故障诊断专家系统推理机研究

要根据故障诊断领域知识的特点，设计了一种通用故障诊断专家系统推理机模型。阐述了该模型中采用的启发式代价树有界深度优先、反向推理策略及实现步骤。在汽车故障诊断专家系统中的应用结果表明效果良好，达到诊断要求。     

地理专家系统的推理机设计

运用地理专家系统的推理机设计原理和方法,探讨了推理机的基本控制策略及其程序实现的算法,以及推理知识的搜索策略,讨论了地理专家系统中的不精确推理问题。     

基于粗糙集理论的内燃机故障诊断专家系统

在故障诊断专家系统的基础上,引入粗糙集理论,并以信息系统属性值表为主要工具,专家系统中的规则进行约简并剔除不必要的属性,揭示了故障诊断信息中内的冗余性,降低了故障诊断专家系统构成的复杂性,并建立了简化后的决策规则。     

地理专家系统的推理机设计

运用地理专家系统的推理机设计原理和方法,探讨了推理机的基本控制策略及其程序实现的算法,以及推理知识的搜索策略;讨论了地理专家系统中的不精确推理问题,分析了不精确推理的Ｂａｙｅｓ算法的基本思路及其推理规则的构造原理与方法．并以水土保持专家系统的推理机构造为例,论述了推理网络的组织原理和推理规则的设计方法及其推理算法．     

基于粗糙集的机载电子设备故障检测专家系统的改进

由于机载电子系统的故障征兆和故障原因之间的对应关系较为复杂,设备故障诊断领域的某些经验性专家知识具有一定的模糊性和不确定性,因此本文利用粗糙集理论较强的数据分析能力和容错性,通过对专家系统中存在的冗余信息进行约简并剔除不必要的属性,降低了故障诊断专家系统构成的复杂性,并明显改善了专家系统的整体效能.     

特种车辆柴油发动机故障诊断专家系统推理机设计

针对特种车辆柴油发动机故障诊断专家系统知识表示的模糊特性,建立了故障类型的模糊诊断模型,提出了不精确推理方法和模糊匹配策略,采用柴油发动机故障类型诊断的反向推理和故障原因分析及故障消除措施正向推理相结合的混合推理机制,设计了总体目标推理和级目标推理相结合的推理机．系统现场运行的快速推理结果表明了该推理机设计是成功的．     

粗糙集理论在内燃机故障诊断专家系统中的应用

在故障诊断专家系统的基础上，引入粗糙集理论，并以信息系统属性值表为主要工具，对专家系统中的规则进行约简并剔除不必要的属性，揭示了故障诊断信号中内在的冗余性，降低了故障诊断专家系统构成的复杂性，并建立了简化后的决策规则。     

催化剂分子设计专家系统推理机的设计

承接前文关于催化剂分子设计专家系统的数据库与知识库的建造．详细沦述了本系统推理机的设计与实现．针对特定催化领域的知识体系，初步建立起相应的推理机制，主要包括对合适的知识推理技术的采用和推理的搜索、控制策略的选择确定．     

农业HPC专家系统不确定性推理机的设计

讨论了农业HPC专家系统的不确定性推理机的知识表达形式、可信度定义、证据不确定性的表示、组合证据不确定性的计算以及不确定性的更新等问题,给出了该不确定性推理机的控制策略,该策略的主要特点是采用一种目标引导的逆向推理,并结合以可信度为基础的冲突消解策略。同时还具体介绍了推理机的算法流程,最后以葡萄营养失调的诊断决策为例,对推理机的应用进行了陈述。     

基于粒计算Rough集模型的逻辑推理应用研究

讨论了粒计算理论信息粒子的构成,结合Rough集知识模型给出了信息决策系统不确定性推理的粒计算公式及其过程.针对水产养殖中鱼病诊断信息的模糊性、随机性等不确定特点,通过鱼病症状集形成条件属性粒子、疾病集形成决策粒子而构成的模糊信息决策表,描述出主要逻辑推理算法,即鱼病诊断的规则获取过程,促进粒计算理论应用,同时也为鱼病诊断领域提供了新方法.     

基于可变精度粗糙集模型的有导师机器学习

机器学习是人工智能领域中重要的研究课题,基于经典粗糙集的机器学习,只有学习者的分类被完全包含在导师的分类中时,才形成决策规则,条件比较苛刻;而基于可变精度粗糙集理论的有导师机器学习,根据学习者的分类包含在导师的分类中的包含度αi,与事先给定的精度系数β的比较,来求取具有一定相容性的决策规则,该方法更具有灵活和实用性。     

基于粗集和格机数据约简的原型系统

将粗糙集合与格机相关理论有机地结合在一起, 利用格机与粗集机制进行数据约简. 设计了一个用于数据挖掘的原型系统, 利用该原型系统验证了算法的有效性与效率. 仿真 实验表明, 该数据挖掘原型系统能广泛地应用于生产实际中.     

基于粗糙集与支持向量机的Web文本分类

Web文本分类是Web数据挖掘的一个重要研究方向,它是在通过经验数据训练得到的分类体系下,根据网页的文本内容自动判别网页类别的过程,本文提出一种综合粗糙集与支持向量机的Web文本分类模型,利用粗糙集的属性约简方法,减少支持向量机训练数据的维数,提高Web文本分类的性能与效率.     

基于粗糙关系数据库的粗糙数据查询

以粗糙关系数据库模型（RRDM）为背景，从分解原理、投影原理、粗糙关系数据库（RRDB）的可定义性及上、下近似几方面讨论了RRDB的查询理论，并以此为基础提出了一种新的RRDB查询方法--粗糙数据查询，我们把粗糙数据查询分为精确查询、粗糙完全查询、粗糙组合查询三类，并从这三方面对粗糙数据查询进行了讨论与仿真实验，仿真结果验证了这种方法的可行性和正确性。     

基于粗糙集理论的数据预处理

探讨数据挖掘过程中,数据预处理应用粗糙集理论进行属性和属性值约简的方法以及用计算机实现约简的算法.通过对医疗数据的预处理表明,利用粗糙集理论来进行数据预处理是一种十分有效的精简、求最小决策算法的有效方法.     

邻域系统粗糙集模型

该文从多视角考虑粗糙近似逼近问题,讨论了邻域系统粗糙集模型的性质.将邻域系统粗糙集模型与两种重要的广义粗糙集模型,即可变精度粗糙集和多粒度粗糙集进行了对比分析,分别根据分类错误率和多粒度构建了不同的领域系统.该文研究结果证明了可变精度粗糙集模型和多粒度粗糙集模型是邻域系统粗糙集模型的特例,邻域系统粗糙集模型是一种更为广义的粗糙集表现形式.     

基于粗糙集的增强学习型分类器

为了提高分类的精确度,提出一种基于粗糙集理论的增强学习型分类器。采用分割算法对训练数据集中连续的属性进行离散处理;利用粗糙集理论获取约简集,从中选择一个能提供最高分类精确度的约简。对于不同的测试数据,由于离散属性值的变化,相同的约简可能达不到最高的分类精确度。为克服此问题,改进了Q学习算法,使其全面系统地解决离散化和特征选择问题,因此不同的属性可以学习到最佳的分割值,使相应的约简产生最大分类精确度。实验结果表明．该分类器能达到98％的精确度．与其它分类器相比．表现出较好的性能。     

一种基于粗糙集的约简算法

在决策表中求取知识时可以进行属性约简,而属性约简中大部分算法都需计算核．文章基于现有的属性约简算法,提出了改进的约简算法．该算法不需要求核,从而节约了时间与空间,使粗糙集在面对大数据时能更好的处理．     

基于包含度的粗糙集模型

提出了包含度近似空间的概念，得到了基于包含度的粗糙集模型，从而为知识获取提供了一个新的不确定性方法。