一种基于遗传算法的粗糙集属性约简算法

属性约简是粗糙集的核心内容之一,它是一个NP完全问题,这使得粗糙集很难在实际中应用。根据已知决策表系统的二进制可辨别矩阵,利用遗传算法快速寻优的特点,提出了一种基于遗传算法的属性约简算法。实验结果显示,该方法简单、有效。     

基于粗糙集的海量数据挖掘

文章结合粗糙集在处理海量数据的约简方面的优势和层次分析法的决策优势,建立了以决策属性为上层因素,紊件属性为下层因素的合理评价模型,并对提取的规则再次进行了约简。文中利用改进的粗糙集属性约简算法来降低海量数据的冗余度,提取约简后的规则,借助粗糙集的属性重要度理论．弥补了层次分析法中评价因子的主观因素。此算法模型省略对核的提取过程,对提取的规则进行了定量的分析,实现了海量数据在属性与规则上的约简。实例证明了算法的有效性。     

粗糙集在滚动轴承故障诊断中的应用

对滚动轴承几种常见点蚀故障的振动信号特征值进行分析,使用粗糙集基于熵的离散化算法进行属性离散化,并采用基于属性重要度的启发式约简算法进行属性约简,然后选用径向基核函数的支持向量机将经过属性约简的特征向量输入支持向量机训练,建立支持向量机模型并进行故障识别与诊断。实验分析结果表明,应用粗糙集和支持向量机相结合的混合智能诊断方法,将粗糙集作为支持向量机的前置系统对数据进行预处理,利用粗糙集可以减少信息表达的属性数量和故障诊断决策系统的规则数,使支持向量机输入端数据量大大减少,提高系统的处理速度,对于滚动轴承振动信号的故障模式识别可以获得良好的效果。从而验证了粗糙集理论对滚动轴承故障诊断的有效性以及其应用价值。     

基于粗糙集的多项logistic回归模型在油层识别中的应用

油气水层数据统计是一种非线性分类统计问题,由此建立了多项logistic回归油气水层模式识别模型。表征油气水层各因素之间存在着复杂的耦合关系,采用粗糙集属性约简算法对原始样本数据进行属性约简,消除因素间的耦合关系对识别结果的影响。选取大庆油田某地区的20口油井的数据作为建模样本数据,另10口油井的数据为测试样本数据,实验表明基于粗糙集的多项logistic回归模型对建模样本的解释正确率为100%,对测试样本的解释正确率为90%,远高于非属性约简的多项logistic回归模型,为油气水层模式识别提供了一种新方法。     

MMAS与粗糙集在轴承复合故障诊断中的应用

在分析振动加速度信号的基础上,提出了新的粗糙集属性约简算法,并应用于轴承复合故障诊断.将最大一最小蚂蚁系统(max-min ant system,简称MMAS)引入条件属性约简中,以最坏Fisher准则函数作为启发式信息以提高搜索效率,综合考虑分类正确率和条件属性个数两方面因素,利用粗糙集理论约简故障诊断决策表,有效地提高了轴承故障诊断的效率.     

基于粗糙集的启发式值约简的改进算法

本文根据粗糙集理论讨论了属性值约简问题,基于属性值的重要度提出了一种改进的启发式值约简方法.首先,通过约简广义特征表和决策表获得决策表的属性值核.其次,用条件属性与决策属性之间的互信息增量来度量值重要度,进行启发式信息构建和属性值约简.最后,用属性蒸发率和置信度等指标对决策规则质量进行评价,验证了算法的有效性.     

基于粗糙集与神经网络的齿轮箱故障诊断

对粗糙集的属性离散化和约简算法进行了研究,提出了一种基于粗糙集与神经网络相融合的故障诊断方法。首先提出一种优化NS断点集的方法用于离散化决策表,然后采用差别矩阵和差别函数直接求取最小属性约简集,最后采用神经网络对JZQ-250齿轮箱进行故障诊断,并比较了约简前后特征集的诊断结果,实验表明粗糙神经网络能够简化网络结构,有较强的容错和抗干扰能力,且迭代次数少,收敛速度快,诊断精度高,是一种有效的齿轮箱故障诊断方法。     

基于决策能力的启发式属性约简及其在诊断中的应用

基于粗糙集理论中决策表条件属性区分能力的概念,提出了计算属性决策能力的量化方法,并以此作为启发式信息来指导决策表中冗余属性的约简,提高了约简效率。这种方法直接应用于机械故障诊断中的知识约简,可以得到更清晰、简明的诊断规则,应用结果表明本约简算法合理、可靠。     

模糊故障诊断中特征属性约简及其权重系数的确定

针对粗糙集模型在干扰属性约简方面的局限,采用一种基于最大一致性因子的改进模型对故障特征属性进一步约简。为了克服传统方法在确定权重系数的主观性的缺点,应用粗糙集理论对约简后的故障特征属性的重要程度进行判断和权值化处理,并将权值化处理的结果作为权重系数。最后论文通过一实例对相关方法进行了说明。     

数据挖掘技术在乳化炸药生产中的应用

针对乳化炸药生产数据的特点,运用基于粗糙集理论的数据挖掘算法,通过改进的依赖度属性约简算法对决策系统进行了属性约简,根据决策表的属性依赖度提取比较决策规则,得到了乳化炸药生产优化方案。生产实践结果表明,优化方案有效地提高了乳化炸药轰爆性能,具有较高的经济价值。     

Rolling bearing fault diagnosis based on mean multigranulation decision-theoretic rough set and non-naive Bayesian classifier

To analyze data from multi-level view, reduce computational burden, and improve fault diagnosis accuracy, a novel fault diagnosis method of rolling bearings based on mean multigranulation decision-theoretic rough set (MMG-DTRS) and non-naive Bayesian classifier (NNBC) is proposed in this paper. First, fault diagnosis features of rolling bearings in training samples are extracted to construct MMG-DTRS. Then, the significance degree of condition attribute in MMG-DTRS is defined to quantitatively measure the influence of condition attributes with respect to the decision ability of an information system. An attribute reduction algorithm based on MMG-DTRS is applied to acquire a lower dimensional condition attribute set, which reduces computational complexity and avoids the interference of irrelevant or redundant condition attributes. Finally, NNBC is constructed to classify rolling bearing conditions in test samples. The classification procedures by using NNBC are given. The performance of the proposed method is validated and the advantages are investigated by using a fault diagnosis experiment of rolling bearings. Experimental investigations demonstrate the proposed method is effective and reliable in identifying fault categories and fault severities of rolling bearings.     

基于粗糙集神经网络的刀具磨损监测的研究

针对多传感器刀具磨损监测系统输入维数较多、神经网络结构复杂、收敛速度慢等缺点,提出了粗糙集和遗传算法优化神经网络的模型.该模型首先利用粗糙集理论的属性约简对输入数据进行处理,从而达到减少神经网络输入维数、简化神经网络结构的目的.然后通过遗传算法优化神经网络的初始权值和阈值,以提高神经网络的收敛速度,避免神经网络陷入局部极值点.将该模型应用到刀具磨损监测,通过对声发射信号和电流信号进行处理,提取特征向量值,将特征值先通过自组织神经网络进行连续属性离散化,再通过粗糙集理论进行属性约简,最后通过遗传算法优化的BP神经网络进行识别,取得了很好的效果,证明了此模型的有效性和可行性.     

流向图在行星齿轮箱故障诊断中的应用

针对行星齿轮箱诊断过程复杂和诊断结果准确率低的问题,提出了一种基于流向图的行星齿轮箱故障诊断方法。该方法通过流向图构建算法直观地表示行星齿轮箱的故障诊断知识,利用流向图约简算法删除不必要的征兆属性节点,以简洁的形式表示属性之间的因果关系,利用流向图分类决策算法确定待诊实例的故障类型。仿真和实验结果证明了该方法的准确性和直观性,为行星齿轮箱的故障诊断提供了一种新颖的解决思路。     

变精度粗糙集在齿轮故障诊断中的应用

在二级齿轮箱的变负载过程中,为了有效地处理非平稳信号,采用小波包提取特征参量(条件属性值);为了有效地处理带噪声的数据,将变精度粗糙集理论引入到齿轮的故障诊断中,提出了一种条件属性约简方法.首先对连续属性进行离散化;然后定义集合M,根据实际情况,选取不同的正确分类率β,利用变精度粗糙集的近似分类质量进行条件属性约简,并与加入噪声数据后所得的约简结果进行了对比;最后通过齿轮故障实例验证了此方法的有效性和实用性.     

一种高效的基于粗集实时诊断算法的研究

随着计算机、自动化等技术的不断发展 ,在线监测系统已广泛地应用在企业生产中 ,开发研制智能化实时在线诊断系统已成为发展的必然趋势。粗集理论能有效地分析和处理不精确、不一致、不完整的各种信息 ,并以最简单的形式表示属性间相互影响关系 ,它已逐步应用在各类诊断领域中。由于属性的简约为 NP完全问题 ,这就为时效性要求较高的实时在线诊断算法提出了较高的要求。本文提出了一种高效的时态决策表“核”的计算方法 ,该方法不需要遍历所有的对象 (或过程 ) ,提高了求解速度 ,并可利用前一时态决策表“核”的计算结果经过简单推算即可求得下一时态决策表的“核”。应用遗传算法求解决策表的最小简约 ,根据“核”的信息对遗传操作采取了一系列控制策略 ,从而大大提高了求解效率 ,使基于粗集的实时诊断系统应用在实际生产中成为可能。     

基于粗糙集的零件合并专家知识获取方法

以装拆时间、装拆难度、材料成本、制造成本、再设计和后处理成本,以及产品质量等的变化程度作为零件是否合并的条件属性,零件是否合并作为决策属性,应用粗糙集理论分析设计过程中的专家经验和知识.在经典粗集理论的基础上,以属性重要度作为启发式信息来计算属性核和属性约简,并以此挖掘隐含在经验数据中的专家知识,形成零件是否可以合并的决策规则.最后,以小型塑封机再优化设计为例,验证了该方法的实用性和有效性.     

基于最邻近法的注塑产品设计事例检索策略

针对注塑产品特点,提出了基于粗糙集和模拟退火算法的事例最邻近检索策略。基于粗糙集对事例属性进行约简,获得了事例属性的重要度排序,以此建立了事例库的层次聚类模型和分配特征属性权重值。根据约简后的结果,将事例库组织成层次结构,可有效缩小事例搜索空间,提高检索效率。基于模拟退火算法对特征属性的权重值进行优化,通过在相似度检索模型中加入权值分配的指导信息,防止检索出的相似度系数最大的事例并非最佳事例,提高了检索的质量。应用实例表明,该方法能够有效提高基于事例的推理系统整体的检索效率与质量。     

基于粗糙集属性约简和贝叶斯分类器的故障诊断

利用改进的小波包对收集的信号进行特征提取,解决了小波包分解的频率混叠问题;针对故障信息中的冗余属性问题,提出了基于类差别矩阵改进属性重要度的属性约简算法,根据各条件属性在类差别矩阵中出现1的频次定义新的属性重要度,提高属性约简的效率;通过考虑条件属性与类属性间的关联性,提出了基于熵权法的属性加权朴素贝叶斯分类器算法,提高故障分类精度。通过对滚动轴承故障数据的对比分析,验证了所提组合方法在提高故障诊断正确率、快速性方面所具有的优势。     

质量功能展开中关联关系确定的粗糙集方法

针对质量功能展开中存在顾客需求和工程特性之间的关联关系不确定、不分明和模糊等特质,提出了质量功能展开中关联关系的粗糙集方法.由质量屋中所有工程特性组成条件属性集,且每一项顾客需求均组成相应的决策属性集,而后分别构造了对应于每项需求的决策系统.利用粗糙集中相对约简和相对核等方法,分别建立了相应的修正决策系统.利用信息熵和等价类的集成方法,获取了修正决策系统中各条件属性的重要度,进而确定了顾客需求和工程特性之间的关联关系.以全自动洗衣机的产品研发为实例,验证了方法的有效性.