Indexed by：
Abstract：
针对BP神经网络在实际工程应用中受到大量冗余信息的制约，以及基于信息熵的属性离散方法的阈值选取具有主观性的缺点，提出了改进的基于信息熵的粗糙集连续属性离散化算法。该算法将Naivescaler离散化算法和信息熵离散化方法相结合，减少了离散化算法中候选离散点的数量；基于粗糙集约简信息决策表，有效解决了BP神经网络训练样本过于庞大的问题；并通过改进的离散化算法对属性约简后数据进行分类，将分类后的数据运用到神经网络运算中，进一步缩短了神经网络的运算时间。通过实例分析表明，该方法具有很好的故障诊断效果，并有效提高了诊断效率。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
机械制造与自动化
ISSN： 1671-5276
CN： 32-1643/TH
Year： 2015
Issue： 5
Page： 204-208
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
