图书介绍：在故障诊断中，粗糙集方法对新故障实例的泛化性能不仅与现有故障实例集上的经验风险有关，而且与粗糙集方法自身的复杂度密切相关，常规粗糙集方法由于只关注前者，因此，通常情况下难以保证对新故障实例具有可靠的泛化性能。通过将机器学习领域中广泛采用的控制机器学习方法泛化性能的基本理论--结构风险最小化原则引入到粗糙集方法中，提出了基于结构风险最小化的粗糙集方法，不仅保证了粗糙集方法在现有故障实例集上具有较低的经验风险，而且同时有效地控制了粗糙集方法的复杂度，使获得的故障诊断知识具有更强的统计特性，本书首先对粗糙集和结构风险最小化理论作详细的介绍，然后介绍了基于遗传算法、启发式算法的结构风险最小化粗糙集方法。接着介绍了机械设备多类故障诊断的粗糙集方法，针对数据类不平衡问题进行分析，以提高决策系统的泛化性能。最后针对不同的故障类型和严重程度，介绍基于代价敏感的粗糙集故障诊断方法。