属性重要性的启发式属性约简算法

属性约简是Rough集理论的核心问题之一,为了更好地获得属性约简,本文构造了一种属性重要性的度量公式,并在此基础上提出了一种以属性重要性为启发式信息的二进制可辨矩阵的属性约简算法,解决了当二进制可辨识矩阵的属性频率相同的情况下的属性选取问题.最后用实例表明,此方法是一种获得属性约简的简单而有效的方法.     

不完备信息的概念格诊断规则提取方法

针对航空装备诊断知识获取困难的问题,研究了不完备信息条件下基于概念格的诊断规则提取方法。首先,用不完备诊断形式背景将残缺的故障数据表示成三值表格,借助近似概念格分析故障数据,设计了基于对象的增量式近似概念格构造算法,利用Hasse图直观揭示诊断结果与测试参数之间的依赖关系;然后,引入广义可辨识矩阵对不完备诊断形式背景进行属性约简,通过布尔运算将广义决策辨识函数变换为极小析取范式,得到约简的测试参数集,进而构造约简的近似概念格并生成最优近似诊断规则集,用于对新的测试样本进行故障诊断;最后,将该方法用于某型航空雷达的故障诊断,诊断准确率达到77.7%,验证了该方法从不完备故障数据中提取诊断知识的有效性。     

一种基于差别矩阵的决策表规则提取算法

从属性约简后的数据集中提取规则实质上就是决策规则的约简计算,一般利用启发信息进行约简计算。提出了一种新的基于差别矩阵的决策表规则提取算法,首先从差别矩阵得到差别集,结合置信度要求得到候选规则集,然后开始提取规则并逐步调整候选规则集,最终提取出决策规则。该算法避免了规则提取过程中条件属性挑选和扩展的计算,并能够快速提取出决策表中存在的最简决策规则,计算实例表明其具有决策规则提取的工程实用性。     

粗糙集用于故障诊断中的测点优化配置

提出了一种基于粗糙集属性约简技术的测点优化配置方法。首先根据齿轮箱的故障机理确定了基本测点,采用粗糙集理论建立了测点优化决策表;然后提出了采用基于属性频率的差别矩阵法求取最小属性约简集,避免了复杂的布尔运算;最后通过对约简集进行分析找到了有效的信号监测点,并且应用BP神经网络进行了仿真验证。实验结果表明该方法不需要对监测对象建模,也不需要进行动力学分析,而是根据时频域指标与故障种类之间的关联程度选择有效监测点,通过监控有效监测点,采集有效故障信息,有利于提高故障诊断的效率和准确率。     

基于改进决策树算法的设备故障智能诊断模型

提出一种改进决策树智能故障诊断方法.首先构建故障诊断原始决策表,然后对特征数据进行离散化处理;接着利用可辨识矩阵约简算法对决策表进行属性约简;最后利用 G45 算法构造出最优诊断决策树;并对实例进行故障诊断.结果表明:该方法能有效地删除冗余信息,形成精简的决策规则库,提高故障识别速度,具有很强的工程实用性.     

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。     

决策树在发动机试车数据库数据挖掘中的应用

如何正确的对缺失数据进行填充是数据挖掘预处理过程中的一个重要问题。这里给出了一种基于决策树来解决此问题的算法。该算法应用改进的ID3算法来构造决策树，利用决策规则对缺失值进行补充。在构造决策树之前，采用属性约简技术得出条件属性集，使得决策树简单，并且计算速度得到提高。此算法应用在某型发动机试车数据库中，被证明是可行的、高效的。     

粗糙集属性约简的基因算法

粗糙集是一种新型的数据分析方法,而属性约简是其主要算法,由于属性的约简为ＮＰ问题,使得传统算法很难将粗糙集应用于实际中,利用基因算法的搜索寻优技术,提出一种基于多目标优化基因算法的属性约简算法,它不仅有较高的约简效率,而且可以得到多种约简属性集。以柴油机油路故障为例,进行特征属性的约简,取得了较好的结果。     

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。     

不完备信息的航空电子装备诊断规则提取方法

针对不完备信息引发的不确定性给航空电子装备的诊断规则提取带来的挑战,分别从广义狭义两个角度对故障诊断决策系统的不完备性进行定义,设计了一致性优先的相似度及属性值期望最大的缺失信息补齐算法,解决间接补齐算法存在不一致性问题;构建征兆属性概念格及诊断决策属性概念格,生成不完备诊断决策信息系统的扩充辨识矩阵,引入征兆属性概念等价关系计算最大一致征兆概念集,求解最大一致征兆概念辨识函数的析取范式获取最优约简属性集,根据约简后的诊断决策信息系统获取诊断规则。以某型航空装备的武器系统发射系统为例对方法验证,诊断结果准确率达到83.3%,高于现有典型方法,该方法在不完备信息处理、精确度及对象描述的直观简洁性方面具有显著优势。     

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。     

Mutual information algorithms

Three new mutual information algorithms are raised for time delay in the phase space reconstruction process. Firstly, Cellucci’s mutual information algorithm is analyzed based on partitioning plane, which is constructed by a pair of Lorenz series with the same size, into four and sixteen grids with equal distribution probability in elements on each axis. Then three new mutual information algorithms are promoted based on the original probability matrix that shows the distribution of points corresponding to the data pairs of Lorenz series on the plane, the matrix excluding the last column and the last row of the original one as well as the proportionally revised matrix from the original one. Synchronously, an algorithm to compute the probability matrix is also advanced by sorting two series and replacing each numerical value with its order number in its own series so as to judge the element in which data sets are located. The optimal time delay of the three new mutual information algorithms as well as the computing time is also compared when series sizes are different. Finally, after reconstructing phase space with the optimal time delay, comparison between the maximal Lyapunov exponent calculated by Rosenstein’s algorithm from time series and that gained by Jacobi matrix from Lorenz equation is used to confirm the validity of the new mutual information algorithms. The results show that Cellucci’s mutual information algorithm will lead to wrong optimal time delay when series size is not a multiple of elements. The three new algorithms, whose results are more steady when a large number of data pairs are used, can not only eliminate the default of Cellucci’s algorithm but also is very speedy, and the time spent on calculations by three algorithms nearly enhances linearly with the increase in series size. Moreover, the algorithm using original probability distribution matrix is more accurate than the others when small size series are used, and is also faster than the others irrespective of how large the size of series is. Besides, the lesser error of the maximal Lyapunov exponents from the comparison shows that the three new mutual information algorithms are available and feasible.     

基于分辨矩阵基元的不完备故障诊断系统的规则提取技术

在故障诊断中,从不完备数据中获取规则要比从完备数据中获取规则困难,提出一种直接从不完备数据中获取最优广义诊断决策规则的粗糙集方法。给出分辨矩阵基元的定义,研究分辨矩阵基元的性质以简化分辨矩阵基元的计算过程;根据分辨矩阵基元的定义,给出不完备故障诊断决策表中面向对象的分辨矩阵的定义,并以此来构造面向对象的分辨函数,结合命题逻辑中的基本等价式,如分配律和吸收率等,给出一种计算最小面向对象约简的方法,实现不完备故障诊断决策表中面向对象的约简计算和最优广义故障诊断规则的获取。结合电力系统操作点的安全状态诊断实例给出所提出的方法在工程实践中的应用步骤,并证明该方法的有效性。     

粗糙集规则获取在旋转注水机组故障诊断中的应用

粗糙集理论能够有效地处理不精确、不完整的数据和知识,并从中发现隐含知识,提示潜在规律。提出一种基于粗糙集理论的大型旋转机械故障诊断和知识获取模型。该模型从包含冗余和不一致信息的原始数据出发, 构建决策表,通过属性约简和基于分明矩阵的属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库。基于该模型以某旋转注水机组故障分析为例,从来自实际的经验数据获取旋转注水机组转子故障诊断的规则知识,其属性约简率可达25％,并能有效解决旋转注水机组故障诊断中规则获取的知识冗余或缺失问题,验证了其有效性。     

基于聚类的连续属性动态离散化算法

连续属性离散化是数据分析中重要的预处理过程，而基于粗糙集理论的数据分析要求离散化的结果能够最大程度的保持原信息系统的分辨关系。本文提出了一种新的离散化算法，此算法以决策信息系统中决策属性对条件属性集合的依赖度作为评价函数动态调整DBSCAN聚类算法的参数，直至离散化决策属性对条件属性集合的依赖度达到预先指定的阈值为止。算法分析和实验证明，本算法是切实可行的。     

多雷达实时定轨的一致性分布式容积信息滤波算法

针对传统单雷达实时定轨精度较低而多雷达集中式定轨需要信息融合中心且通信量较大的问题,提出一种多雷达一致性分布式容积信息滤波(CD-CIF)算法。该算法由平均一致性滤波器和容积信息滤波器级联构成。平均一致性滤波器融合雷达对卫星的多源观测信息,输出的量测值收敛于多源量测信息的平均一致值。容积信息滤波器利用此量测值执行等效集中式滤波以更新状态估计值和协方差矩阵。仿真校验结果表明,多雷达CD-CIF算法实时定轨精度明显高于单雷达定轨精度,与多雷达集中式算法相当,但无需信息融合中心且降低了通信量。