煤炭业基于粗糙集的非完备信息系统研究

当今煤炭业已经进入了信息时代,基于粗糙集的非完备信息系统决策规则学习算法,能提高属性未知数据信息的准确表达。在该算法中,首先利用粗糙集理论对属性未知的数据信息进行属性约简,然后基于数据挖掘技术的关联规则发现方法和不确定决策方法进行属性未知数据信息的决策规则学习。通过实例数据集进行算法仿真分析,仿真表明,该算法具有较好的决策规则学习能力和表达准确性,验证了对属性未知数据信息利用经典粗糙集的上下近似等价关系进行约简和学习是有效的。     

一种分块建立决策表的粗糙集理论故障诊断与决策方法

提出一种新的基于粗糙集理论的故障诊断方法．该方法的思路是首先对故障诊断系统的多个条件属性进行分块，建立分块决策表；然后根据不相容算法及粗糙集的约简理论对分块决策表进行约简；最后根据粗糙集的最小化方法求出分块的最小化的决策表，再将分块的最小化的决策表合成，建立整个系统的最小决策集．这种方法和根据粗糙集理论直接建决策表相比，主要优点是：前者决策表的规则数仅为后者的1／5，使约简工作量大大简化；约简和最小化过程简单明了、直观．在此基础上。研制开发了一种基于粗糙集理论的双局部通风机瓦斯故障诊断及其自动切换装置。并在铜川矿务局现场试验成功．     

基于粗糙集与BP神经网络的盾构机刀盘故障预测

为实现对盾构机刀盘的故障预测,提出一种基于粗糙集理论与BP神经网络相结合的盾构机刀盘故障预测法。首先应用粗糙集理论的基于动态层次聚类的离散化算法对刀盘历史数据离散化处理,然后利用改进的基于差别函数的属性约简算法约简决策表,将冗余属性从决策表中删除,把经过约简的数据作为输入端输入BP神经网络,构建故障预测模型,最后以盾构机刀盘故障预测为例进行试验验证。结果表明,该模型能有效缩短训练时间,提高预测效率,具有较高的预测精度,在实际工程应用中具有良好的应用价值。     

基于粗糙集理论的多传感器信息融合及其在机器人中的应用

将粗糙集理论应用于多传感器信息融合中,利用粗糙集理论的属性约简、值约简等相关约简概念剔除冗余信息,提取最简决策规则形成信息融合算法,有效的提高了信息融合系统的效率和准确性,并探讨了该算法在机器人中的应用。     

基于粗糙集的机械故障诊断方法研究

粗糙集理论在有效地保持故障诊断分类结果的情况下,可以提取出最能反映故障的特征。本文研究了基于粗糙集的故障诊断规则获取方法,并通过一个故障诊断实例进行了验证。结果表明：粗糙集通过相应的约简算法,能有效地处理决策表,形成规则集。这种方法基本达到了机械故障诊断的效果。     

基于实例推理地下装载机故障诊断系统

为充分利用在故障诊断进程中积累的成功经验和数据,提出了基于粗糙集,近邻算法等理论的实例推理模型,利用粗糙集理论软件rosetta完成对条件属性冗余信息的属性约简,对实例进行权重的确定,再利用近邻算法在故障库中搜索相似实例,从而避免了传统近邻算法计算量大的弊端,在UG软件平台基础上利用UG二次开发工具UG/OPEN设计出友好的人机交互界面诊断系统,减少了故障诊断的时间,提高了生产效率。     

基于粗糙集的CBR规则提取的应用研究

粗糙集理论是一种新型的处理不精确问题的数据分析理论。将粗糙集理论应用于CBR中,用差别矩阵对决策表知识进行约简,发现并提取规则,建立基于粗糙集的范例索引;可有效地消除原CBR范例冗余属和数据嗓音。以滚动轴承噪声值样本为实例,通过计算和分析,证明该方法切实可行。     

基于粗糙集的分类规则挖掘的研究

为了使粗糙集理论应用于分类规则挖掘更具严密性,能够有效的提高挖掘异常规则的效率和针对性,研究和探讨了数据预处理、多层分类规则挖掘、规则约简等方面的技术和方法,提出了基于粗糙集的异常规则挖掘算法,增量式分类规则挖掘策略和多层次分类规则挖掘策略,并建立了一个完整的基于粗糙集的分类规则挖掘模型。     

基于粗糙集的CBR规则提取韵应用研究

粗糙集理论是一种新型的处理不精确问题的数据分析理论.将粗糙集理论应用于CBR中,用差别矩阵对决策表知识进行约简,发现并提取规则,建立基于粗糙集的范例索引;可有效地消除原CBR范例冗余属和数据嗓音.以滚动轴承噪声值样本为实例,通过计算和分析,证明该方法切实可行.     

基于变精度粗糙集的机械故障诊断方法

探讨了基于变精度粗糙集模型的故障诊断规则获取方法,该方法通过相应的变精度属性约简算法,利用变精度属性约简有效地处理带噪声的决策表,提取符合可信度要求的故障诊断规则形成规则集。此方法克服了标准粗糙集模型对数据噪声过于敏感的缺点,增强了数据分析和处理的鲁棒性。     

基于属性重要性的启发式属性约简算法

针对粗糙集理论中的属性约简问题做了探讨研究。从寻找属性约简的角度,首先描述了决策表中的属性的重要性,并利用已求得的正区域使处理数据的范围不断缩小,约简集中的属性从核集开始,通过向属性核添加重要性最大的属性,得到属性的最小相对约简。从而减少求约简的时间。最后进行实证,该算法同传统的算法相比,在计算量减少的同时能得到更简约的结果,证明了该算法的正确性和可行性。     

基于粗集-支持向量机的采空区自然发火预测

将粗集和支持向量机两种算法有机结合起来,建立了基于粗集与支持向量机的采空区自然发火预测模型。通过粗集对采空区自然发火影响因子进行预处理,将约简属性作为输入向量,利用支持向量机进行分类处理,选择了支持向量机核函数,利用变步长搜索法对支持向量机参数进行了优化。在对粗集-支持向量机方法的实验中,通过与支持向量机方法和神经网络方法的比较,发现在样本有限的情况下,基于粗集-支持向量机的采空区自然发火预测方法预测精度更高,训练速度更快,为采空区自然发火预测提供了一种新的方法。     

粗糙集理论在采煤机故障诊断中的应用

介绍了粗糙集理论关于知识约简的基本内容,利用粗糙集的约简理论,对诊断规则进 行约简并剔除不必要的属性,获取最简单诊断规则。对设备进行正确的诊断,给出了利用决策表建 立采煤机故障诊断规则的表示方法。     

基于降维聚类技术的电力负荷数据挖掘研究

随着电力网络的高速发展,电力负荷数据的规模与维数急速增长。为了分析数据背后的有效信息,可以采用聚类分析的手段对电力负荷数据进行挖掘分析,为异常用户检测、能效管理提供有效的应用价值。根据美国能源信息网获得的实验数据集,利用降维算法对预处理后的数据进行降维分析,分析出不同维度下5种降维算法的降维效果,然后选择KPCA和ISOMAP降维技术与K-means聚类分析算法进行结合,比较组合算法与单独K-means算法的聚类精度与聚类效率,得出结合降维技术,可以有效提高聚类分析算法的聚类能力。     

粗糙集理论在矿井调度知识挖掘中的应用

简要介绍了粗糙集理论，详细论述了决策表、属性约简、规则生成和变精度粗糙集，并结合矿山实例说明矿井调度知识挖掘的过程。粗糙度理论是描述不确定性的又一新工具，为矿山知识挖掘开辟了一条新途径。     

活塞式压缩机故障诊断技术研究

为了能够提高活塞压缩机故障诊断的有效性和准确性,利用粗糙集理论和小波能量谱理论相结合的方法,对活塞式压缩机进行故障诊断研究。建立了活塞压缩机的粗糙集故障诊断理论模型。给出了活塞式压缩机故障诊断的步骤。根据活塞式故障的特点,制定了活塞式压缩机的故障诊断的计算机算法。通过现场应用,验证了该方法的鲁棒性。     

基于粗糙集理论的煤矿瓦斯预测技术

针对煤矿瓦斯灾害的特点,提出了用粗糙集理论对瓦斯灾害进行预测.分析了瓦斯灾害特征,并建立了瓦斯灾害特征知识库,应用粗糙集理论建立了煤矿瓦斯灾害预测的数据挖掘模型,讨论了瓦斯灾害预测模型中的粗糙集属性关系,采用信息熵准则对粗糙集约简方法在预测中存在的不足进行了弥补.通过实际应用,证实了粗糙集理论在瓦斯灾害预测中的有效性和实用性.     

Prediction method of rock burst proneness based on rough set and genetic algorithm

A new method based on rough set theory and genetic algorithm was proposed to predict the rock burst proneness. Nine influencing factors were first selected, and then, the decision table was set up. Attributes were reduced by genetic algorithm. Rough set was used to extract the simplified decision rules of rock burst proneness. Taking the practical engineering for example, the rock burst proneness was evaluated and predicted by decision rules. Comparing the prediction results with the actual results, it shows that the proposed method is feasible and effective.