基于粗糙集和BP神经网络的试验数据质量评估

庞亮

（中国人民解放军92493 部队，辽宁葫芦岛 125000）

装备试验数据是各类装备试验活动过程中使用和产生的所有数据的总称，是装备数据的重要组成部分。在大数据时代，高质量的装备试验数据是装备可靠运行、试验数据高效处理，并有效挖掘试验数据潜在价值的基础，是减少人力、物力和提升效率的有效途径。对试验数据质量评价，有助于了解并掌握试验数据的不足，为后续试验数据价值的深度挖掘提供支撑[1-5]。

神经网络算法各要素之间在结构上交互连接、相互影响，具有较强的自我学习能力。而数据质量的各评估指标之间有些规则往往是相互交叉和关联的，应用粗糙集对评估指标进行筛选，在保证能力不变的前提下，可有效去除不相关的冗余指标。因此，文中将粗糙集和BP 神经网络相结合构建评估模型，对装备试验数据质量进行定量评估[6-10]。

1 概述

1.1 粗糙集理论

粗糙集理论是由波兰科学家Z.Pawlak 提出的，是一种主要用于处理不精确或不相容问题的数学工具，通过对各种属性进行约简，从而发掘潜在的信息，在数据挖掘等相关领域得到广泛应用。可以用一个四元组来表示该系统，即：

其中，L={x1,x2,…,xm}为有限的非空集合；A={a1,a2,…,an}为有限非空的属性集合；R为属性a的值域；f为系统函数，f:L×A→R,f(x,a)∈R[11-13]。

1.2 BP神经网络

BP 神经网络是基于误差反向传播学习的多层前馈神经网络，常用的为三层BP神经网络，其原理如下：

网络的三层结构主要包括输入层X、中间层Y、输出层Z。假定理想的输出层为O，中间层的第j个神经元yj，以及输出层的第k个神经元zk分别满足：