基于粗决策树的动态规则提取算法

　　针对静态算法对大数据和增量数据处理不足的问题，构造了基于粗决策树的动态规则提取算法，并将其应用于旋转机械故障诊断中。将粗集与决策树结合，用增量方式实现样本抽取；经过动态约简、决策树构造、规则提取与选择、匹配4个步骤的循环迭代过程，实现了数据的动态规则提取，使得提取的规则具有更高的可信度；同时，将算法应用于旋转机械故障诊断这一动态问题中，验证了算法的有效性；最后，将所提算法分别与静态算法和增量式动态算法进行了效率对比分析，实验结果表明，所提算法能够以最精简的规则获得更多数据隐含信息。