基于分辨矩阵和属性重要度的规则提取算法

研究了Rough集理论中的属性约简和值约简问题,将分辨矩阵引入值约简中,从属性依赖度的角度重新定义了属性重要度,提出了基于分辨矩阵和属性重要度的分类规则提取算法。该算法在保持分类能力不变的前提下,得到最小属性约简,再经过值约简后得到精确的规则,与现有算法相比,能减少时间和空间耗费。实验结果验证了该算法的有效性。     

基于H-BP神经网络的设备故障诊断方法

BP神经网络在训练过程中容易出现局部最小从而无法获得最优解,在进行故障诊断时还会出现误判的情况.针对这一问题,本文提出H-BP,简神经网络故障诊断方法,该网络结合Hopfield神经网络的全局最优计算能力和BP神经网络的解决非线性分类问题的优势,避免了网络训练陷入局部最小.将其应用于离心式风机的故障诊断中,表明H-BP网络故障诊断方法能很好地实现故障状态识别,并能提高故障诊断的精度,