优化的粗糙神经网络在故障诊断中的应用

• 作者: 叶斌 周庆敏 王存进
• 来源期刊: 科技与创新
• 关键词: 粗糙集 故障诊断 人工神经网络 相异度 数据挖掘
• 年，卷（期）: 2007,（34）
• 所属期刊栏目: 故障诊断
• 页码范围: 158-159,197
• 页数: 3页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2007.34.064

摘要

本文在相异度理论的基础上,提出了类间相异度的度量方法,从而以粗糙集理论为属性约简工具,利用相异度理论进行类的泛化和特化,构造出了优化的粗糙神经网络模型.故障诊断实例分析表明,该模型对神经网络分层约简并剔除其中不必要的属性,减少了神经网络的总体训练时间和决策过程中的模式匹配搜索量,大大提高故障诊断系统的反应能力,在大型复杂的故障诊断应用中效果尤为明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周庆敏	南京工业大学信息科学与工程学院	24	388	12.0	19.0
2	叶斌	南京工业大学信息科学与工程学院	7	59	4.0	7.0
3	王存进	南京工业大学信息科学与工程学院	2	11	1.0	2.0