基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
根据柴油机故障数据的特点,采用粗糙集理论对其进行特征提取研究.由于实际测量的参数大多为连续数据,而粗糙集只能处理离散数据,提出了一种适用于粗糙集的SOM网络离散化方法;给出一种基于简化差别矩阵的快速属性约简算法;以6135D型柴油机故障诊断数据为例进行特征提取,成功地将原始8个属性约简为3个,为后续研究工作打下了基础.
推荐文章
基于粗糙集和神经网络的柴油机故障诊断
粗糙集
ROSETTA
小波包降噪
RBF人工神经网络
粗糙集与改进的QPSO-RBF算法在柴油机气门故障诊断中的应用
粗糙集
径向基函数神经网络
量了微粒群优化算法
柴油机
故障诊断
基于粗糙集和TS-ANN的柴油机故障诊断推理
故障诊断
粗糙集
BP神经网络
禁忌搜索
基于粗糙集与支持向量机的故障智能分类方法
粗糙集
支持向量机
属性约简
故障分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 应用粗糙集提取柴油机故障数据特征
来源期刊 计算机工程与应用 学科 工学
关键词 粗糙集 自组织特征映射(SOM) 属性约简 特征提取
年,卷(期) 2011,(29) 所属期刊栏目 工程与应用
研究方向 页码范围 231-234
页数 分类号 TP274
字数 4720字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.29.064
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 柴毅 重庆大学自动化学院 157 2347 25.0 41.0
2 郭茂耘 重庆大学自动化学院 21 188 9.0 13.0
3 殷杰 重庆大学自动化学院 3 56 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (66)
共引文献  (257)
参考文献  (11)
节点文献
引证文献  (9)
同被引文献  (23)
二级引证文献  (7)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(6)
  • 参考文献(1)
  • 二级参考文献(5)
1999(7)
  • 参考文献(0)
  • 二级参考文献(7)
2000(12)
  • 参考文献(0)
  • 二级参考文献(12)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(7)
  • 参考文献(1)
  • 二级参考文献(6)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(6)
  • 参考文献(3)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(5)
  • 参考文献(2)
  • 二级参考文献(3)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(8)
  • 引证文献(3)
  • 二级引证文献(5)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
粗糙集
自组织特征映射(SOM)
属性约简
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导