论文部分内容阅读
摘 要：针对现有知识约简算法中存在的不完备性问题，提出了一种基于粒度熵的启发式知识约简算法，将该算法应用于电力变压器故障诊断决策表的约简，避免了选择约简集的盲目性，同时也大大提高了故障诊断的效率。
关键词：粒度熵；知识约简；故障诊断
针對现有的知识约简算法[2-4]中存在的不完备性问题，本文从信息论的信息熵理论出发，提出了基于粒度熵的知识约简算法，且该算法不需要求核，对无核的这种特殊信息系统计算约简更加有效。通过该算法可以从其它约简算法得到的最小约简集中筛选出最优最小的约简集。因此，信息系统中的属性关于知识的发现的重要性应该有个度量[1]。
1 粒度的基本理论
2 基于粒度熵的知识约简算法
本文提出的基于粒度熵的约简算法没有经过计算属性核，经过此算法对决策表约简后的条件属性集不但是最小约简，而且是最优约简。
具体约简步骤如下：
3.2 结果分析
以文[10]中提出的基于粗糙集的约简算法对电力变压器故障诊断决策表进行约简得到142种约简，如表1所示。
使用该算法最后得到142种属性约简，最终构成的诊断规则集相当庞大，要完成故障诊断仍需较长的时间。而使用本文的算法最后得到的是最小最优约简集，故可以大大提高故障诊断的速度和准确性。
[参考文献]
[1]郭林鹏.基于粗糙集和粒度计算的不确定信息度量及知识约简研究[D].河南师范大学，2008.
[2]李秀红，史开泉.一种基于知识粒度的属性约简算法[J].计算机应用，2006，26（6）：76-77.
[3]苗夺谦，范世栋.知识的粒度计算及其应用[J].系统工程理论与实践，2002，1（1）：48-56.
[4]梁吉业，曲开社，徐宗本.信息系统的属性约简[J].系统工程理论与实践，2001，12：76-80.
[5]Yao Y Y.Granular Computing：basic issue and possible solutions[C].Proceedings of the 5th Joint Conference on Information Sciences，2000：186-189.
[6]Pedrycz W.Granular Computing-The Emerging Paradigm[J].Journal of uncertain system，2007， 1（1）：38-61.
[7]Pedrycz W.The Paradigm and Practice of Granular Computing[EB/OL].http：//www.sfb360.uni-bielefeld.de/mo-kolloq/abstracts/pedrycz.html.
[8]耿志强，朱群雄，李芳.知识粗糙性的粒度原理及其约简[J].系统工程与电子技术，2004，26（8）：1112-1116.
[9]朱永利，吴立增，李雪玉.贝叶斯分类器与粗糙集相结合的变压器综合故障诊断[J].中国电机工程学报，2005，25（10）：159-165.
[10]莫娟，王雪，董明，等.基于粗糙集理论的电力变压器故障诊断方法[J].中国电机工程学报，2004，24（7）：162-167.
关键词：粒度熵；知识约简；故障诊断
针對现有的知识约简算法[2-4]中存在的不完备性问题，本文从信息论的信息熵理论出发，提出了基于粒度熵的知识约简算法，且该算法不需要求核，对无核的这种特殊信息系统计算约简更加有效。通过该算法可以从其它约简算法得到的最小约简集中筛选出最优最小的约简集。因此，信息系统中的属性关于知识的发现的重要性应该有个度量[1]。
1 粒度的基本理论
2 基于粒度熵的知识约简算法
本文提出的基于粒度熵的约简算法没有经过计算属性核，经过此算法对决策表约简后的条件属性集不但是最小约简，而且是最优约简。
具体约简步骤如下：
3.2 结果分析
以文[10]中提出的基于粗糙集的约简算法对电力变压器故障诊断决策表进行约简得到142种约简，如表1所示。
使用该算法最后得到142种属性约简，最终构成的诊断规则集相当庞大，要完成故障诊断仍需较长的时间。而使用本文的算法最后得到的是最小最优约简集，故可以大大提高故障诊断的速度和准确性。
[参考文献]
[1]郭林鹏.基于粗糙集和粒度计算的不确定信息度量及知识约简研究[D].河南师范大学，2008.
[2]李秀红，史开泉.一种基于知识粒度的属性约简算法[J].计算机应用，2006，26（6）：76-77.
[3]苗夺谦，范世栋.知识的粒度计算及其应用[J].系统工程理论与实践，2002，1（1）：48-56.
[4]梁吉业，曲开社，徐宗本.信息系统的属性约简[J].系统工程理论与实践，2001，12：76-80.
[5]Yao Y Y.Granular Computing：basic issue and possible solutions[C].Proceedings of the 5th Joint Conference on Information Sciences，2000：186-189.
[6]Pedrycz W.Granular Computing-The Emerging Paradigm[J].Journal of uncertain system，2007， 1（1）：38-61.
[7]Pedrycz W.The Paradigm and Practice of Granular Computing[EB/OL].http：//www.sfb360.uni-bielefeld.de/mo-kolloq/abstracts/pedrycz.html.
[8]耿志强，朱群雄，李芳.知识粗糙性的粒度原理及其约简[J].系统工程与电子技术，2004，26（8）：1112-1116.
[9]朱永利，吴立增，李雪玉.贝叶斯分类器与粗糙集相结合的变压器综合故障诊断[J].中国电机工程学报，2005，25（10）：159-165.
[10]莫娟，王雪，董明，等.基于粗糙集理论的电力变压器故障诊断方法[J].中国电机工程学报，2004，24（7）：162-167.