在爆炸的信息时代,数据规模的增长速度远远超过人类分析与应用的能力。粗糙集理论作为一种数学工具,能够在处理模糊、不精确数据时发挥其优点,不需要提供任何除所原始数据以外的先验信息,在处理不确定性问题时更客观。近几年之中在数据挖掘、模式识别与人工智能等领域得到广泛的应用并快速发展。属性约简作为邻域粗糙集理论的最广泛应用之一,它能够在信息系统中保持其分类、决策能力不变,将不相关、冗余的属性摒弃,从而提取关键属性、简化信息系统。本文提出一种在信息观点下基于条件熵的邻域粗糙集属性约简算法,基于UCI数据集对算法进行有效性验证,并应用该算法处理铝合金焊接接头疲劳寿命,获得关键影响因素,设计拟合基于疲劳特征域的S-N曲线,研发基于疲劳特征域的焊接接头疲劳分析系统。(1)提出了一种基于条件熵的邻域粗糙集属性约简算法(Neighborhood Rough Set Based on Conditional Entropy算法)本文引入信息论,在信息观点下构建邻域粗糙集模型,提出邻域信息熵、邻域条件熵,将邻域条件熵作为属性重要度的度量方式,并以此作为启发条件,提出一种基于条件熵的邻域粗糙集属性约简算法。在UCI数据集上,进行实验分析,验证算法的有效性。(2)提出一种基于疲劳特征域的S-N曲线拟合优化方法为了能够实现降低分散度和降低S-N曲线的标准差,同时又提高疲劳寿命的预测精度,引入了疲劳特征域概念。本文构建焊接接头疲劳决策系统,并提供一种基于改进邻域粗糙集的主S-N曲线拟合方法,以NRSBCE算法对数据进行处理,获得疲劳寿命关键影响因素,从而划分疲劳特征域;根据划分的疲劳特征域进行基于疲劳特征域的主S-N曲线拟合,得到一组S-N曲线簇。(3)设计研发基于疲劳特征域的焊接接头疲劳分析系统利用NRSBCE算法,设计研发基于疲劳特征域的焊接接头疲劳分析系统。通过上传数据集来获得基于网格不敏感结构应力法的主S-N曲线拟合图像和基于疲劳特征域的主S-N曲线簇;从算法角度与邻域粗糙集前向搜索快速属性约简算法结果进行比较。演示了系统的有效性,也为铝合金焊接接头工业生产提供新的技术应用。NRSBCE算法将信息论与邻域粗糙集理论结合提出邻域条件熵的概念,并作为属性重要度的度量,NRSBCE算法不仅能够获得较高的收敛精度,也能在较短的时间内获得更小的约简集合;与此同时,利用该算法进行铝合金焊接接头疲劳影响因素中关键影响因素的提取,从而划分疲劳特征域,获得基于疲劳特征域的主S-N曲线簇;在基于疲劳特征域的焊接接头疲劳分析系统中,使用本算法对铝合金焊接接头疲劳影响因素进行有效分析,并对改进前后的S-N曲线拟合进行可视化,具有很大的实用价值和应用性。