基于粗糙集和模糊集理论的规则提取方法

粗糙集理论和模糊集理论都是用来处理不完整和不确定信息的理论，两者都可用来观察、测试数据并进行推理。虽然它们之间有一些重叠，但两者的着眼点和计算方法是不一样的，因此它们不能被相互替代，而且必须结合起来使用。本文结合粗糙集理论和模糊集理论提出一种新的规则提取方法，并给出了一个应用实例。     

粗糙集和模糊集的比较分析

介绍了模糊集和粗糙集各自的理论和特点,并讨论了模糊集和粗糙集的各自优点和缺点,有机将两种理论结合起来分析了模糊粗糙集、粗糙模糊集及粗糙隶属函数的性质及应用,引入变精度思想,在粗糙模糊集上定义其上下近似。     

基于随机模糊集的粗糙集模型

为处理人工智能、不精确性和不确定性等问题,综合随机集和模糊集两类集合的优点,提出一种新的粗糙集模型一基于随机模糊集的粗糙集模型．利用随机模糊集定义了一种近似算子,并给出了这种近似算子的一些重要性质．     

基于粗糙集理论的内燃机故障诊断专家系统

在故障诊断专家系统的基础上,引入粗糙集理论,并以信息系统属性值表为主要工具,专家系统中的规则进行约简并剔除不必要的属性,揭示了故障诊断信息中内的冗余性,降低了故障诊断专家系统构成的复杂性,并建立了简化后的决策规则。     

基于粗糙集理论和因果图的故障诊断

【目的】复杂系统发生故障时会导致许多冗余信息产生,以此建立的因果图模型结构复杂,推理难度较大,针对这个问题提出了基于粗糙集和因果图理论的故障诊断方法。【方法】先根据历史故障数据建立决策表,利用粗糙集理论对决策表进行属性约简得到最小决策表,再根据最小决策表对原始因果图进行约简,最后利用约简后的因果图模型进行故障诊断推理。【结果】从一定程度上降低了因果图模型的复杂程度,从而提升了推理速度。【结论】以某电网为例应用此方法,因果图模型的确得到了简化,样本检验结果也与实际结果一致,说明了该方法的可行性和准确性。     

基于粗糙集理论的电力系统故障诊断

鉴于粗糙集理论具有在处理不精确问题时,不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点,运用粗糙集方法把保护和断路器的信号作为对故障分类的条件属性集,并考虑了各种可能发生的故障情况,以此建立决策表。然后实现决策表的自动化简和约简。搜索决策表的约简形式,区分关键信号和非关键信号,从故障样本集中导出诊断规则,从而达到在不完备信息下快速准确地进行故障诊断的目的;揭示了这种方法的有效性。     

基于粗糙集理论和贝叶斯网络的断路器故障诊断方法

为了快速准确地诊断出断路器的故障原因,笔者提出了一种断路器的故障诊断方法。该方法以粗糙集理论为基础,建立故障征兆属性集和故障诊断决策表,并通过约简决策表形成最小故障诊断规则。基于最小故障诊断规则建立贝叶斯网络模型,利用贝叶斯网络实现断路器故障诊断的快速概率推断。经真空断路器故障的实例分析表明,该方法是可行有效的。     

基于模糊集和粗糙集的关联规则挖掘策略

提出了一种对原始数据先进行模糊聚类,再提取规则的基于模糊集和粗糙集技术的关联规则挖掘策略,可以在一定程度内减少噪声数据的干扰,消除数据对象中的冗余属性,有利于提高规则挖掘的有效性．     

基于不完整数据的粗糙集电网故障诊断方法

针对电网发生故障时,可能产生的保护装置或断路器拒动、误动以及通信装置传输缺陷所造成的数据不完整情况,提出了一种基于粗糙集理论的新约简算法,并将约简结果综合为一个统一的专家库表·同时应用模糊集和概率论理论,为每条规则加入了相应规则置信度和设备置信度·对于符合的结论,根据支持某一决策的规则数目以及每条规则的置信度,提出了综合分析置信度的算法,并将其应用于电网故障诊断中·运用VB语言编程实现了对故障算例决策表的约简,并通过具体算例测试,证明了该约简算法的有效性和实用性·     

基于变参数区间直觉模糊集的故障诊断方法研究

针对故障诊断效果经常受众多不确定模糊性因素影响的问题,利用直觉模糊集(IFS)能较好表达不确定性信息的优势,提出了基于区间直觉模糊集(IVIFS)的故障诊断新方法.介绍了IFS的概念,引出了IVIFS和带参IVIFS的定义及其内在联系;在IFS定义及隶属度、非隶属度、犹豫度关系的基础上,构建了激励惩罚型变参数IVIFS;对IVIFS在故障诊断中的应用进行了统计解释,并构建了基于变参数IVIFS的故障诊断模型;以风机的故障诊断实例为研究对象,对模型进行了验证,结果表明了该方法的有效性和可行性.     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

基于t-模的广义模糊粗糙集的不确定性度量

对于基于t-模的广义模糊粗糙集模型,利用一种新的信息熵研究这种广义模糊粗糙集的不确定性度量。     

基于误分类代价的粗糙模糊集近似集

粗糙模糊集的近似集提供了如何利用已知的信息粒来近似描述模糊知识的方法,但在构建近似集时并没有考虑误分类代价这一实际因素.针对此问题,从误分类代价的角度,提出了粗糙模糊集的近似表示R(X),并揭示了多粒度知识空间中不确定性域对应的误分类代价随着粒度细化的变化规律.实验结果表明,R(X),R(X)和R(X)分别作为X的近似集时,R(X)产生的误分类代价最小,在一定程度上反映了R(X)作为近似集时的优势.     

基于粗糙集理论多区域并行神经分类器在变电站故障诊断中的应用

针对变电站故障诊断中不确定信息多和实时性要求高的特点,以变电站的开关保护信息为基础,提出了一种基于粗糙集理论和神经网络理论的多区域并行神经分类器的变电站故障诊断方法.该方法首先将变电站故障划分为多个独立的故障单元,针对每个区域故障单元建立故障模式库,利用粗糙集的知识约简和不确定信息的处理能力,对故障模式库并行挖掘,实行属性优选,再运用神经网络对故障诊断知识进行模式识别.将其应用于变电站故障诊断专家系统中,应用结果显示该方法不仅能缩小问题求解规模,实时性高,而且具有较强的抗干扰能力,是一种有效的变电站故障诊断方法.     

基于粗糙商集的模糊隶属度集值统计算法

模糊隶属度无统一算法,定义存在分歧．根据模糊概念“内涵明确,外延不明确”的特点,定义隶属度为不同外延对内涵的从属程度．在信息系统中,概念的外延用对象表示,内涵由属性表示,由此提出了求解隶属度的新算法：由原始统计数据组成初始信息系统,用粗糙集理论求得其商集并构建集值信息系统;该集值信息系统对应的条件概率空间中的条件概率即为隶属度．广义上信息系统可分为信息系统（无决策属性）和目标信息系统（有决策属性）两类．隶属度也可分为两类：第一类外延对象为内涵属性本身值,如年龄对青年人的隶属度（信息系统）;第二类外延对象为不同于内涵属性的另一属性值,如边坡工程安全系数对稳定状态的隶属度（目标信息系统）．计算以上两个实例,前者与已有结论作对比验证,后者与函数选择、经典统计方法及贝叶斯公理作对比验证,可知结果可靠,算法可行．     

水轮发电机组故障诊断模糊专家系统研究

针对水轮发电机组故障原因与症兆之间的复杂关系,充分利用综合监测数据和领域专家的经验知识,采用数据驱动和基于知识的目标驱动控制的正反向推理方法进行诊断.研究了基于数据库管理系统的模糊知识库设计,为知识库的建立、维护、扩充和完善提供了一种实用方法.研究了模糊推理算法,以加权模糊推理进行多种信息的融合,解决了故障诊断中不确定性问题的求解.建立了水轮发电机组故障诊断模糊专家系统.诊断实例结果表明,该系统推理效率高,可信度好,满足了水轮机组故障诊断的有效性和实用性要求.     

一种新的双论域上模糊粗糙集

粗糙集模型的推广一直是粗糙集理论研究的一个热点.该文基于模糊相容关系,定义了双论域上模糊集的上下近似算子,从而得到了一种新的双论域上模糊粗糙集模型,并研究了它的性质.     

基于粗糙集理论的故障树重要度分析

在工程风险评价的失效可能性计算中,故障树重要度分析是一项重要技术,它经常遇到许多不确定、不完整的因素.采用粗糙集理论对这些不确定、不完整数据进行处理与分析,并通过埋地燃气管道的外腐蚀故障树重要度分析的实例,阐述了粗糙集理论的概念、原理、方法和应用.结果表明,粗糙集理论是一种完全基于客观的综合重要度分析方法,在工程上具有实用意义.     

基于小波包变换与粗糙集的船舶电机定子故障诊断方法

为在少量的传感器以及无先验故障知识的情况下,实现船舶电机定子故障状态的确定以及故障严重程度的划分,提出了对定子电流进行小波包变换提取故障特征,基于粗糙集理论建立可分辨矩阵,并从中提取故障诊断规则的方法.通过对电流特征信号进行小波包分解,使相应分解子频段能始终覆盖随电机转差率变化的故障特征频率;利用子频段重构系数的均方根值变化率作为特征指标,实现故障特征的提取.采用自组织特征映射网络对特征指标进行聚类,由相邻子频段的均方根值变化率组成一组学习样本的方法,减少了子频段之间混叠问题对于聚类结果的影响.实验室条件下进行了电机定子故障的实验,通过对故障数据的应用,验证了该方法的可行性.     

基于熵和变精度粗糙集的规则不确定性量度

由已知数据中产生的粗糙决策规则往往具有不确定性 ,需要适当的不确定性量度。借鉴变精度粗糙集理论的思想 ,采用基于信息熵的方法构造了两个新的粗糙决策规则不确定性量度函数。它们不仅可以兼顾由划分的粒度引起的规则不确定性的两个方面 ,即不一致性和随机性 ,还考虑了数据中的噪声对规则一致性的影响。因此 ,它们对一类“几乎一致性规则”具有一定的保护作用。通过举例分析 ,说明它们更适于评价从有噪声数据中提取的粗糙决策规则。