航空雷达故障诊断的β上近似属性约简及规则融合

航空雷达故障诊断的一个主要目标是求出某种程度上可能发生的故障类型,为此,首先引入β上近似属性约简,定义了β上近似决策辨识集和辨识矩阵,给出了求取β上近似约简集的方法;其次,提出了一种基于包含度的规则融合方法,该方法充分挖掘属性值信息,可以得到全部属性条件下的带可信度的决策规则,有效解决了在各类型故障样本数目相差较大的情形下的规则融合问题;最后,以某型航空雷达的整机测试为例,在基于β上近似约简对其测试参数进行约简的基础上,应用基于包含度的规则融合方法,得到了全部属性取值条件下的航空雷达故障诊断规则。结果表明:该方法直观有效、计算简便,为航空雷达故障诊断提供了新的思路和途径。

基于近似属性约简的信息表浓缩和规则提取

首先介绍粗糙集属性约简的概念并指出属性约简算法的优缺点 ,在此基础上 ,提出了 ε - 近似属性约简的概念和相应的计算方法 ,它可以比单纯的属性约简更有效地对冗余信息表进行浓缩并获得简洁的近似决策规则 ,并以一个具体的实例对此进行了分析和比较。

粗糙集的近似约简及其算法

针对经典粗糙集中属性约简的不足,进一步拓展粗糙集属性约简的应用。提出了一种粗糙集属性近似约简的概念和一种新的粗糙集属性重要性的定义并给出和证明了属性近似约简的性质,理论证明了近似属性约简是传统属性约简的一种推广。在保持知识库分类能力基本不变的条件下,利用所给属性重要性作为启发信息给出了粗糙集属性近似约简的算法。通过一个具体的例子,说明了近似属性约简在信息系统中处理模糊和不确定性知识的可行性和有效性。