论文部分内容阅读
本文简要阐述了数据挖掘的基本原理，针对车辆故障诊断的特殊性和复杂性及诊断中存在的不完备信息和不一致信息，阐述了将粗糙集理论用于车辆故障诊断的必要性。分析了粗糙集理论和神经网络技术在故障诊断应用中的优点和缺点，阐明了二者结合的必然性，提出将二者结合起来的车辆故障诊断数据挖掘系统框架。分别用模糊c—均值、Kohonen神经网络和k—均值三种方法离散化故障诊断中的连续属性值。结果表明，应用不同的离散化方法得到的规则不同，因此在实际使用中必须考虑离散化方法的适当选用。另外，利用粗糙集约简结果构建神经网络，不仅可以简化神经网络结构，而且极大的提高了神经网络的效率。在粗糙集理论不能得到满意规则时，神经网络是有力的补充手段。因此二者的结合具有良好的应用前景。