基于神经网络的风力发电机组状态监测的研究答辨.pptxVIP

基于神经网络的风力发电机组状态监测的研究 姓名：宋谷月 导师： 2013.3.15 1 答辩内容 2 研究背景 一、DTN定义 自组织无线网络中演变而来的一种新型网络模型，节点之间间歇性连通。 二、DTN网络环境 Mobile Ad hoc Network、Wireless Sensor Network、车载网络、卫星网络等 三、应用领域 军事战争、航天通信、灾难恢复、应急抢险等 3 研究内容 4 研究内容 5 基于粗糙集和遗传算法的属性约简  连续属性离散化 连续属性的离散化是知识获取中数据预处理的一项重要内容。粗糙集理论处理的对象必须是离散的，如车的重量分为超重、中等、轻，可以分别用三个值或符号来表示，它不能直接处理连续属性，如浮点型数据。连续属性离散化的根本出发点是在保证离散化前后决策信息未丢失的前提下，用尽可能少的断点将属性空间划分成尽可能少的子空间，这也是离散化算法追求的目标。 6 基于粗糙集和遗传算法的属性约简  基于改进贪心算法的离散化方法 在求取断点时，通常情况下，我们都希望求得的断点集数目越少越好，但是，最小数目断点集的求取是NP难问题，因此我们只能近似地求取最小断点集，所采用的算法也是近似最优算法。对Nguyen H.S和Skowron提出的贪心算法来改进后为： 7 第一步：用原始信息表 构造出信息表 第二步：令最佳断点集合 第三步：把信息表中所有列中的1加和，选取和最大的列的断点加入到CUT中，把该断点所在的列删除，并删除掉在此断点上值为 1的所有行；如果有多个列中的1的个数相同，则把列对应的断点所在的列值为 1的行的 的数目相加，哪个和最小就取哪个作为断点。 基于粗糙集和遗传算法的属性约简  构造信息表 8 的过程 基于粗糙集和遗传算法的属性约简  遗传粗糙集属性约简 属性约简是粗糙集的核心内容之一，为了有效获取最优或次优约简，将遗传算法与粗糙集相结合来进行属性约简，约简过程需要以下步骤： 9 （1）二进制编码 个体表示：遗传算法解空间的个体采用二进制串表示，其中每一个位对应一个条件属性，如果在某个位置上其值为0，则表示其对应的条件属性可以去掉，如果在某个位置上其值为l，则表示其对应的条件属性被选中。由于选取的个体中可能包含核属性，因此只对个体中除核属性以外的其它属性进行随机编码。比如某个决策表有6个条件属性 ，其核属性为 则其对应的编码都始终为“l”。其它条件属性由“0”或“1”随机产生。 基于粗糙集和遗传算法的属性约简  遗传粗糙集属性约简 （2）确定适应度函数 适应度函数定义如下： 10 上式中 表示有多少个条件属性； 表示r染色体有多少个基因位1， k是依赖度，表示决策属性对该染色体所含条件属性的依赖程度。该适应度函数能够诱导染色体向着最小约简的方向发展进化：如果k很大，说明决策属性D对条件属性C的依赖程度很强； 可以用来控制染色体中条件属性的个数。通过上述两点，可以找到条件属性的最小约简，而且能够保证决策属性对整体条件属性依赖度不变。 基于粗糙集和遗传算法的属性约简  遗传粗糙集属性约简 （3）选择操作 在本文中选择操作采用轮盘赌方法。主要分为以下三步： ①求得所有个体适应度的累加和。 ②然后计算每个个体被遗传到下一代的概率，也叫相对适应度，如下： 11 ③模拟赌盘 (0~1之间取随机数）操作，再与上一步计算的相对 适应度结合起来，最终确定每个个体被选中的次数。 基于粗糙集和遗传算法的属性约简  遗传粗糙集属性约简 （4）交叉操作 采用单点交叉方式。过程如下： 在种群中不重复地随机选取个体，并两两进行配对，对于配对的每个个体，随机设置某一位作为交叉点，交叉的概率为 ，所谓交叉就是在交叉点处交换两个个体余下部分染色体，得到新的个体。 12 基于粗糙集和遗传算法的属性约简  遗传粗糙集属性约简 （5）变异操作 采用基本位变异方式，具体执行过程如下： 按照变异概率 对个体的每个基因位指定变异点，对于指定的变异点，除了核属性对应的基因位不变异外，别的属性对应基因位都做取反操作，这样就可以得到新的个体。 13 基于粗糙集