期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于多种群量子进化的区间二型模糊规则挖掘算法 被引量:7
1
作者 钱小毅 张宇献 +1 位作者 张志峰 王建辉 《控制理论与应用》 EI CAS CSCD 北大核心 2019年第1期32-42,共11页
利用智能优化算法挖掘模糊分类规则能够解决模糊前件参数和无关项的组合优化问题,但也存在依赖初始规则以及更新过程无指导等缺陷,导致分类精度难以保证.为此,本文以二型模糊规则分类系统为框架,采用模糊聚类得到代表性样本并启发式的... 利用智能优化算法挖掘模糊分类规则能够解决模糊前件参数和无关项的组合优化问题,但也存在依赖初始规则以及更新过程无指导等缺陷,导致分类精度难以保证.为此,本文以二型模糊规则分类系统为框架,采用模糊聚类得到代表性样本并启发式的产生初始规则,以量子等位基因形式对规则进行编码生成多初始种群,根据基因的优良性,以变尺度变异操作实现等位基因的指导性进化.在此基础上,利用矛盾规则重构机制,提高模糊规则分类系统的精度.将所提出算法与FH–GBML–IVFS–Amp算法和GAGRAD算法进行了分类精度对比,并在不同噪声水平下,与C4.5算法、朴素贝叶斯分类器和BP神经网络进行分类鲁棒性比较,实验结果表明所提出算法具有较好分类精度与鲁棒性. 展开更多
关键词 基于模糊规则分类系统 量子进化算法 多种群量子编码 变尺度变异 矛盾规则重构
在线阅读 下载PDF
基于知识规则挖掘的风电机组故障识别与解释性分析 被引量:2
2
作者 钱小毅 孙天贺 +1 位作者 王宝石 韩玥 《太阳能学报》 EI CAS CSCD 北大核心 2023年第8期379-385,共7页
针对传统风电机组故障识别方法精度难以保证且缺乏解释性的问题,提出一种以模糊规则分类系统为框架的风电机组故障识别与解释性分析方案。离线阶段通过启发式学习生成代表性故障规则,采用多种群量子进化算法实现故障规则寻优,提高对故... 针对传统风电机组故障识别方法精度难以保证且缺乏解释性的问题,提出一种以模糊规则分类系统为框架的风电机组故障识别与解释性分析方案。离线阶段通过启发式学习生成代表性故障规则,采用多种群量子进化算法实现故障规则寻优,提高对故障的识别精度;在线阶段定义近邻规则竞争策略,在此基础上提出基于故障规则后处理策略的故障解释性分析方案,实现潜在故障概率排序以及解释性的关键异常征兆表达。以兆瓦级风电机组常见的10种故障数据进行仿真分析。结果表明,所提方法可有效提高故障识别精度,同时提供可靠的故障解释性结果。 展开更多
关键词 风电机组 数据挖掘 故障诊断 模糊规则分类系统 故障概率 解释性分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部