歡迎進入河北中澳橡膠有限公司
帶式輸送機在工礦企業和交通運輸業中具有廣泛應用，近年來，帶式輸送機向長距離、高速度、大運量方向發展”。在實際生產中，鋼芯輸送帶容易產生斷繩、疲勞和接頭位移等缺陷，導致輸送帶斷裂，輸送帶斷裂后果非常嚴重，甚至造成人員傷亡。缺陷識別對鋼芯輸送帶安全運行具有重要作用。然而，其缺陷信號特征比較復雜，特征提取結果對缺陷識別準確率和速度影響較大。因此，研究一種缺陷特征約簡算法，獲得反應缺陷的本質特征向量，提高缺陷識別準確率和速度。粗糙集(roughsets)理論能有效地對完備和不完備信息進行特征約簡，在故障診斷、知識發現和數據挖掘等方面獲得了成功應用，并受到了國內外學者的廣泛關注，目前成為人工智能領域的一個新的研究熱點。粗糙集理論在模式識別領域也具有廣泛應用，粗糙集理論能在確保分類正確率的條件下，提取數據集的本質特征。ChenHuiling運用粗糙集理論作為特征約簡工具，有效地去除了數據中冗余特征，提高了支持向量機分類精度和速度-，。粗糙集理論模型主要有Pawlak經典粗糙集模型、模糊粗糙集模型、基于容差關系粗糙集模型和鄰域粗糙集模型。基于容差關系粗糙集模型和鄰域粗糙集模型是目前粗糙集理論研究熱點，因為Pawlak經典粗糙集模型和模糊粗糙集模型需對數據進行離散化才能進行約簡，離散化過程中會導致信息丟失，而基于容差關系粗糙集模型和鄰域粗糙集模型可直接對連續數據屬性進行約簡，消除了離散化過程帶來的信息丟失問題。然而，基于容差關系粗糙集模型需要信息系統中的屬性值的概率分布情況等相關領域的知識，而鄰域粗糙集模型不需要信息系統中概率分布等知識，可以直接對輸送帶缺陷電磁信號連續屬性特征進行約簡。目前，對鄰域粗糙集研究主要集中在屬性重要度計算方法的改進和約簡算法的改進。在鄰域粗糙集中，鄰域大小的確定非常重要。目前鄰域粗糙集研究中，通常是根據實驗和經驗對所有的屬性設定同一鄰域值。由于實際中各屬性的數據往往存在較大差異，鄰域粗糙集為不同屬性設定同一鄰域值，鄰域值選擇不好會導致屬性約簡效果不好。因此，本文提出一種基于屬性數據標準差的改進鄰域粗糙集特征約簡算法，該方法根據不同屬性標準差為不同屬性設定不同鄰域值，從而解決原鄰域粗糙集難以為不同屬性選擇最佳鄰域值的難題。
本文源自http://www.mtmfs.com/hyzs/481.html，轉載請注明出處。
(責任編輯：輸送帶http://www.mtmfs.com)
