论文部分内容阅读
粗糙集理论作为处理不确定信息的有效工具,在多个领域得到广泛应用,为复杂热工系统建模和故障分类提供了新的方法。本文描述了粗糙集和神经网络结合方法,该方法的实现步骤为原始数据的预处理、属性约简,到最后网络模型的构建。其中,针对连续属性的离散化,提出了无需指定聚类数的改进k-means算法,在确定算法的惩罚参数时引入了相容度的概念,充分考虑了属性间的相互关系。针对决策表的属性约简,提出了一种基于近似决策熵的约简算法,将近似精度与传统信息熵相结合,解决了传统信息熵单纯从信息论观点出发的不足。针对火电厂热工对