粗集理论的基本思想与特点的基础上，重点评述了粗集理论在数据挖掘中的应用状况以及未来的发展方向。     

粗集理论在Web信息提取中的应用

Web作为世界上最大的信息源,为数据挖掘技术提供了大量的原始数据,然而Web数据半结构化的特征使得在数据挖掘过程中必须选择合适的算法;研究Web信息提取的过程,并利用粗集方法实现对于来自Web的大批量农产品价格数据的挖掘过程。     

变异粗集在集对分析中的应用

根据变异粗集方法，将粗糙集应用到集对分析理论中，讨论了集对分析与变异粗集的结合方法，并通过一个例子来说明本文的可行性。     

粗集理论在萃取精馏塔软测量中的应用

丁二烯萃取精馏过程中，副产品抽余液(BBR)的质量(丁二烯含量)和很多工艺参数有关，工艺参数之间又是相互关联、耦合的，并具有噪声。应用粗集方法将这些工艺数据进行压缩和抽提，解决了工艺参数间的相关问题，同时去掉了一些信息量不大，并带来噪声的成分。用模糊C均值聚类算法将训练集分成具有不同聚类中心的子集，每一子集用径向基函数(RBF)网络进行训练来获得子模型，然后用模糊聚类产生的隶属度将各子模型的输出加权求和得到BBR中顺丁烯的含量，由顺丁烯的含量来估计丁二烯含量。结果表明，这种软测量算法具有较好的建模效果，由于采取了数据分组训练，大大节省了建模的训练时间，比单纯的基于神经网络的方法要快得多。     

变异粗集在集对分析中的应用

根据变异粗集方法,将粗糙集应用到集对分析理论中. 讨论了集对分析与变异粗集的结合方法,并通过一个例子来说明本文的可行性.     

粗集理论在车辆传动系故障诊断中的应用

用粗集的方法对车辆动力及传动系统的故障数据进行分析处理 ,通过计算属性的重要性和依赖度 ,从而获得最小的有效故障特征参数向量 ,使得车辆故障的快速实时诊断成为可能 .并通过计算决策的协调度来完成多决策信息的故障诊断 .结果表明 ,粗集方法在车辆故障诊断这一领域有着广泛的应用和其他方法无法替代的优越性     

粗集理论及其应用（四）：粗集理论和模糊集合

首先将粗集与模糊集合进行简单对比，并介绍利用粗集的概念考虑模糊集合的粗近似，定义粗模糊集合，利用模糊划分的相似性关系研究集合的近似问题，定义模糊粗集，并介绍粗模糊集合和模糊粗集的基本特性等，最后讨论知识近似模型的统一。     

粗集及其在知识发现中的应用

粗集理论在知识发现中的应用已成为知识发现研究的热点 .介绍了粗集的基本概念 ,包括粗集的定义、“属性 -值”系统、属性依赖与归约及粗集概念的若干推广 ,最后指出粗集理论在知识发现中的一个可能应用途径     

粗糙集理论及其在故障诊断中的应用

介绍了故障诊断技术及粗糙集理论的发展状况,重点总结了目前粗糙集理论在故障诊断领域中的几种应用形式,即粗糙集理论与知识发现相结合用于故障诊断、粗糙集理论与专家系统相结合用于故障诊断、粗糙集理论与神经网络相结合用于故障诊断以及粗糙集理论与其他智能技术相结合用于故障诊断;同时,指出了粗糙集理论研究中存在的问题,并对今后的研究方向提出了具体的思路.     

Rough set理论及其应用

Rough set理论能从数据间发现隐含的关联和规律,广泛应用于人工智能、模式识别、智能信息处理等领域,成为最受国际学术界重视的处理不确定数据的理论与方法。     

智能故障诊断粗糙灰色组合模型

在故障诊断过程中,首先利用粗糙集原理对设备特征参数进行约简,去除冗余参数,再利用粗糙集理论定量确定各特征参数的重要程度;根据约简的特征参数和各参数的重要程度,利用灰色关联度分析的方法确定各种标准故障状态与目前设备状态的关联度,从而找到设备的故障之处.实例验证表明:在设备的故障诊断中将灰色系统理论和粗糙集理论结合是一种行之有效的方法,为智能故障诊断提供了理论基础.     

粗集理论与未确知系统理论的互补性研究

本文简述了未确知系统理论与粗集理论的研究状况,论述了二者的优点与不足、互补性研究的必要性及研究方向。     

粗糙集模糊神经网络软件质量预测

以面向对象的软件度量为研究对象,首先采用SOM神经网络离散化度量元因子矩阵数据,接着对于得到的离散化的矩阵数据采用粗糙集理论的属性约简算法进行属性约简,然后根据约简得到规则构造模糊神经网络的网络结构,并采用BP算法对网络进行训练,最后通过仿真实验验证了该算法。     

Rough set and radial basis function neural network based insulation data mining fault diagnosis for power transformer

The power transformer is the major electrical com-ponent in power systems, and its correct functioning isvital to system operation. At present, researchers haveproposed such fault diagnosis methods as expert sys-tem, neural network and so on for power tra…     

粗糙集神经网络在图像分割中的应用

提出了粗糙集神经网络用于图像分割的方法.该方法利用粗糙集约简理论对分割后的图像区域特征进行约简,以降低特征向量维数,抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙集神经网络的结构.粗糙集神经网络中每个神经单元的输入为区域值,输出为决策分类值,此时权值预设为各规则粗糙隶属度值,然后用BP算法迭代,最终实现图像的分割.试验证明,该方法大大缩短了训练时间,提高了精度,并且得到优于常规的分割图像以及满足图像处理的实时性要求.     

基于粗糙集理论的模糊神经网络建模方法

采用基于粗糙集的模糊神经网络模型,将粗糙集理论与模糊神经网络相结合,通过利用粗糙集理论中的约简的计算方法,从样本数据中获取精简的规则,再根据这些规则构造模糊神经网络各层的神经元个数,克服了当输入维数高时,模糊神经网络的结构过于庞大的缺点,从而使网络模型结构最简.并采用误差反向传播算法(BP算法)来训练该新型网络中的权值参数及隶属函数的中心值和宽度,仿真结果验证了该模型的优越性.     

基于粗糙集与BP神经网络的烟气机故障诊断

结合粗糙集理论和神经网络在信息处理方面的优势,提出了一种基于粗糙集理论与BP神经网络相结合的烟气机故障诊断方法.首先对故障诊断数据中的连续属性进行离散化,然后根据粗糙集理论进行故障诊断决策系统约简,获得最优决策系统.最后在最优决策系统的基础上,设计BP神经网络对烟气机故障进行诊断.试验结果表明,该方法可以有效提高烟气机故障诊断的精度和效率.