商品详情

118.92

《面向故障诊断应用的粗糙集理论及方法》

数量

商品详情

目录前言第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最小化 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最小化 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 最小属性约简4.2.3 基于最小属性值域空间的属性约简4.2.4 基于最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4.4.3 粗糙集方法获得的各项性能指标随复杂度的变化4.4.4 各种复杂性度量指标的比较4.4.5 各种SRM算法的比较4.4.6 实验结论 4.5 本章小结第5章 多类故障诊断的类间干扰及抑制 5.1 概述 5.2 多类故障诊断的类间干扰问题 5.3 类间干扰的抑制方法5.3.1 保留全部属性的方法5.3.2 基于一类分类器设计的方法5.3.3 基于两类分类器设计的方法 5.4 基于两类分类器设计的类间干扰抑制算法5.4.1 两类分类器的构建策略5.4.2 两类分类器的协同决策策略5.4.3 类间干扰抑制算法设计 5.5 实验分析5.5.1 实验配置5.5.2 汽轮机多类振动故障诊断的类间干扰抑制实验5.5.3 各种类间干扰抑制算法的比较分析5.5.4 保留全部属性方法的性能5.5.5 解决多类问题的两类及一类算法性能比较5.5.6 实验总结 5.6 本章小结第6章 故障诊断中类不平衡问题处理的加权粗糙集方法 6.1 概述 6.2 类不平衡问题处理的基本方法6.2.1 数据重采样6.2.2 样本加权6.2.3 基于一类分类器的方法 6.3 加权粗糙集模型 6.4 基于加权粗糙集的类不平衡问题处理方法6.4.1 加权属性约简6.4.2 加权规则提取6.4.3 加权决策 6.5 类不平衡问题处理的性能评价 6.6 实验分析6.6.1 实验配置6.6.2 汽轮机振动故障诊断的类不平衡问题处理实验6.6.3 粗糙集方法的各种类不平衡处理策略比较6.6.4 加权粗糙集方法的各种算法配置比较6.6.5 与其他类不平衡问题处理方法的比较6.6.6 类不平衡问题处理的权值选择6.6.7 实验总结 6.7 本章小结第7章 考虑误诊断代价的故障诊断方法及评价 7.1 概述 7.2 考虑误诊断代价的基本方法7.2.1 基于类不平衡问题处理技术的方法7.2.2 基于最小期望代价分类准则的方法 7.3 基于加权粗糙集和最小期望代价分类准则的代价敏感故障诊断方法7.3.1 不考虑数据集类分布特性的方法7.3.2 考虑数据集类分布特性的方法 7.4 代价敏感故障诊断的性能评价7.4.1 传统的性能评价指标7.4.2 不依赖于测试集特性的性能评价指标 7.5 实验分析7.5.1 实验配置7.5.2 汽轮机振动故障的代价敏感诊断实验7.5.3 各种代价敏感问题处理方法的比较7.5.4 实验总结 7.6 本章小结参考文献内容推荐 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最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。

相关产品推荐

正在加载……

服务参数

- 本商品享受上述商家服务 - 关闭

商品参数

×