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.     

轨道交通GPS数据约简的数学模型与算法研究

利用实测轨道GPS数据生成电子地图是实现列控智能化的一个重要环节。为减少存储空间和提高列车定位的实时性,需要对大量GPS数据进行约简,找出其中的少量关键数据。通过数学建模和分析,轨道交通GPS数据约简问题是一个NP问题,难以求得最优解。本文提出一种启发式线性算法,并给出6个性能指标的定义。两个铁路区间的实测GPS数据用于对算法的性能指标进行分析比较。计算结果表明,该算法是有效的且运行速度较快。该算法能以较低的约简率在一定误差要求的前提下约简大量GPS数据。在误差约束为1 m时,约简率小于2%;误差约束为2 m时,约简率约为1%。随着轨道弯曲程度的增加,约简率有所增加。     

基于大数据的船舶交通客流特征组合预测模型分析

为了提高船舶交通客流特征预测的时效性,设计基于大数据相关技术信息,提出将粗糙集和支持向量机预测机制结合的预测分析模型。首先运用粗糙集属性,对大数据下的船舶交通客流信息,进行数据出行约简,删除数据中冗余属性,继而建立支持向量机回归预测机制,将约简后的船舶交通数据样本,作为数据预处理器,通过对条件值进行筛选,并量化为一张二维表格,作为决策表,重新组合成为训练数据样本,输入SVM中,进行学习训练,实现交通客流特征的组合预测。仿真实验表明,该模型预测结果特征比真实性提高29%,有效时序性提高35%,可以证明该预测模型的预测结果时效性更强。     

基于动态聚类的Rough集快速离散化算法

为处理大数据量决策表的离散化问题,设计高效的离散化算法是必要的.根据候选断点在单属性上重要性值的分布规律,提出了"先动态聚类,再选择候选断点"的思路和基于Rough集的快速离散化算法.首先,根据断点的重要性在单个特征上的分布规律,对断点进行快速动态聚类,从而有效降低候选断点的数目;然后,在聚类结果的基础上,采用启发式方法快速选择并得到最终的断点集,从而实现决策表的离散化.试验结果表明:通过动态聚类,多数数据集候选断点的数目能减少80%以上,大大提高了后续断点选择的效率;用提出的算法处理7个UCI数据集Iris、Wine、Glass、Ecoli、Breast_w、Pima和Letter,其正确识别率分别约为92.0%、92.1%、69.3%、65.7%、95.3%、67.1%和76.5%.     

广义不完备序值系统中的优势关系粗糙集

为了使用优势关系粗糙集处理同时具有丢失型和遗漏型未知属性值的广义不完备序值系统,提出了特征优势关系的概念,并且在广义不完备序值决策系统中引入近似分布约简,提出了4种新的近似分布约简形式,为从复杂的不完备系统中获取规则提供了理论基础与操作手段.结果表明基于特征优势关系粗糙集模型能有效地处理具有2种未知属性值的广义不完备系...     

一种基于Rough集的案例推理模型的构建

利用Rough集理论处理案例推理问题具有不需要外界信息和先验知识的优点,对案例库中冗余属性进行简化,能够起到优化案例库的作用,同时能够依赖于统计知识提炼规则并形成多个有效的案例索引,在进行案例检索时可针对不同的检索问题选择恰当的索引快速检索到相似的案例,并进行推理得出相应的问题解决方案.最后,以稀土萃取分离生产过程的产品纯度和料液处理量等生产指标的智能优化设定控制为例,验证了该模型的可行性和精确性.     

电控发动机故障诊断属性约简算法应用研究

利用粗糙集理论中的区分矩阵属性约简算法对电控发动机的几种典型故障参数进行属性约简,为验证约简结果是否有利于下一步的故障诊断,采用较成熟的BP神经网络对其进行诊断验证,将约简结果作为网络的输入,待诊断故障作为网络的输出。通过学习训练结果表明:利用区分矩阵方法所获得的核约简不能作为故障诊断的特征参量,其导致网络不收敛,而其它3组约简可以用于区分现有故障。为获得最优的属性约简结果,利用二进制粒矩阵的方法进行了最优属性约简的证明。     

决策表知识约简方法研究

伴随着铁路信息化建设,铁路各信息系统数据库中存在着大量冗余信息,如何删除那些不相关或不重要的知识就是知识约简所要解决的问题。它不仅是数据挖掘领域中的一项重要工作,而且对于数据集成、融合及铁路信息共享信息平台的建设都具有十分重要的意义。基于信息熵理论的方法就是一种很有前途的方法。本文提出一种类似信息熵的概率函数,利用这个函数可得到既适合于一致决策表,也适合于不一致决策表的知识约简方法,并以从铁道部某信息管理信息系统的数据中抽取出的决策表为例,从理论上验证了该方法的正确性。     

粗糙算法数据挖掘技术在校园网建设中的应用

采用传统的数据分析方法对数据进行分析和处理,不仅耗时多且难以有效挖掘数据中隐含的知识。本文以粗糙集理论为依据,提出基于粗糙集理论数据挖掘属性约简方法,从而将web数据库中杂乱、无序的原始数据,化简为对网站建设有用的信息,为我院校园网站建设、维护的决策提供新的解决方法。