基于案例和规则的混合推理机制及其应用

提出一种基于案例和规则的混合推理机制求解产品概念设计方案.通过案例匹配方式寻求方案设计结果,在相似度达不到要求的情况下转入规则推理进行修正设计.针对案例推理中案例检索的准确度和效率低下等问题,采用粗糙集理论对产品已有的案例库进行处理,得到案例特征属性的真实权重,提高了案例检索准确度;运用层次聚类和K-means聚类相结合的混合聚类算法对案例库中的案例进行聚类并形成索引,提高了案例检索效率.通过摩托车概念设计应用实例验证了该文方法的可行性和有效性.     

一种基于案例推理的装备故障诊断技术

针对装备故障诊断中故障现象难以用结构数据表达,提炼规则比较困难的问题,建立一种基于CBR技术的故障诊断软件系统.系统将维修专家的知识以案例问题和案例解决方法的形式保存,通过检索案例库来进行故障诊断并将诊断记录作为新的知识.介绍了系统的结构,重点研究了案例的表示与相似度的计算,说明了案例的检索与维护.结果表明,基于该思想构建的装备故障诊断软件系统,可以将已有诊断案例作为知识来源提高系统的诊断能力.     

基于CBR技术的数控机床故障诊断专家系统

在使用和维护数控机床的过程中,要求使用者掌握较强的专业技能,并能快速处理故障问题。利用基于CBR推理技术,构建了数控机床故障诊断专家系统,并且进行了原型系统的验证。通过对数控机床故障案例特征的研究,梳理故障知识结构,构建数控机床故障案例库,利用根据数控机床特征,为不同的故障属性设置权重,利用基于相似系数的方法,将提出的问题与故障案例库中的案例进行相似性对比,选出相似性最高的案例作为故障诊断方案,以实现数控机床故障诊断推理。     

基于形式概念的汽轮机相似故障案例检索

作为故障诊断的一种方法,案例推理从以往的历史案例中检索相似案例作为新事件的参考解。在整个案例推理过程中,案例检索是最为关键的一步。案例检索的内容是以一定形式表达的案例,案例检索的方式是计算新事件与历史案例间的相似度。判断新事件与历史案例的相似度主要考虑两个问题,一是属性间的相似度,二是属性的权重。形式概念作为知识的一种表示方式,不仅能表达案例与属性之间关系,还能反映属性的权重。本文在基于形式概念的知识表达方式上,提出了一种改进的相似度计算方法。在改进算法中,引入了参数。在具体应用中,通过选取合适的的值,能为每个属性合理地分配相应的权重,使得检索结果更为精确。其效果在汽轮机故障诊断的实际应用中得到了检验。     

基于粗糙集的航路飞行冲突智能解脱CBR系统案例检索方法

针对航路飞行冲突智能解脱中的案例推理问题,提出了基于粗糙集的改进案例检索方法.建立了框架式案例知识系统表达结构,包括19个条件属性变量和1个决策变量.将基于信息熵的全局优化算法和启发式快速约简算法用于属性约简,把17项案例属性检索指标根据天气和军方活动的情况分别简约为4项.依据条件属性对决策属性的影响程度,建立了基于粗糙集属性重要度的指标权重确定方法.通过算例进行计算,将简约前后的案例检索效果进行比较,结果表明一致性达到90％.简约后的属性不仅可以保证较好的检索质量,还能够有效减少检索空间,提高检索速度.     

基于粗糙集的航路飞行冲突智能解脱系统案例检索方法

针对航路飞行冲突智能解脱中的案例推理问题,提出了基于粗糙集的改进案例检索方法。建立了框架式案例知识系统表达结构,包括19个条件属性变量和1个决策变量。将基于信息熵的全局优化算法和启发式快速约简算法用于属性约简,把17项案例属性检索指标根据天气和军方活动的情况分别简约为4项。依据条件属性对决策属性的影响程度,建立了基于粗糙集属性重要度的指标权重确定方法。通过算例进行计算,将简约前后的案例检索效果进行比较,结果表明一致性达到90%。简约后的属性不仅可以保证较好的检索质量,还能够有效减少检索空间,提高检索速度。     

基于案例推理的流动式起重机故障诊断系统设计

该文研究了基于案例推理的专家诊断模型中的关键技术——故障案例库的建立、故障案例检索、故障案例的重用,研究探讨了案例检索机制中字符串相似度的计算方法,建立了故障检索机制的模型。结合实际工作的需要,设计实现了一个基于案例推理(CBR)的流动式起重机故障诊断系统,系统以基于案例推理的诊断技术为基础,采用关系型数据库存储数据,实现了流动式起重机械的故障诊断。     

案例推理技术用于故障诊断时的相似算法

基于案例推理技术CBR(case based techno logy)应用于故障诊断领域时,如何快速检索到最相似的故障案例是故障诊断成功的关键,相似算法主要包括相似度的定义、计算以及案例检索技术。传统相似算法存在定量计算相似度困难、计算精度低、大量依靠专家经验、案例匹配效率不高等问题。给出了不同情况下相似度的计算公式、案例的表示与存储方法和案例的检索方法,可准确、快速地匹配故障案例,解决了CBR技术应用于实际故障诊断系统中的难题。     

基于邻域粗糙集概念的一种滚动轴承特征提取方法

针对滚动轴承早期微弱故障识别率偏低的问题,提出一种基于EEMD、邻域粗糙集和模糊C均值聚类(FCM)算法相结合的滚动轴承特征提取方法.该方法将滚动轴承的原始信号进行EEMD分解得到若干个IMF分量,通过均方差和欧氏距离两个评价指标选取出敏感特征分量,构造原始特征数据集,对处理后的原始特征集属性进行NRS约简,剔除冗余属信息,最后将剩余属性的特征数据集作为模糊C均值聚类的输入,实现滚动轴承故障识别.为了对比本文方法对于滚动轴承的故障识别效果,分别添加了FCM、NRS-FCM和EEMD-FCM三种方法进行故障辨识,利用划分系数(PC)和划分熵(CE)对聚类结果进行评价与对比.通过实验表明:邻域粗糙集对于改进滚动轴承的故障识别效果十分明显,具有良好的应用前景.     

邻域粗糙集和Fisher判别法结合的转子故障决策规则提取方法

针对旋转机械故障诊断知识获取困难的问题,将邻域粗糙集和Fisher(费舍)判别法相结合,对从故障数据库中提取决策规则的方法进行了研究.首先基于邻域粗糙集理论对转子故障的时域特征属性集进行属性约简,据此达到消除冗余属性的目的,然后再依据费舍判别法对故障数据集进行故障模式识别.通过处理转子实验台数据来对该方法进行的验证以及与传统方法进行的对比情况表明:本方法在节省数据存储空间的同时还具有能够获得较准确的故障分类决策规则能力.     

基于矩阵策略的不完备混合型数据增量式特征选择算法

特征选择是粗糙集理论在数据挖掘等领域中一种重要的应用,如何对动态变化的信息系统进行增量式特征选择是目前粗糙集理论研究的重点。在不完备混合型信息系统中,属性集的不断增加是信息系统动态变化的一种重要形式。首先在不完备混合型信息系统中引入邻域条件熵的概念,并且利用矩阵的方法去表示邻域条件熵;然后针对属性集动态增加的情形,提出矩阵形式的邻域条件熵增量式更新,并且基于这种增量式更新机制给出了相应的增量式特征选择算法;最后,UCI数据集的实验结果表明,所提出的增量式特征选择算法比非增量式特征选择算法具有更高的特征选择性能。     

结合邻域信息和标记相关性的在线多标记流特征选择算法

现有大多数多标记流特征选择算法在进行特征选择时,往往忽略标记间的相关性,易导致算法预测精度的下降。为解决这一问题,提出一种结合邻域信息和标记相关性的在线多标记流特征选择算法;定义自适应邻域关系解决邻域粗糙集的粒度选择问题,将其推广到多标记学习中;利用互信息计算标记间的相关性得到标记权重;通过邻域粗糙集和标记权重评估特征和标记间的相关性,并设计特征在线重要度分析、在线相关性分析和在线冗余度分析3种指标,以实现在线评价动态候选特征。在7组多标记数据集以及5个评价指标上的实验结果表明,所提算法综合性能较优。     

基于自适应邻域互信息与谱聚类的特征选择

借鉴邻域粗糙集处理连续型数据的优势,为解决传统谱聚类算法需要人工选取参数的问题,提出基于自适应邻域互信息与谱聚类的特征选择算法。首先,定义各对象在属性下的标准差集合与自适应邻域集,给出自适应邻域熵、平均邻域熵、联合熵、邻域条件熵、邻域互信息等不确定性度量,利用自适应邻域互信息对特征与标签的相关性进行排序。然后,结合共享近邻自适应谱聚类算法,将相关性强的特征聚到同一特征簇内,使不同特征簇内的特征强相异。最后,使用最小冗余最大相关技术设计特征选择算法。在10个数据集上选择特征个数与分类精度的实验结果,验证了所提算法的有效性。     

广义邻域粗集下的集成特征选择及其选择性集成算法

针对实际模式识别系统中样本特征常具有的连续值属性、高维性、强相关性和冗余性等影响分类效果的问题,在广义邻域粗集模型下提出一种集成特征选择及其选择性集成算法.该算法先提取样本特征并利用所提出的马氏距离分布熵评估其重要度,再基于特征重要度构建广义邻域粗集模型,并在此模型上以特征重要度为启发式信息设计基于蚁群算法的属性约简算法,然后通过改变广义邻域粗集模型参数的方式获得更多具有更大差异性的基分类器,最后利用主成分分析法对产生的基分类器进行选择性集成.模拟电路故障诊断结果表明,该算法比AdaBoost等算法取得的分类精度至少提高了2.6%.     

基于Rough Sets的特征选择研究进展

特征选择是机器学习领域中的重要研究问题.作为一种重要的特征选择方法,属性约简正在受到越来越多的关注,在许多应用领域已经得到了广泛应用.文章对基于Rough Sets理论的特征选择算法作了系统的回顾和分析,具体包括启发式属性约简、基于区分矩阵的属性约简和扩展粗糙集模型的属性约简三个方面.此外,论文还给出了粗糙特征选择算法的几种常见应用,并对该领域的进一步发展进行了展望.     

基于邻域粗糙集的文本主题特征提取

LDA主题模型是一种有效的文本语义信息提取工具,利用在文档层中实现词项的共现,将词项矩阵转化为主题矩阵,得到主题特征;然而在生成文档过程中会蕴含冗余主题。针对LDA主题模型提取主题特征时存在冗余的不足,提出一种基于邻域粗糙集的LDA主题模型约简算法NRS-LDA。利用邻域粗糙集构造主题决策系统,通过预先设定主题个数,计算出每个主题的重要度;根据重要度进行排序,将排序后重要度低的主题删除。将提出的NRS-LDA算法应用于K-means文本聚类问题上并与传统的文本特征提取算法及改进的算法进行比较,结果表明NRS-LDA方法可以得到更高的聚类精度。     

基于K-S检验和邻域粗糙集的特征选择方法

传统的肿瘤基因选择算法挑选出的特征基因中存在大量噪声基因和冗余基因,从而对基因算法的准确性和分类精度产生影响.针对这一问题,将K-S检验与邻域粗糙集融合成为一种新的特征选择方法.首先,采用累积分布函数计算正负类样本的累积函数值和K-S检验统计量,对照显著性水平下的样本统计量,从而去除冗余基因和噪声基因;然后,使用邻域粗糙集进行约简,对比条件属性重要度得出最优约简结果;最后,对比K-S检验和两种基于K-S检验的特征选择方法得到的冗余度和分类精度,通过实验验证这种方法不仅能准确挑选出具有显著区分能力的肿瘤基因,且效率高具有可行性.     

基于邻域粗糙集和灰狼算法优化Elman的民航发动机滑油量预测

实时预测民航发动机滑油量对保障飞行安全具有重要意义.针对滑油量受发动机多个工作状态的多个参数影响,具有影响参数多,提取方法不确定等问题,提出了一种基于邻域粗糙集(neighborhood rough set,NRS)和灰狼优化(grey wolf op-timizer,GWO)-Elman相结合的方法预测滑油量.首先通过邻域粗糙集提取对滑油量重要度高的发动机工作阶段,将提取后的工作阶段有关参数作为特征向量输入到灰狼优化-Elman的网络模型中,灰狼算法通过计算和比较个体的适应度来优化El-man网络中的权值和阈值,保证Elman网络中的权值和阈值达到全局最优.预测结果表明,精度达到98.44％,满足工程应用的精度要求.研究结果为及时监测民航发动机滑油系统的健康状况提供理论依据.     

基于粗糙集决策树算法的研究

传统的决策树方法在实际应用中存在很多不足,如生成树规模过大,抗噪性较差等,因此,提出了将变精度粗糙集和混合变量集算法应用于决策树分类中,通过变精度和混合属性集分类减小树的规模和过度拟合问题,降低了噪声数据对属性选择的影响,并通过实验证明该算法与传统的算法相比具有较大的优越性。     

面向对象删除的局部邻域粗糙集动态更新算法

为了有效地计算动态数值型数据的近似算子,提出了一种局部邻域粗糙集模型的动态更新算法,分析对象集减少时局部近似集的更新公式,设计获取局部近似集的动态算法。动态更新算法充分利用已有知识,避免了大量重复计算。为了验证算法的有效性,使用来自UCI的6组数据集进行了对比实验。