粗糙集理论在锅炉燃烧诊断中的应用

太原理工大学硕士学位论文粗糙集理论在锅炉燃烧诊断中的应用姓名：刘雪斌申请学位级别：硕士专业：检测技术与自动化装置指导教师：谢克明;谢刚20060401粗糙集理论在锅炉燃烧诊断中的应用作者：刘雪斌学位授予单位：太原理工大学相似文献(10条)1.学位论文邱玉霞进化计算与粗糙集理论研究及其在图像处理中的应用2007计算智能方法往往具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、适于并行处理的优点。在并行搜索、联想记忆、模式识别、知识自动获取等方面得到了广泛的应用。进化计算与粗糙集理论是计算智能的两个热点研究方向，是目前信息科学、自动化科学、计算机科学的交叉和前沿研究领域。思维进化算法是模拟人类思维进化过程的一种新型进化计算方法。本文分别以进化计算和粗糙集为研究目标，研究内容分为四大部分，一是进化计算的数列模型及其在收敛性分析中的应用；二是基于种群信息熵的思维进化算法自适应搜索策略研究；三是基于位编码可分辨矩阵的决策规则获取算法的研究；四是基于思维进化算法和粗糙集的图像处理方法的研究。具体内容包括：1．从进化机制出发，研究了进化算法的种群进化的特点并定义了种群适值函数，进而建立了进化的数列模型，并分析了在该模型下几种典型进化算法的收敛特性；2．研究了思维进化算法的进化机理，引入信息论中信息熵的概念，提出了基于种群进化熵的思维进化算法并在进化计算的统一框架下，证明了该算法在数列意义下是收敛的，数值优化实验表明该算法具有良好的性能；3．研究了粗糙集理论的可分辨矩阵，提出了基于位编码可分辨矩阵规则获取策略，并将其成功应用于水泥窑炉运行操作的决策规则获取；4．提出了基于粗糙集理论和思维进化算法的图像分析新方法，将基于种群进化熵的思维进化算法应用于数字图像分割的最佳阈值寻优；应用粗糙集理论中决策表建立形状分类机制，并应用基于位编码可分辨矩阵的规则获取算法，提取决策规则：将上述方法综合应用于染色体畸变分析系统的设计中。本文的创新性成果包括：(1)建立了进化计算方法的数列模型。把复杂的随机过程映射成为种群适值序列，从该序列的性质来分析种群的进化过程，从而便于用数学方法分析种群的进化过程，为进化计算理论研究提供了一种新方法；(2)应用数列模型分析了几种典型进化算法的收敛性。给出了基于种群适值链的进化算法的收敛条件，使用区间套等定理证明了进化计算方法的全收敛性；(3)提出了基于种群进化熵的思维进化算法。将信息论中信息熵的思想引入思维进化算法的进化操作设计，改进了思维进化算法的趋同操作，算法可根据种群进化信息估计种群进化熵，实现搜索区域自适应调整，提高了搜索效率；(4)提出了基于位编码可分辨矩阵的规则获取策略。首先分析了可分辨矩阵求取属性值约简的可能性及合理性，进而提出了基于位编码可分辨矩阵规则获取算法。该算法以位编码可分辨矩阵为基础，实现属性和属性值约简，并将其应用于水泥窑炉运行操作的决策规则约简；(5)将基于种群进化熵的思维进化算法和粗糙集理论分别应用于图像处理的图像分割和形状分类中。设计了基于思维进化算法与粗糙集理论的染色体畸变分析系统。2.会议论文李孟歆.吴成东.侯静粗糙集在图像处理中的研究进展2008由于图像信息的复杂性和相关性,粗糙集具有处理这种不完整和不确定信息的能力.介绍了粗糙集理论的基本概念,描述了粗糙集用于图像处理的特点,详细论述了粗糙集理论在图像滤波,图像增强,图像分割以及图像特征提取与分类的应用。表明了粗糙集与其他智能方法的结合在图像处理中能够取得更好的效果,粗糙集的信息提取能力以及和其他智能方法的易融合性使得粗糙集在图像处理领域具有良好的应用前景。3.学位论文王丹粗糙集理论在图像处理中的若干问题研究2005粗糙集理论是波兰华沙理工大学Pawlak教授在20世纪80年代初提出的一种研究不完整、不确定知识和数据的表达、学习、归纳的理论方法。到1990年前后，由于该理论在决策与分析、模式识别、数据挖掘、机器学习与知识发现等方面的成功应用，逐渐引起了世界各国学者的广泛关注。目前，粗糙集与计算机图像处理的结合已经成为了计算机图像处理的一个新的研究方向。本文的主要工作集中在：尝试将粗糙集理论应用到图像处理中，包括在图像聚类分析中的应用、在图像边缘检测中的应用以及结合数学形态学对图像进行处理的一些应用。虽然，目前有些学者在此方面进行了研究，但所做的工作还较少，相关的参考文献和应用背景也较为缺乏。本文期望在这些方面做更多的探索，一方面充分挖掘粗糙集的应用潜力，另一方面寻找出新的图像处理方法。属性约简是粗糙集理论的核心内容。本文首先提出了一种基于启发式信息的约简算法，该算法简单高效，通过对UCI的8组数据进行实验，证明该算法具有良好的性能。基于粗糙集理论，本文改进了经典的模糊C均值算法，提出了粗糙模糊C均值(RoughFuzzyC-means)算法，并将其应用到图像聚类中，在一定程度上改进了经典模糊C均值算法应用中聚类边界比较粗糙的问题，同时降低了对初始隶属度矩阵的依赖性。本文从算法聚类性能、对初值敏感性方面分别对算法进行了比较实验，实验显示RFCM算法具有一定的优势。结合模糊集，本文还研究了模糊粗糙集模型在图像处理中的应用，提出一种基于T模的二元模糊粗糙集模型，并将该模型应用到图像边缘检测和去噪方面，取得了比Sobel等经典算子较好的效果，在一定程度上改进了经典边缘检测算法对低对比度边缘检测不明显的问题。本文对经典的数学形态学进行了改进，提出一种基于粗糙集的数学形态学算法，在图像边缘检测实验中，改进的模型既保证了边缘的连续性，又克服了形态学算子边缘检测时边界较粗的问题。最后，本文对粗糙集理论在图像处理中的应用进行了总结，对进一步的研究方向进行了展望。4.期刊论文武广富.吕震中.WUGuang-fu.L(U)Zhen-zhong粗糙集理论在火焰图像处理及状态识别中应用-电力自动化设备2007,27(5)粗糙集理论能够在保持系统分类不变的基础上,发现系统内的基本知识.利用Kirsch算子进行图像预处理,依据粗糙集的分类原理将火焰图像的高低温区域分离开来,建立特征量提取的初始模型.根据对燃烧特性的分析确定了4个特征变量作为诊断的依据,根据全炉膛火焰图像的特点确定特征量的计算模型,为便于比较研究,对每个特征量均作离散化处理.由于单个特征量只能部分反映燃烧状态,同时,为克服单变量控制的抗干扰性能差、错误率较高的缺点,按照粗糙集的约简原则,在比较均方差σ基础上选用不同的特征量组合作为判断燃烧状态的参数,构建基于粗糙集约简的多变量融合的状态识别规则.实验表明,采用粗糙集方法可以有效地提高处理速度.5.学位论文颜七笙soft®ulated形态学及其在图像处理中的应用2006本文在分析了经典数学形态学的基本原理及其性质的基础上引入了soft形态学和regulated形态学算子，并详细探讨了它们的基本性质及其与经典形态学算子之间的关系，然后分别对soft形态学与regulated形态学运算在图像滤波、边缘检测以及骨架提取等图像处理领域方面的应用作了探讨，并将其与传统的方法进行了比较。从仿真结果可以明显看出，这两种形态学方法具有更好的抗噪声干扰能力，其性能明显优于经典形态学。最后对基于神经网络与粗集理论两种软计算方法的Regulated形态学进行了初步研究。具体的工作包括：1.根据软形态学单调性、扩展性、和反扩展性，构造了一种SM滤波器。实验结果表明，与其他滤波器(如均值滤波器等)相比，SM滤波器在滤除椒盐噪声、保持图像原有结构方面效果更好。2.构造了一种新型soft形态边缘检测算法，对一幅加有椒盐噪声的灰度图像的仿真试验结果表明，该方法比传统的基于模板的图像边缘检测算法和标准形态学边缘检测算法具有更好的图像边缘提取效果。3.结合结构元素和约束参数的选择，对regulated形态学基本算子进行了一定的分析，得到了几个等价定义和一个颇有意义的结论。比较了调节形态学与普通形态学对噪声图像处理的结果和性能。实验结果表明，这种新形态学算子比经典形态学算子具有更好的噪声抑制能力。4.在经典形态学骨架提取算法的基础上，提出了一种改进的二值图像的regulated形态学骨架提取算法，这种方法得到的骨架连通性更好，且容易实现并行处理。给出了这种算法在离散空间中抽取二值图像骨架的算法。5.针对二值图像，建立了基于感知器模型的二值图像regulated形态运算模型，推广了经典的形态学膨胀与腐蚀运算，并将其应用于二值图像的滤波和边缘提取。6.研究了一类regulated形态学与模糊集、粗集理论相结合的图像滤波算法，它是经典数学形态学方法的拓广和改进，因此有着广泛的应用前景。6.期刊论文刘映杰.马义德.夏春水.李升刚.LIUYing-jie.MAYi-de.XIAChun-shui.LISheng-gang粗糙集理论及其在图像处理中的应用-计算机应用研究2007,24(4)首先描述了粗糙集理论的基本概念,包括粗糙集知识表示方法和粗糙集约简理论;叙述了粗糙集理论及其与其他非线性理论相结合在图像处理中的应用情况;最后指出了粗糙集理论应用于图像处理的基本思路,并指出将粗糙集理论与其他非线性理论相结合应用于图像处理,将会产生更加有效的结果.7.学位论文潘婷婷数学形态学和分水岭算法在遥感图像目标识别中的应用研究2008图像目标识别技术是计算机模式识别与图像处理领域非常活跃的研究课题。分水岭算法和数学形态学算法在图像目标识别中有广泛的应用。本文将这两种方法结合起来，并用于遥感图像目标识别。主要工作总结如下：(1)详细论述了分水岭算法的原理及其在图像处理领域中的相关应用。分水岭算法是一种基于区域特性的分割方法，可以对原始图像和梯度图像进行操作，但是由于分水岭算法很容易产生过分割现象，故先介绍一种预处理方法，然后再利用区域生长型分水岭算法对图像进行分割，并将其用于遥感图像道路提取。(2)详细论述了数学形态学算法的原理，提出一种数学形态学和分水岭算法相结合的图像识别算法，采用形态学尺度空间先平滑原始图像，然后用梯度阈值对图像进行优化，再采用分水岭变换，并通过遥感图像油罐目标识别验证了此方法的优势。(3)详细论述了粗糙集理论。着重介绍了数学形态学和粗糙集相结合的算法，先采用粗糙集滤波对图像进行处理，再通过形态学知识提取图像边界，在此基础上，再利用图像的几何特征，去除非目标区域，并通过遥感图像实验结果进一步验证了其可行性。8.学位论文李继良基于粗糙集理论的图像背景消除2002该文第1章简述了粗糙集理论的基本概念,用图直观地说明了粗糙集理论是怎样实现分类的;介绍了粗糙集理论中上近似、下近似、知识依赖性、约减、核、决策表、粗糙度等等概念.最后,较详细地阐述了粗糙集理论目前的应用状况,把粗糙集理论在计算机科学、数据挖掘、人工神经网络、图像处理、模式识别、医疗诊断、控制系统、Internet、经济、故障诊断等领域典型的应用实例作了介绍.第2章介绍粗糙集理论分类、求上下近似、求交、计算属性依赖性、约减、求核等常用算法及每个算法的时间复杂度.第3章介绍传统的图像分割技术:边界检测技术和阈值分割技术.重点介绍与该文内容有关的Roberts算子边界检测法、Sobel算子边界检测法、求二值化阈值的迭代算法.第4章详细介绍了该文涉及的工程课题,钢筋捆计数的内容、难点及该文所承担的任务——消除钢筋捆图像中的灯光背景.第5章用传统方法处理该文所承担任务,结果说明单靠传统的图像处理方法不能得到满意的结果.第6章给出了粗糙集理论分类的思想方法,并将这种思想方法成功地应用于实际工程问题——钢筋捆图像的灯光背景消除,其结果令人满意.在具体应用中,对背景中的灯光归纳了六种属性:面积、方度、聚度、最小方度差分、扩展方差和扩展均值,其中后四种属性是该文提出的.该文工作归结为三个方面:对粗糙集理论在图像处理领域的应用进行了有益的探索和实践;基于粗糙集理论中正域、负域和边界域的概念,给出了基于粗糙集理论的图像分割思想方法;将上述图像分割思想方法应用于消除钢筋捆图像的灯光背景,获得了满意的结果.9.期刊论文李孟歆.吴成东.