摘要: 旋转机械可以说在各种设备中都存在的，它的重要性不言而喻。在当今社会中计算机在各企业生产中应用越来越来广泛，这对于目前各企业当中自动化程度很高的复杂设备的运行数据的记录处理有很大的帮助。但是设备越复杂和高端，其数据越是庞大。把计算机... 展开 旋转机械可以说在各种设备中都存在的，它的重要性不言而喻。在当今社会中计算机在各企业生产中应用越来越来广泛，这对于目前各企业当中自动化程度很高的复杂设备的运行数据的记录处理有很大的帮助。但是设备越复杂和高端，其数据越是庞大。把计算机中的数据挖掘技术应用于设备的远程故障诊断，将会改善以往传统诊断方式中的滞后性、高费用和无法预知的现状。数据挖掘技术具有数据分析和处理的功能，它的这种智能诊断的优点已经在各行业中得到广泛的推广和应用。 本文主要把可辨识矩阵的算法应用于数据挖掘中，这种方法属于粗糙集理论。这种算法目的是想获取一个知识简约，知识简约即是析取范式中的每一个合取式，析取范式由合取范式转换而来，而合取范式结构的可辨识函数是从构建的可辨识矩阵推导得出。然后使用决策树算法对数据进行分类。这样把两种方法结合可以消除数据集中训练样本的无关数据，进而使计算简化，节省计算时间，提高诊断效率。 应用粗糙集中可辨识矩阵的属性约简算法把属性约简后，可以剔除数据中的噪声和冗余项，然后再通过决策树的C4.5算法进行分类运算。可以提高运行速度，并且也避免决策树子树重复和重复选取生成的规则属性。为今后向更快捷的方向进展提供了选择。 收起