案例推理在冷轧建模中的应用

对冷轧生产中负荷分配方法的现状进行了分析,利用人工智能技术,结合冷轧的实际生产过程和工艺特点,从系统结构和软件实现两方面对冷轧负荷分配模型进行了研究,建立了基于案例推理的冷轧负荷分配模型,经现场实际数据证明所建模型更符合实际轧制情况,提高了冷轧负荷分配建模体系的求解效率和求解质量,为人工智能技术在实际生产中的应用提供了新思路。     

基于粗糙集的故障案例特征提取方法

针对故障案例特征属性提取在故障案例推理中的重要性,提出了案例的决策表表示形式,介绍了Semi-Naive-Scaler属性离散化算法,并给出了基于遗传算法的属性约简算法。在粗糙集的基本理论和方法基础上,计算了特征属性的重要度,给出了计算实例。     

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.     

基于案例推理中特征权重自动学习方法研究

讨论基于案例推理中特征权重的自动学习方法．通过分析现有的一种利用粗糙集理论进行权重自动学习的算法，指出了该算法中存在的一些问题，最后提出了一种改进的权重自动学习算法，并通过实例对两种算法进行了比较．     

基于CBR的故障诊断系统案例检索策略

研究了面向对象的案例表示方法和层次结构的案例组织模式.在对故障案例合理分类的基础上,引入案例集故障状态向量作为案例的分类标志,引入案例发生频率以实现相似案例的最终择优选择,将权重向量放在各个案例集中分别计算.提出了一种类选、粗选、精选、择优"四步走"的案例检索策略,将灰色关联理论和欧几里德距离相结合,采用了一种新的相似度计算方法,以此作为"精选"的主要算法.以装载机的故障智能诊断系统为实例,完成了系统设计与实现.     

基于神经网络的案例推理医疗诊断

在医疗诊断中,案例推理是一种有效的思维方式,但在实际应用中,存在许多难点,如大型案例 案例的表示和相似案例高效检索问题,结合前向神经网络的特点,来实现案例检索,为减少多层前向网络进行局部极小的机会,改进网络的性能,提出了神经元和前向神经网络集成,构成一种增强型神经网络结构,数学和仿真证明这种网格能减少进入局部极小的机会。此外,借助于数据库技术和多级索引方法,设计了一个医疗诊断专家系统,结果表明上述     

基于遗传算法和粗糙集的图像检索

针对传统的图像检索方法,运用基于遗传算法和粗糙集的图像检索方法,用粗糙集的方法求出图像的最简视觉特征子集,遗传算法,对每一次反馈得到的候选图像集进行评价,用遗传算子从图像库中选出接近用户需求的图像,使图像检索的查到率和查准率得到大大提高。     

粗糙集与神经网络集成在故障诊断中应用研究

提出了SOM网络－粗糙集－BP网络集成进行故障诊断的方案；首先应用SOM网络离散化故障诊断数据中的连续属性值；然后基于粗糙集理论计算诊断决策系统的约简，根据实际需要确定最优决策系统；最后在最优决策系统的基础上设计BP网络进行故障诊断，4135柴油机的实际诊断结果验证了所提出的民粗糙集理论相结合进行故障诊断的可行性，在数据充分的条件下，该方案可以推广应用于其他机械设备。     

CBR系统中案例检索优化方案的设计

案例检索是基于案例推理系统的关键环节,检索方法的优劣直接影响案例检索的效率和案例匹配的准确度.针对传统案例检索方法中存在的不足,提出了一种基于二次检索策略和改进的欧式距离算法的案例检索优化方案,并通过算例证明了该方案的有效性.研究成果有助于提高案例检索的效率和质量,同时具有较好的分辨率.该方案尤其适用于数值型案例的检索.     

基于神经网络的冷连轧机轧制力预报模型

为了提高冷连轧机轧制力预报精度，提出一种解析数学模型结合神经网络校正模型的计算方法，建立冷连轧机轧制力预报模型。采用径向基函数的局部映射和全局线性映射相结合的神经网络校正模型求解带钢变形抗力和轧制变形区的摩擦因数；并采用轧制变形区离散化方法分析轧制变形区内张力、摩擦力及金属变形抗力等在带钢轧制方向上的分布规律，从而建立轧制力在线计算数学模型。现场实测数据离线仿真结果表明，采用此基于神经网络的冷连轧机轧制力预报模型预测轧制力，其预测误差小于8．9％，此模型能用于指导生产实践。     

一种基于Rough集的语义图像检索方法

提出了一种基于Rough集理论的语义图像检索(RSBSIR)方法.对于给定的图像集和一个已经分类的图像集,能够迅速区别图像类型的最小的并列关键词集,降低了关键词向量空间的维数,缩小了问题的规模,简化了基于知识库的图像检索系统的建立过程.并且对于用户而言,小的关键词集易于理解,同时对规则库也可以方便地进行编辑.     

基于粗糙集理论多区域并行神经分类器在变电站故障诊断中的应用

针对变电站故障诊断中不确定信息多和实时性要求高的特点,以变电站的开关保护信息为基础,提出了一种基于粗糙集理论和神经网络理论的多区域并行神经分类器的变电站故障诊断方法.该方法首先将变电站故障划分为多个独立的故障单元,针对每个区域故障单元建立故障模式库,利用粗糙集的知识约简和不确定信息的处理能力,对故障模式库并行挖掘,实行属性优选,再运用神经网络对故障诊断知识进行模式识别.将其应用于变电站故障诊断专家系统中,应用结果显示该方法不仅能缩小问题求解规模,实时性高,而且具有较强的抗干扰能力,是一种有效的变电站故障诊断方法.     

一种基于粗集理论与神经网络的综合数据挖掘算法

提出一种基于粗集理论与神经网络的综合数据挖掘算法,该方法既保证了挖掘过程的简洁,又保证了对挖掘结果的严格验证,提高了结果的精确度．     

基于粗糙集的改进BP神经网络算法研究

提出了一种基于粗糙集和遗传算法的改进BP神经网络算法.该算法首先对原始数据集进行属性约简,优化BP神经网络的输入变量;然后利用遗传算法全局搜索的特点,优化BP神经网络初始权重和阈值.将改进BP神经网络算法应用于客户分类,训练误差为5.92×10-12,测试总误差为0.00023;而改进前的一个比较理想的训练结果的训练误差为0.0016,测试总误差为0.073.Matlab仿真表明改进的BP神经网络算法有更好的训练精度和泛化能力.     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

CBR及KDD技术在中厚板轧制负荷分配建模中的应用

针对中厚板生产产品规格变化大、轧制条件复杂等特点,提出一种基于案例推理的负荷分配模型,并应用数据库中的知识发现技术进行案例修正,使模型更符合实际轧制情况.     

基于模糊集和粗糙集理论的故障诊断方法的研究

概括介绍了模糊集粗糙集的基本理论,对基于它们的故障诊断方法进行比较,并提出在故障诊断方法中一些可能的研究方向。     

基于粗糙集神经网络的故障诊断

在神经网络故障诊断模型的基础上,引入粗糙集理论,给出连续属性值的离散化方法.并应用粗糙集对故障诊断决策表进行属性约简,剔除其中不必要的属性.仿真结果表明,该方法可以有效地减少输入层个数,简化神经网络结构,减少网络的训练时间,在故障诊断中有良好的应用前景.