粗糙集理論在信息融合技術中的應用研究

摘 要 通過分析粗糙集理論與信息融合技術之間的關系，得出了粗糙集理論和信息融合作為兩種推理過程，在建立對象模型（模式）和利用模型（模式）來甄別對象方面可以起到互補的作用。

關鍵詞 粗糙集理論 信息融合 故障診斷

中圖分類號：TP202 文獻標識碼：A 文章編號：1002-7661（2013）14-0005-01

一、信息融合技術在故障診斷中存在的問題

融合算法是數據融合實現的基礎工具。目前數據融合算法的研究都針對性很強，普遍的做法是針對問題本身進行相應的算法研究，或者單純的從其它相關領域的研究結果進行移植或者變換，融合算法的分類也很不清晰，而且相互交織。隨著多傳感器應用領域的不斷擴展，信息融合技術也遇到了一些新問題、新特點。這些特點在故障診斷應用中尤為突出。

（1）很多現存的信息融合診斷方法需要了解對象的一些先驗知識。比如目標出現的先驗概率，目標模型、對象的統計信息等等，但在現實情況中，我們對對象的先驗知識并不了解太多，這就給我們的研究造成了一定的困難。

（2）信息融合的范圍擴大了。融合信息包括不同領域的數據，如可能有邏輯值、數值等等，甚至是專家的知識。這些也給我們的進一步研究帶來挑戰。

（3）待融合數據往往是不準確或者不完整的。例如由于干擾、傳感器精度等客觀原因，收集到的信息可能包括不相容甚至矛盾的數據。

二、粗糙集理論與信息融合技術的關系分析

在處理不確定信息時，粗糙集理論通過上、下近似集的定義，通過等價關系可以給出確定的數學描述。粗糙集理論對不確定數據分析、推理，發現數據間的關系、提取有用特征，簡化信息處理，研究不精確、不確定知識的表達、學習、歸納方法提供了一個有力的工具。它能通過已有的信息本身構造決策規則，不需要提供先驗的知識加以選擇和提取。因此，已有學者將該理論應用到數據挖掘、信道噪聲抑制、態勢評估、信息融合等領域中，取得了較好的效果。下面我們從幾個方面談談它們之間的關系。

（1）知識的輸入：粗糙集理論的輸入是任何關于對象的真實數據，信息融合的輸入是來自多個傳感器或者數據源的數據。

（2）粗糙集理論和信息融合是兩種產生知識的過程，即從原始數據中發現和總結知識，是歸納的過程；信息融合是利用已有的知識、經驗來處理未知世界得到的不同領域的數據，是個演繹的過程。

（3）知識獲取的目的：粗糙集知識獲取的目的是發現模式以及發現代表未知模式的新對象和實例；信息融合知識獲取的目的是對符合某一模式的單獨對象或實例做出甄別，或者從大量數據中對已知的對象或實例的類別、狀態做出判別。

（4）知識的輸出：粗糙集輸出的是描述對象或實例關系或行為的模型；信息融合的輸出是利用模型對實例做出的分類和判斷。

由以上論述可以看出，粗糙集理論和信息融合作為兩種推理過程，在建立對象模型（模式）和利用模型（模式）來甄別對象方面可以起到互補的作用，粗集理論可以利用信息融合收集到的數據進行分析，不需專門的實驗過程，可以和信息融合很自然的結合在一起。

三、基于粗糙集理論的故障融合診斷框架

從粗糙集理論與信息融合的關系可以看出，將粗糙集理論應用到故障融合診斷中，不僅可以克服信息融合中存在的一些問題，而且可以較好地彌補當前技術在信息融合應用中的缺陷。如圖描述了故障診斷中基于粗糙集的融合診斷過程。

參考文獻：

[1]張文修，吳偉志，梁吉業，李德玉.粗糙集理論與方法[M].北京：科學出版社，2001.

[2]曾黃麟.粗集理論及其應用（修定版）[M].重慶大學出版社，1998.

（責任編輯 李 翔）