不完备目标信息系统中的可变精度粗糙集模型

文中以同时具有缺席型和遗漏型未知属性值的不完备目标信息系统为研究对象,根据特征关系,研究可变精度粗糙集的模型及其性质．可变精度粗糙集模型与原始的粗糙集模型不同,它是建立在集合多数包含的基础上的,因而该模型是基于特征关系的经典粗糙集模型的推广形式,而基于特征关系的经典粗糙集模型则是可变精度粗糙集模型的一种特殊表现形式．文中对新模型的主要性质作了阐述和证明,结果表明：在不完备目标信息系统中,新模型与原始的粗糙集模型相比具有更高的近似精度,可进行更为精确的度量．     

变精度粗糙集模型在空袭兵器类型识别中的应用

针对经典粗糙集模型解决空袭兵器类型识别问题时的不足,文章提出了一种改进的相似度,建立了基于改进相似度的变精度粗糙集模型并提出了基于重要度的属性约简算法。最后利用一组测试样本对模型进行了检验,结果表明模型准确、可靠。     

粗糙集理论在通信电台装载平台识别中的应用

粗糙集理论能有效地分析和处理不精确、不一致和不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的规律。讨论了粗糙集理论用于通信电台装载平台识别的方法，实践表明该方法具有重要的应用价值。     

粗糙集和贝叶斯网络融合故障诊断方法

融合贝叶斯网络和粗糙集对不确定故障诊断的优势,以及粗糙集对冗余信息的处理能力,给出了一种粗糙集和贝叶斯网络进行融合的装备故障诊断方法,获得最小属性集的贝叶斯网络故障诊断模型及诊断规则,并应用于某型机载电台装备中进行验证,结果表明该方法不仅有效,而且得到的诊断规则也比单纯应用贝叶斯网络要优。     

舰船装备故障诊断特征知识获取方法研究

将粗糙集理论引入到舰船装备故障诊断特征知识获取,提出一种基于粗糙集理论的舰船装备故障诊断特征知识获取模型.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.实例分析表明:在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征,并能有效地解决舰船装备故障诊断中规则获取的知识冗余或缺失问题,从而为粗糙集在舰船装备故障诊断中的深入应用打下基础.     

粗糙集理论在装备故障诊断中的应用

针对目前部队的装备故障诊断能力较弱的现状,通过几种故障诊断方法的比较,选取出粗糙集作为装备故障诊断方法,从而对已得到的装备状态的测试数据进行分析,利用粗糙集的约简算法消除冗余信息,利用决策表的形式从不完备的、不精确的测试数据中导出诊断规则,并应用于某型电台装备中进行故障诊断。结果表明,诊断结果快速准确,为今后进一步研究粗糙集算法在故障诊断中应用提供了依据。     

粗糙集理论在编队电子战信息融合中的应用

针对编队电子战中截获的敌方雷达辐射源数据数量超载、不完整及不确定等特点,本文提出一种基于粗糙集理论对雷达辐射源数据融合的方法.首先从包含重复和冗余信息的原始数据出发,利用粗糙集的分类能力对数据进行初步融合,形成编队辐射源识别编号;再利用粗糙集理论的可分辨矩阵概念进行信息的再融合,导出分类识别规则,得到最简决策集合.仿真分析表明,该方法是有效的.     

基于粗糙集和优化DAG-SVM的船舶主机故障诊断方法

[目的]船舶主机各子系统之间是复杂的非线性关系,对于监测点在短时间内采集的大量数据,传统的故障诊断方法难以高效地完成任务。以船舶主机的燃油系统为研究对象,提出一种基于粗糙集理论和优化有向无环图—支持向量机(DAG-SVM)的故障诊断方法。[方法]首先,将数据挖掘中的粗糙集理论引入传统的支持向量机(SVM)诊断模型,并通过差别矩阵对离散化数据进行降维,在每2种故障之间建立支持向量机分类器,从而构建DAG-SVM拓扑网络;然后,以类间的分类精度为依据,优化有向无环图中根节点和其他叶节点的位置,从而有效避免"误差累积";最后,基于某超大型油轮模拟器,开展数值实验分析。[结果]实验结果表明,粗糙集与优化DAG-SVM相结合的故障诊断方法可以对船舶主机故障进行有效的诊断决策,其分类精度比传统的DAG-SVM方法提高了3.38%,而时间消耗也降低了2.42 s。[结论]该诊断方法对船舶主机的故障诊断研究具有一定的参考价值,也可为SVM在其他小样本分类中的应用提供数据支撑。     

基于粗糙集理论的板材热成形工艺建模

在复杂制造过程工艺决策系统的研究与开发中,工艺知识或规律的获取通常是系统建模中的一个难点,本文在对粗糙集理论与方法扩充的基础上,将其引入到板材热成形加工过程建模中。给出变包含度粗糙集的构造,提出基于依赖度及包含度增量的知识约简算法,通过粗糙集建模提取板材热成形的工艺规律,运用近似推理对加工参数进行快速确定。     

基于粗糙集方法的炮兵战场目标选择

针对炮兵战场目标选择中信息的不确定性及相关性特点,利用粗糙集理论通过分析目标价值,达到对战场目标进行优选的目的.该方法通过引入信息熵的概念,结合粗糙集理论先对评价指标进行筛选,再计算各指标的重要程度从而确定各指标的权重,进而得出综合评价模型并给出了相应的算法.最后通过实例证明了该方法的实用性.     

雷达辐射源信号识别方法性能比较分析

从正确识别率、识别速度等方面比较了粗糙集理论、灰关联理论、径向基神经网络、支持向量机等几种雷达辐射源信号识别方法的性能,并通过大量仿真得出了这些识别方法的性能优劣的结论及影响雷达辐射源信号识别正确率和识别时间的因素。     

一种诊断策略优化的多维目标泛深度搜索算法

传统的诊断策略搜索算法,存在计算复杂度高或者精度低,最优测试集单调等缺点,针对这些问题,通过结合多目标优化理论和准深度搜索算法的优点,提出了一种新的多维目标泛深度搜索算法。该方法能够根据目标要求调整最优测试集和测试序列,从而有效提高测试性指标,并降低计算复杂度。给出了算法实现的主要步骤,并通过对多个案例结果的分析证明了方法的有效性。该搜索算法对于诊断策略的研究及工程实践具有借鉴意义。     

基于粗糙集的船舶主机轴系故障诊断

船舶主机轴系的故障诊断对船舶正常航运具有重要意义.将粗糙集理论应用到船舶主机轴系故障诊断中,建立了基于粗糙集的船舶主机轴系故障诊断模型.采用NaiveScaler方法对故障数据离散化处理,利用基于属性重要度的启发式算法进行属性约简,获取故障诊断相关规则.算例验证了该模型的有效性.     

基于粗糙集理论的柴油机燃油系统故障诊断研究

针对柴油机燃油系统的故障种类多的特点利用小波方法对燃油波形进行分析,提取时域及频域的故障特征参数,并使用粗糙集理论对这些故障特征参数进行约简,达到简化故障识别的神经网络的结构、加快辨识速度的目的.最后用RBF神经网络对所模拟的各类故障进行辨识,证实了粗糙集理论在柴油机燃油系统故障诊断中应用的可行性.     

基于粗糙集和 SVM 理论的柴油机故障分类预测诊断

文中利用粗糙集和 SVM 理论相结合的方法对柴油机故障进行快速准确分类预测诊断。首先对收集的故障特征数据进行预处理,再运用粗糙集理论进行属性约简得到最优决策属性表,然后使用 SVM 理论中的分类预测规则对最优决策属性表进行诊断分类,得出诊断结果。通过实例分析验证了该诊断方法优于单一的粗糙集诊断和 SVM 诊断。     

基于神经网络理论的船舶结构可靠性优化设计

本文将人工神经网络理论应用于船舶纵向结构的可靠性优化设计中，采用模拟退火和玻尔茨曼机原理，在优化过程中可避开局部最优解，取得系统的近似最优解。