一种基于熵的连续属性离散方法

针对粗糙集理论应用于航空发动机磨损故障诊断的关键问题——连续属性离散化映射,提出了一种考虑属性重要性的基于熵的连续属性离散算法。该算法中,给出了一种衡量连续属性重要度的方法,克服了基于最小熵标准选取断点时最小熵对应多个断点难以取舍的问题,并选用IRIS数据对算法进行了分析和验证。最后,将该算法应用到发动机故障诊断中,自动提取得到了发动机的磨损故障知识,并对待测样本进行了验证,表明了算法的有效性。     

粗糙集与神经网络在航空发动机气路故障诊断中的应用

提出了一种基于粗糙集理论和神经网络集成的发动机智能故障诊断方法,首先对测量数据进行离散处理,并运用粗糙集理论建立故障决策表,进而约简属性和提取规则,对航空发动机气路部件的几种典型故障进行隔离。然后建立神经网络故障诊断子系统,使用粗糙集处理后的数据计算出发动机气路相关部件的故障程度。最后,还验证了粗糙集神经网络故障诊断系统的抗噪性能。研究表明,该系统能够正确而且高效地诊断出发动机故障的严重程度,并具备良好的抑制噪声的能力。      

基于粗糙集与RBF神经网络的雷达辐射源信号识别研究

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络（RBFNN）的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。     

基于粗糙集理论的翼型参数优选方法研究

在设计机翼时,通常需要进行多目标决策,而教练机机翼翼型选取的先验经验不足,需要进一步研究,从而得出翼型的选择规则.分析国内外已有教练机机翼翼型使用情况,运用粗糙集理论中基于重要度和条件信息熵结合的权重确定方法,提出在机翼方案设计阶段翼型的选择方法;对比分析三种分段方法在翼型性能指标离散化时的优缺点及其原因,并结合算例进行适用性验证.结果表明:在有限数据条件下,两断点方法是比较合适的属性离散化方法.所提出的方法具有使用价值,对飞机设计方案阶段翼型的选择以及机翼的气动设计具有参考意义.     

一种基于实数粗集空间的自组织映射方法及在模式识别上的应用

提出一种实数粗糙集,避免了经典粗糙集必须经过离散化处理的环节;并且用实数粗糙集的下、上近似集的精确概念划分自组织映射的输出结果,使得修改后的映射结果中各类样本点之间有明显的间隔,易于进行分类识别.最后通过对某型歼击机的舵面故障的模式识别仿真验证了其方法的正确性和有效性.     

一种改进的基于模糊-粗糙集的属性约简算法

FRSAR(Fuzzy-rough Set Attribute Reduction)是一种基于模糊-粗糙集的属性约简算法,它可以避免离散化时数据信息的丢失,但是该算法中决策属性对条件属性集依赖度的计算设计的不是很完善.本文提出了一种改进的FRSAR算法,它只考虑能够使属性集依赖度增大的属性,这样就降低了计算量.实验结果表明,改进算法和原有算法得到相同的约简结果,但是改进算法的执行时间大大降低.     

基于改进信息融合的航空发动机状态评估方法

针对航空发动机状态监测数据的模糊性和随机性,结合贝叶斯粗糙集和D-S证据理论,提出一种改进信息融合的状态评估方法。首先对样本数据进行离散化处理,通过基于区分矩阵的属性约简算法对影响发动机性能的特征参数进行提取,生成最佳决策表。然后根据置信增益函数重新定义了贝叶斯粗糙集,利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本信任分配。最后利用证据合成法则对多个证据进行合成,得到评估结果。通过实例计算,验证了改进方法应用在航空器发动机状态评估中的有效性以及在处理不完备信息问题时的优越性。     

基于云映射的多粒度语义决策属性识别

异类多传感器多属性目标识别中的描述性语义和决策属性信息无法直接进行识别判定,为此基于粒层转化的思想,提出了一种语义和决策属性识别方法。首先构造云映射函数,将语义和决策属性粒层统一到区间粒层,再根据灰色关联的思想计算区间化后的语义和决策属性信息与数据库之间的区间关联度,实现了不等粒层属性的粒度计算,最后采用证据推理进行了识别判定。结合语义和决策属性识别算例及对比分析,验证了所提出方法在异类数据模糊转化处理和识别上的有效性。     

一种基于实数粗集空闻的自组织映射方法及在模式识别上的应用

提出一种实数粗糙集，避免了经典粗糙集必须经过离散化处理的环节；并且用实数粗糙集的下、上近似集的精确概念划分自组织映射的输出结果，使得修改后的映射结果中各类样本点之间有明显的间隔，易于进行分类识别。最后通过对某型歼击机的舵面故障的模式识别仿真验证了其方法的正确性和有效性。     

基于粗糙集的战斗机型号工程综合评价决策模型

根据现代战斗机型号工程质量标准,考虑系统设计要求和用户需求,建立了新的战斗机型号工程评价指标体系。应用粗糙集理论对典型的第三代以上战斗机机型的各种指标数据进行挖掘,利用信息熵概念求得各指标的属性重要度,并将其权值化处理为各指标的权系数,克服了传统权系数确定方法的主观性。最后,建立战斗机型号工程综合评价决策模型并通过实例说明其可行性和有效性。     

基于粗糙集和BP神经网络的飞航导弹备件消耗规律预测

结合BP神经网络对飞航导弹备件进行消耗预测,提出了基于粗糙集和BP神经网络的预测法。该方法充分发挥了粗糙集在处理冗余数据上的优势,提高了预测速度和有效性。     

基于粗糙集理论的证券分析系统数据融合

将粗糙集理论应用于证券分析系统,探讨了相容状况下基于粗糙集理论的数据处理方法,并给出了系统结构和融合方法。该方法以局部决策作为条件属性,融合中心采用粗集理论方法对局部决策进行处理,包括知识表达、化简,最后给出决策规则。从结果来看,采用该方法不需要先验概率,也不需要隶属函数,同时还可以去除冗余的局部决策,使系统的配置最优化、提高了系统的运行速度。     

粗糙集理论研究综述

粗糙集理论是一种用于分析和处理模糊和不确定信息的软计算方法.本文回顾了粗糙集理论,介绍了粗糙集模型的主要概念,系统总结了粗糙集理论与其他智能方法的融合并介绍了粗糙集理论的硬件实现方法.     

基于集值信息系统的改进粗集模型

提出了一种新的带有参数的改进容许关系,并讨论了基于该容许关系的粗糙集扩充模型,证明了相关定理。理论分析表明,通过合理设置参数值,可使新扩充模型比以往模型具有更好的分类效果,从而提高了对数据预测、分类的准确度。实例分析进一步验证了改进容许关系及其扩充模型的优越性。     

基于Rough/SVM的飞机目标识别模型

研究了基于粗糙集（Rough）和支持向量机（SVM）的模式分类技术,结合遥感图像中军用飞机目标识别进行理论分析和试验研究。基于粗糙集和支持向量机算法的优势,设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器,并对分类的性能进行了分析研究。利用粗糙集理论中属性约简方法去除冗余属性,降低飞机特征维数,提出了使用决策...     

粒子群优化的粗糙集-神经网络在航空发动机故障诊断中的应用

提出了一种基于粒子群优化算法的邻域粗糙集-神经网络的发动机智能故障诊断方法,首先利用基于邻域粗糙集模型的属性约简方法对样本数据进行属性约简,然后采用粒子群优化算法替代传统BP算法来训练神经网络的权值和阈值,再用训练好的神经网络对航空发动机气路故障进行诊断.仿真结果表明:该方法降低了神经网络结构的复杂性,减少了网络训练时间,提高了诊断精度.     

基于优势关系粗糙集的属性约简算法

针对目前对不同信息系统下优势粗集的处理几乎都是将其划为单值完备信息系统来处理这种现象,以及基于区别矩阵和基于正域的属性约简算法是不等价的这个问题,提出了一种基于单值完备信息系统的快速属性约简算法。首先,提出了对象集约简;其次,使用基数排序思想计算;再次,结合了区别矩阵和正域约简2种算法,在大量提高算法时间复杂度的同时提高了算法的可信度;最后,采用实验验证了约简算法的实用性。     

基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用

将粗糙集理论的属性约简与核Fisher鉴别分析方法结合起来,提出一种基于粗糙核Fisher鉴别分析的故障特征提取方法.首先采用粗糙集理论的属性约简删除与分类无关或关系不大的特征,降低输入特征维数,排除干扰特征的影响,减小了特征提取计算量;再采用核Fisher鉴别分析方法进一步提取非线性特征;最后将该方法应用于航空发动机滑油系统故障特征提取及故障识别中.结果表明:该方法获取的特征在提高分类正确率的同时,还有效地降低了输入特征维数,提高了分类效率,并且对分类器具有较强的适应性和鲁棒性.      

基于粗糙集-神经网络的机载设备故障诊断方法研究

提出了一种基于粗糙集-神经网络的故障诊断方法。将粗糙集理论同神经网络结合起来可以用于机载设备的故障诊断。采用粗糙集理论对原始故障诊断样本进行处理,并根据条件属性对决策属性的正域的大小来选择条件属性,提取出对诊断故障贡献最大的最小故障特征集,从而确定神经网络的拓扑结构;通过训练神经网络建立故障特征与故障之间的映射关系,实现故障的诊断。通过A320飞机燃油系统的故障诊断仿真实例,表明这种故障诊断方法的有效性。