遗传算法及神经网络在锅炉负荷优化分配中的应用

针对并列运行锅炉群的负荷优化分配问题,提出用遗传神经网络辨识给煤量-产气量模型,并用改进的遗传算法进行负荷优化分配.给出了改进遗传算法和遗传神经网络的辨识原理.负荷优化分配结果表明,该方法优于平均分配方法.     

冷轧建模中基于粗糙集和神经网络的案例检索

针对一般基于案例属性相似度的案例检索方法在实际应用时存在相似性度量的定义等难点而无法保证两效、准确检索的问题。提出了一种新的案例检索方法。根据粗糙集理论对冷轧负荷分配决策表进行简约以及从简约的决策表数据中发现规则,在此基础上利用发现的规则建立隐层节点数更合理的神经网络模型。以此神经网络模型实现相似案例检索,经在线实验证明,应用该方法可实现快速高效的案例检索。提高了整体智能推理建模的效率和质量。     

KDD在高校教育中的应用

以KDD（KnowledgeDiscoveryinDatabase,数据库中的知识发现）理论为基础,深入剖析当前高校教育技术信息化、网络化的状况,介绍了KDD技术发展状况以及数据挖掘在高校教育中的具体应用,归纳总结了KDD技术在现代教学过程中的应用空间及功能,并提出一些思考。     

基于CBR的合同智能分析处理技术研究

信息技术的不断发展和企业信息化的逐渐普及，要求企业建立高效信息处理机制来处理海量信息和满足市场多变的需求。同时合同信息又是企业运作的关键信息，而对于大量的合同信息，企业原来的合同信息处理方式已经很难满足需求。这里提出了基于CBR的合同智能分析处理技术，并采用合同分解和合同案例编码方法来表示合同案例，建立了层次结构索引；结合知识库技术对合同案例做出自动的修正。     

工程进度计划中的知识挖掘与应用

建设企业在工程实践中积累着大量历史项目的进度计划及管理文档资料,其中蕴含有丰富的工程经验和知识。受制于技术手段的不足,这些知识无法得到有效的识别和利用。该文基于图挖掘的理论,提出了一种能够从进度计划的网络图和Gantt图中识别出具有固定组合模式且频繁出现的工序集合的算法。试验测试和应用的结果表明,算法具有良好的可行性和有效性。算法的提出有助于项目管理人员从已有的进度计划中识别出有价值的信息和知识,为当前工程项目的计划制定和进度控制提供决策依据,以及为研究和开发工程进度管理和决策支持系统提供技术基础。     

工程进度计划中的知识挖掘与应用

建设企业在工程实践中积累着大量历史项目的进度计划及管理文档资料,其中蕴含有丰富的工程经验和知识。受制于技术手段的不足,这些知识无法得到有效的识别和利用。该文基于图挖掘的理论,提出了一种能够从进度计划的网络图和Gantt图中识别出具有固定组合模式且频繁出现的工序集合的算法。试验测试和应用的结果表明,算法具有良好的可行性和有效性。算法的提出有助于项目管理人员从已有的进度计划中识别出有价值的信息和知识,为当前工程项目的计划制定和进度控制提供决策依据,以及为研究和开发工程进度管理和决策支持系统提供技术基础。     

基于因果关系的CBR模型用于转炉炼钢静态控制

转炉炼钢静态控制是动态控制的基础,准确的静态控制对于改善动态控制质量、提高终点命中率具有重要意义.采用案例推理方法建立了转炉炼钢静态控制模型,计算了吹氧量和冷却剂加入量;并将因果关系分析用于案例属性的确定,增强了属性选择的有效性,降低了模型计算的复杂度.对一座150t转炉的实际生产数据进行仿真,结果表明,因果关系分析能够有效地确定案例属性,基于案例推理的转炉炼钢静态控制模型是切实可行的.     

基于CBR的机械产品智能设计方法研究

为快速有效地设计机械工程产品,提出基于实例的机械工程产品设计方法,可实现重用以往设计知识进行新产品的快速设计.该法应用CBR技术依据共享模型的基础构建智能设计平台,以解决实例的检索和修改问题为重点,最终实现了相似匹配计算及最佳实例;并将技术层面的设计问题归属于人机交互的情感设计,避免或减少重复性劳动,改善了工程技术人员的工作环境.给出基于实例的智能设计方法,以桥式起重机产品为例说明了这一方法实现的可行性.     

VDM算法在数据采掘中的应用

介绍了在数据库知识发现(KDD)中将连续属性离散化的一些方法,并提出使用值差分度量离散化的算法.值差分度量算法原本是用于计算离散属性值间的距离,但实际上将这种方法反过来用于连续属性的离散化也可以有相当好的效果.将其与传统的使用统计量χ2的离散化算法作了比较.     

基于广义归纳逻辑因果模型的知识发现与算法实现

以语言场、广义细胞自动机和广义归纳逻辑因果模型为理论依据，分析了广义因果联系类知识的发现机理，给出了因果联系类知识发现的实现算法。该算法为解决具有随机不确定和模糊不确定性特征的因果联系类知识的发现提供了行之有效的方法。通过算法的运行实例，验证和说明了算法的正确性和有效性。     

数据库中的知识发现

通过对数据库中知识发现和数据挖掘基本概念的分析,总结了数据库中知识发现的实现过程。其具体步骤包括对知识发现应用领域及终端用户的目标理解、创建一个目标数据集、数据的整理和预处理、降维和转换、挖掘等。