面向故障诊断应用的粗糙集理论及方法 azw3 极速 下载 snb txt pdf pdb 夸克云

粗糙集方法具有强大的不一致信息处理能力，在故障征兆约简、诊断知识获取和知识度构建等方面表现出巨大优势。然而，关于粗糙集方法的泛化性能研究不足制约该方法在故障诊断中的实际应用。本书分别针对一般故障诊断问题以及多类故障诊断、类不平衡故障诊断和代价敏感故障诊断几种特定故障诊断问题，对粗糙集方法的泛化性能展开深入系统的论述，给出了基于结构风险 小化的粗糙集泛化性能提升方法、基于两分类器设计的多类故障类间干扰抑制方法、基于加权粗糙集的类不平衡故障诊断方法以及代价敏感粗糙集故障诊断方法，为粗糙集理论和方法在故障诊断应用中泛化性能的提高提供了支撑。

本书可供故障诊断和机器学习领域的研究人员及高等院校师生参考。

前言

第1章 绪论

1.1 概述

1.1.1 开展故障诊断的重要性

1.1.2 智能故障诊断方法的优势及挑战

1.1.3 粗糙集方法在不一致信息处理方面的优势

1.1.4 本书的研究动机及目标

1.2 机器学习方法泛化性能控制的研究进展

1.3 粗糙集方法的研究现状

1.3.1 经典粗糙集方法的研究现状

1.3.2 粗糙集方法的拓展研究

1.4 故障诊断中影响粗糙集方法泛化性能的主要问题

1.4.1 数据噪声普遍存在

1.4.2 多类故障的诊断规则提取存在类间相互干扰

1.4.3 故障数据的类分布不平衡

1.4.4 故障的误诊断代价存在差异

1.5 本书的研究内容及章节安排

第2章 粗糙集基本理论及方法

2.1 粗糙集理论的基本概念

2.1.1 决策表

2.1.2 等价类和粗糙集

2.1.3 粗糙集的上、下近似

2.1.4 粗糙集的不确定性度量

2.1.5 属性约简

2.1.6 决策规则

2.2 基于粗糙集理论的属性约简方法

2.3 基于粗糙集理论的决策规则提取方法

2.4 基于粗糙集提取规则集的分类决策方法

2.5 本章小结

第3章 机器学习泛化性能控制理论及方法

3.1 机器学习问题的一般表示

3.2 机器学习的经验风险 小化

3.3 机器学习方法的泛化性能控制理论

3.3.1 机器学习方法的复杂度

3.3.2 机器学习方法泛化能力的界

3.4 机器学习方法泛化性能控制的SRM原则

3.5 本章小结

第4章 粗糙集方法的结构风险 小化

4.1 概述

4.2 粗糙集方法的结构风险控制

4.2.1 属性约简

4.2.2 小属性约简

4.2.3 基于 小属性值域空间的属性约简

4.2.4 基于 小导出规则数的属性约简

4.3 粗糙集方法的SRM算法

4.3.1 基于遗传多目标优化的SRM算法

4.3.2 启发式SRM算法

4.4 实验分析

4.4.1 实验配置

4.4.2 汽轮机振动故障诊断的SRM实验

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：面向故障诊断应用的粗糙集理论及方法在线阅读

在线听书地址：面向故障诊断应用的粗糙集理论及方法在线收听

在线购买地址：面向故障诊断应用的粗糙集理论及方法在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！