粗糙集理论在信息融合技术中的应用研究

摘 要 通过分析粗糙集理论与信息融合技术之间的关系，得出了粗糙集理论和信息融合作为两种推理过程，在建立对象模型（模式）和利用模型（模式）来甄别对象方面可以起到互补的作用。

关键词 粗糙集理论 信息融合 故障诊断

中图分类号：TP202 文献标识码：A 文章编号：1002-7661（2013）14-0005-01

一、信息融合技术在故障诊断中存在的问题

融合算法是数据融合实现的基础工具。目前数据融合算法的研究都针对性很强，普遍的做法是针对问题本身进行相应的算法研究，或者单纯的从其它相关领域的研究结果进行移植或者变换，融合算法的分类也很不清晰，而且相互交织。随着多传感器应用领域的不断扩展，信息融合技术也遇到了一些新问题、新特点。这些特点在故障诊断应用中尤为突出。

（1）很多现存的信息融合诊断方法需要了解对象的一些先验知识。比如目标出现的先验概率，目标模型、对象的统计信息等等，但在现实情况中，我们对对象的先验知识并不了解太多，这就给我们的研究造成了一定的困难。

（2）信息融合的范围扩大了。融合信息包括不同领域的数据，如可能有逻辑值、数值等等，甚至是专家的知识。这些也给我们的进一步研究带来挑战。

（3）待融合数据往往是不准确或者不完整的。例如由于干扰、传感器精度等客观原因，收集到的信息可能包括不相容甚至矛盾的数据。

二、粗糙集理论与信息融合技术的关系分析

在处理不确定信息时，粗糙集理论通过上、下近似集的定义，通过等价关系可以给出确定的数学描述。粗糙集理论对不确定数据分析、推理，发现数据间的关系、提取有用特征，简化信息处理，研究不精确、不确定知识的表达、学习、归纳方法提供了一个有力的工具。它能通过已有的信息本身构造决策规则，不需要提供先验的知识加以选择和提取。因此，已有学者将该理论应用到数据挖掘、信道噪声抑制、态势评估、信息融合等领域中，取得了较好的效果。下面我们从几个方面谈谈它们之间的关系。

（1）知识的输入：粗糙集理论的输入是任何关于对象的真实数据，信息融合的输入是来自多个传感器或者数据源的数据。

（2）粗糙集理论和信息融合是两种产生知识的过程，即从原始数据中发现和总结知识，是归纳的过程；信息融合是利用已有的知识、经验来处理未知世界得到的不同领域的数据，是个演绎的过程。

（3）知识获取的目的：粗糙集知识获取的目的是发现模式以及发现代表未知模式的新对象和实例；信息融合知识获取的目的是对符合某一模式的单独对象或实例做出甄别，或者从大量数据中对已知的对象或实例的类别、状态做出判别。

（4）知识的输出：粗糙集输出的是描述对象或实例关系或行为的模型；信息融合的输出是利用模型对实例做出的分类和判断。

由以上论述可以看出，粗糙集理论和信息融合作为两种推理过程，在建立对象模型（模式）和利用模型（模式）来甄别对象方面可以起到互补的作用，粗集理论可以利用信息融合收集到的数据进行分析，不需专门的实验过程，可以和信息融合很自然的结合在一起。

三、基于粗糙集理论的故障融合诊断框架

从粗糙集理论与信息融合的关系可以看出，将粗糙集理论应用到故障融合诊断中，不仅可以克服信息融合中存在的一些问题，而且可以较好地弥补当前技术在信息融合应用中的缺陷。如图描述了故障诊断中基于粗糙集的融合诊断过程。

参考文献：

[1]张文修，吴伟志，梁吉业，李德玉.粗糙集理论与方法[M].北京：科学出版社，2001.

[2]曾黄麟.粗集理论及其应用（修定版）[M].重庆大学出版社，1998.