一种基于乐观概念的故障检测决策规则提取方法技术

本发明专利技术公开了一种基于乐观概念的故障检测决策规则提取方法，属于数据挖掘中的规则提取技术领域；具体是从多粒度角度出发，通过计算每层的乐观概念，并根据乐观概念与决策表中决策属性的关系获取决策表中最简规则，设定已提取到规则的论域元素是否覆盖整个论域为决策规则提取的终止条件，最终实现故障检测决策表的规则提取过程；本方法省略了去除规则中冗余属性的过程，降低了故障检测决策规则提取的复杂度，同时加快了收敛速度；本发明专利技术基于乐观概念的决策规则提取方法可在实际应用中推广，起到辅助人类决策的作用。

【技术实现步骤摘要】
一种基于乐观概念的故障检测决策规则提取方法
本专利技术属于计算机科学与信息
，涉及到决策信息系统规则提取技术，具体为一种基于乐观概念的故障检测决策规则提取方法。
技术介绍
目前，针对机械设备故障诊断问题，主要依靠长期积累的规则知识库，近年来，粗糙集方法因其具有较强的数据约简能力被引入到故障诊断领域中来，粗糙集方法将故障知识库看成一个故障决策表来从中提取简化的诊断规则。由于概念格理论与粗糙集在研究目标方面相同，可将概念格理论处理数据方法牵引到故障决策表的规则提取上。1982年Wille提出了概念格(conceptlattice)理论，运用概念格进行数据分析，可以发现数据中隐含的知识、揭示潜在的规律。近年来，很多学者利用FCA对决策表的规则提取进行了广泛的研究：针对完备决策表，李金海等人将启发式算法引入至概念格知识约简方法中，得到决策形式背景的约简属性集，使得获取的规则更加紧凑，有利于数据的决策分析，但是该方法并不能保证约简结果一定为最小约简；苗夺谦等人将形式背景中的属性和对象都进行了粒化，降低了形式背景的规模、减少了方法复杂度，但是粒化使得算法在一定程度上损失了知识约简的准确性。FCA和RST同样为信息发现和知识获取的科学工具，尽管在研究方法上存有差异，但因有相同的研究背景和目标，必然也存在一些共性。魏玲等人讨论了FCA与RST中等价类幂集之间的关系，并且给出了由分划构造概念格、由概念格获得划分的具体方法，康向平等人基于FCA理论提出了一种粗糙集理论模型，该模型提供了一个信息系统中代数结构问题的解决方案，并定义了粗糙集概念来进行规则提取，但是该模型最终约简的规则中存在冗余规则；李金海比较了通过FCA和RST两种理论进行规则提取的过程，用两个规则提取的方法比较了两种方式之间的异同，并对以后两种理论的发展进行了展望，但是没有探讨两种理论之间的对应关系。
技术实现思路
本专利技术克服现有技术存在的不足，提供一种基于乐观概念的故障检测决策规则提取方法，目的是提高故障检测规则提取的收敛速度，降低提取的复杂度。本专利技术是通过如下技术方案实现的。一种基于乐观概念的故障检测决策规则提取方法，包括以下步骤：1)计算故障检测决策表中决策属性下所有等价类，并初始化ω＝1；2)计算在每个粒度下的最小乐观概念，判断每一粒度下最小乐观概念的外延是否为故障决策等价类的子集：若当前最小乐观概念的外延是某个故障决策等价类的子集，则记录生成的规则，并更新论域元素的集合；若当前最小乐观概念的外延不是某个故障决策等价类的子集，则继续判断下一个最小乐观概念。其中所述的最小乐观概念是乐观概念(UB,B)；即在决策信息系统T＝{U,A,V,f}中，设属性集关于U的任一个等价类为UB，若不存在使得B'关于U的等价类为UB'满足UB'＝UB,则乐观概念(UB,B)为最小乐观概念；3)判断论域元素集合是否覆盖整个论域，若已经覆盖，则决策规则提取结束，否则继续求下一个粒度的最小乐观概念，直到决策规则提取结束；4)输出所有逻辑规则，实现对故障检测决策表的知识提取。所述故障检测决策表是指：在故障检测决策表DIS＝{U,C∪D,V,f}中，其中U为故障样本集，C为故障征兆属性集合，D为故障决策属性。其中V表示故障征兆。f为该故障决策表的信息函数，它制定了每一样本所对应的故障属性值。最小乐观概念是通过最小概念和乐观概念得到，所述的最小概念是指在形式背景T＝(U,A,I)中，对于集合满足P↑＝Q且Q↓＝P；若存在满足Q1↓＝Q↓，且不存在满足Q0↓＝Q1↓，则定义概念(P,Q1)为最小概念。关于由等价类生成的最小乐观概念当符合以下条件则满足完备格：在故障检测决策表DT＝{U,C∪D,V,f}中,由所有等价类产生的最小乐观概念组成的集合BT是一个完备格。进一步的，所述所有等价类产生的最小乐观概念包括：对于任意两个乐观概念(U1,B1)、(U2,B2)，可证明(U1∪U2,B1∩B2)、(U1∩U2,B1∪B2)均为最小乐观概念；对于任意两个乐观概念(U1,B1)、(U2,B2)，必满足(U1,B1)∪(U2,B2)＝(U1∪U2,B1∩B2)、(U1,B1)∩(U2,B2)＝(U1∩U2,B1∪B2)，因此对于任意S个乐观概念，必满足本专利技术相对于现有技术所产生的有益效果为。本专利技术所述的决策表是信息系统的一种重要的表现形式，决策表的规则提取是数据挖掘领域的重要课题；形式概念分析是一种数据分析的理论工具；粒计算是对求解的问题进行粒化，在多个粒度空间下进行分析和求解；本专利技术从形式概念分析和粗糙集理论之间的关系出发，利用等价关系定义了乐观概念格及其结构；乐观概念区别于传统经典概念，但是具有格的结构，在乐观概念基础上提出一种决策表的规则提取方法。本专利技术引入粒度思想，在由粗到细的粒度空间下求取每层的乐观概念，根据乐观概念与决策属性之间的关系进行规则提取。乐观概念比经典概念定义更宽泛，生成方法更简单。本专利技术通过定理证明、实例分析说明了所述提取方法的正确性和有效性，并用UCI数据集对比了现有的其他提取方法，测试结果则显示了其准确性和快速。本专利技术基于乐观概念的决策规则提取方法可在实际应用中推广，起到辅助人类决策的作用。本专利技术具体的有益效果为：1、本方法运用新的概念格形式；省略了去除规则中冗余属性的过程。2、本专利技术通过将粗糙集与概念格理论相结合，实现机械故障检测决策表的诊断规则获取。3、本专利技术利用最小乐观概念的外延与决策属性之间的联系进行规则提取，简易了规则的判断，降低了决策规则提取的复杂度。4、本专利技术省去了传统概念格规则提取方法的扩展决策表的过程，降低了决策规则提取的空间和时间复杂度。5、本专利技术通过设定已提取到规则的论域元素是否覆盖整个论域为决策规则提取的终止条件，加快了决策规则提取的收敛速度。附图说明图1为本专利技术所述基于乐观概念决策规则提取方法的流程示意图，图中的1-4表示步骤1)-4)。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，结合实施例和附图，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。下面结合实施例和附图详细说明本专利技术的技术方案，但保护范围不被此限制。如图1所示，是一种基于乐观概念的故障检测决策规则提取方法流程示意图，该方法的具体步骤为：输入：故障检测决策表T＝{U,A,V,f}输出：所有规则集rules1、计算故障决策属性D下所有等价类，初始化粒度ω＝1、已覆盖论域元素2、在粒度ω下计算属性子集x下关于论域的等价类；(且为满足|x|＝ω的所有集合)3、计算所有等价类所对应的最小乐观概念。4、对于任意的乐观概念(P,B)，判断其外延是否为某个故障决策等价类的子集，做如下处理：5、若P为故障决策等价类Di的子集，即且为保证最小乐观概念格最简，选择其本文档来自技高网...

【技术保护点】
1.一种基于乐观概念的故障检测决策规则提取方法，其特征在于，包括以下步骤：/n1)计算故障检测决策表中决策属性下所有等价类，并初始化ω＝1；/n2)计算在每个粒度下的最小乐观概念，判断每一粒度下最小乐观概念的外延是否为故障决策等价类的子集：若当前最小乐观概念的外延是某个故障决策等价类的子集，则记录生成的规则，并更新论域元素的集合；若当前最小乐观概念的外延不是某个故障决策等价类的子集，则继续判断下一个最小乐观概念；/n其中所述的最小乐观概念是乐观概念(U

【技术特征摘要】
1.一种基于乐观概念的故障检测决策规则提取方法，其特征在于，包括以下步骤：
1)计算故障检测决策表中决策属性下所有等价类，并初始化ω＝1；
2)计算在每个粒度下的最小乐观概念，判断每一粒度下最小乐观概念的外延是否为故障决策等价类的子集：若当前最小乐观概念的外延是某个故障决策等价类的子集，则记录生成的规则，并更新论域元素的集合；若当前最小乐观概念的外延不是某个故障决策等价类的子集，则继续判断下一个最小乐观概念；
其中所述的最小乐观概念是乐观概念(UB,B)；即在决策信息系统T＝{U,A,V,f}中，设属性集关于U的任一个等价类为UB，若不存在使得B'关于U的等价类为UB'满足UB'＝UB,则乐观概念(UB,B)为最小乐观概念；
3)判断论域元素集合是否覆盖整个论域，若已经覆盖，则决策规则提取结束，否则继续求下一个粒度的最小乐观概念，直到决策规则提取结束；
4)输出所有逻辑规则，实现对故障检测决策表的知识提取。


2.根据权利要求1所述的一种基于乐观概念的故障检测决策规则提取方法，其特征在于，所述故障检测决策表是指：在故障检测决策表DIS＝{U,C∪D,V,f}中，其中U为故障样本集，C为故障征兆属性集合，D为故障决策属性。其中V表示故障征兆。f为该故障决策表的信息...

【专利技术属性】
技术研发人员：陈泽华，赵哲峰，柴晶，温馨，闫心怡，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14