扩展产生式规则的网络故障诊断专家系统

根据自然语言理解和网络故障诊断专家系统的特性,提出了一种扩展产生式规则的知识表示方法.扩展产生式规则将规则的前提、结论和建议分别用概念图表示,是一种混合知识表示方法.在扩展产生式规则知识表示方法的基础上,设计出了网络故障诊断专家系统的模型.该系统具有自然语言接口,可将网络中有关故障问题的汉语语句转换成概念图;经过专家系统推理后,可将推理结果和推理过程转换成汉语输出.为了增强专家系统知识获取的灵活性,在系统中还增加了Apriori关联规则挖掘算法,通过对陷阱协议数据单元挖掘,实现在线知识获取.利用该系统模型已开发出网络故障诊断专家系统原型.     

基于分布式概念格的分类规则挖掘

以概念格为分类模型,引入知识合并思想,并针对大规模数据的分类求解以及过拟合问题引入剪枝策略,从而得到分类剪枝概念格模型,在此基础上提出了基于分布式概念格模型的强分类规则提取算法;通过理论证明了算法的正确性,并通过实验证明了算法的可行性。     

一种基于元规则的自然语言生成规则解释技术

结合一个基于规则的日汉机器翻译系统,给出了自然语言生成规则的一种解释技术.该技术着眼于汉语生成规则语言的表达能力、自然性以及可扩充性,在实现中采用了基于元规则的方法,可以很方便地对规则语言进行扩充;另外,元规则的描述主要采用了自动机模型.所述的原则和技术也适用于一般的基于规则的自然语言处理系统.     

基于概念格的入侵检测

将概念格应用于入侵检测系统中 ,构造了一个基于规则分类判决的入侵检测模型 ;提出了决策规则格和决策规则格约简的概念 ,获得了入侵检测的分类规则集 .实验表明此方法能较好地缩减分类规则集中的规则数目 ,且有较高的分类正确率     

利用量化规则格分布获取关联规则

在形式概念分析中,规则挖掘是构造概念格的目的之一.分布式构格首先是构造部分格,然后合并部分格得到完整格从而加快构格的效率.提出了一种规则合并方法,先在部分格上得到部分规则,然后有部分规则直接合并得到最终规则.结果表明此算法在挖掘规则是快速有效的.     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制"推动"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.     

数字化设备功能建模及其综合评价

根据数字化设备的特点,采用特征建模技术将设备信息分为6大类,并建立数字化制造资源特征模型.为适应快速多变的加工模式,提出设备加工能力评价体系:根据设备信息模型,提出特征筛选规则,建立设备加工能力规则库;采用综合模糊评价技术,建立综合评价模型,并且说明特征信息映射及其模糊化表示规则,给出了评价值规范化处理方法.通过实例分析可知,结果符合实际生产情况,实现了数字化设备的优化选择.     

基于粗集理论的缺省规则挖掘模型

提出了一种基于粗集的缺省规则挖掘模型 ,以利于在信息不完备情况下进行推理和决策 .该模型从已知决策系统出发 ,建立了处于不同简化层次上的一系列子系统 ,并将其作为简约格中的节点 ,然后推导出每个节点的规则集 .在应用模型进行推理和决策分析时 ,用给定对象的信息与模型中相应节点的规则进行匹配 ,然后按照某种评判准则得出结论 .这种模型可以很方便地根据给定的信息 ,从最符合的子系统中获得尽可能好的结论     

基于量化概念格的关联规则挖掘

在概念格的内涵中引入等价关系并将其外延量化 ,得到量化概念格。利用量化概念格可以清晰地表示知识 ,从而便于挖掘包括关联规则在内的多种规则 ,与经典的 A priori算法相比较 ,规则表示更简捷、直观 ,尤其重要的是用户可根据自己的兴趣交互地挖掘关联规则 ,不需要计算频繁项目集 ,因而提高了挖掘规则的效率 ,适用于大型数据库中关联规则的挖掘     

基于封闭项目关联规则集压缩方法

 关联规则挖掘能使我们发现数据库中大量项目与项目之间的相关关系,但是用传统关联规则生成方法所生成的规则一是数量庞大,二是其中包含许多具有相同意义的规则,这必然对用户理解和提取信息带来干扰.通过求封闭项目集大大消减了频繁项目集数量,再由封闭项目集构造一种新的存储机制——-近似格,基于近似格可以得到冗余度较小的关联规则,从而提供用户简洁紧凑又无信息丢失的关联规则集.     

一种基于词语搭配的语义消歧方法

提出一种利用规则与统计相结合的方法用于英汉机译系统中以消解语义级歧义 ,建立了一种根据单词之间的词语搭配关系以消除歧义的模型。该模型利用英汉双语语料选择合理的词组语义 ,对有歧义的单词作出标注。在此基础上给出了语义消歧的学习算法 ,并建立了一套有效的提高召回率的消歧算法。算法在英汉机译系统中的实际应用使正确率提高了约 10 % ,效果显著。     

概念格递增修正关联规则挖掘方法

研究了一种知识发现与数据挖掘中关联规则的发现方法 .关联规则是数据挖掘的重要方法之一 ,其核心是各大项目集的获取 .针对货篮关联规则挖掘方法 ,提出了一种改进的概念格递增修正方法 .该方法适应于数据库的动态数据递增或递减更新 ,通过记录项目集 (即概念格中的结点 )在数据库中出现的频率值 ,不需要构造完整的格即可求得项目集的支持度值和可信度值 ,以获取大项目集 ,进而求得关联规则 .同时 ,该方法运用 Hasse图解进行可视化操作 ,降低了算法的时间复杂度     

格值自动机的产生式推理建模方法

针对多规则多结论的复杂产生式推理,将形式化语言识别能力和产生式推理结合起来,提出一种基于格值自动机的产生式推理建模方法.首先,利用格值自动机理论优点,将复杂产生式推理过程用格值自动机的格值语言描述出来,从而建立通用的产生式推理模型;其次,给出模型的规则间逻辑正确性验证方法,以及模型随规则库更新而更新的方法;最后,用实例验证建模方法的正确性.结果表明:该方法可以充当专家系统的辅助决策系统,具有较好的现实意义和实用价值.     

主动数据库及其应用的研究

介绍一个把规则系统与ＯＲＡＣＬＥ关系数据库管理系统结合在一起而形成的主动数据库管理系统ＲｕＢＤＢＭＳ。规则子系统ＲｕＭＥＳ用Ｃ语言实现，我们定义一种规则语言语法作为ＳＱＬ的扩充，规则由数据库的变化来触发，规则的条件和动作部分依赖于当前数据库状态以及数据库的变化值，ＲｕＭＥＳ为数据库应用程序开发提供了一个规则语言工具，使之能完成数据库一致性完整性约束的自动维护及其它特殊目的的数据库管理功能。     

用于系统模型层验证的模型转换的研究

传统以代码为中心的数控系统开发方式导致了系统测试滞后,系统性能难以保证。针对这种情形,提出利用模型转换将领域模型转换到第三方验证工具(Matlab 或UPPAAL)进行系统性能早期测试,从模型层保证系统性能。讨论了采用基于元模型层规则定义、语义动态添加和基于设计模式的操作等策略,以此满足实际模型转换的具体要求,给出了其框架。并指出根据实际需求采用不同的实现步骤和技术手段完成模型转换。从数控系统工作模式模型到StateFlow模型的转换实例从建模语言构建、映射规则定义、算法设计等几方面验证了上述模型转换理论框架和实现手段的可行性和正确性。     

The Algorithm for Rule-base Refinement on Fuzzy Set

In the course of running an artificial intelligent system many redundant rules are often produced. To refine the knowledge base, viz. to remove the redundant rules, can accelerate the reasoning and shrink the rule base. The purpose of the paper is to present the thinking on the topic and design the algorithm to remove the redundant rules from the rule base. The ＂abstraction＂ of ＂state variable＂, redundant rules and the least rule base are discussed in the paper. The algorithm on refining knowledge base is also presented.     

基于规则的数据校验在数据库应用系统中的实现

本文给出了一种规则库的概念来扩充数据库应用系统的校验的功能,使系统能够对规则进行动态读取和分析,并根据分析结果对输入数据进行动态校验.本文介绍了数据库报表系统中的校验模型,并运用一种规则库执行流图REBF描述了规则库图模型,之后论述了该系统中具体的规则库的建立及规则表结构,并通过对推理过程的不确定性的分析,证明了规则的有效性,最后给出了基于规则的动态分析及推理过程.     

基于格点场数据的沙尘暴双预报模型

为提高沙尘暴预报的准确率，以描述大气环流形式的物理场格点数据作为建模样本，采用自组织神经网络对物理格点场数据样本进行聚类，构建出由大规模阵列式数据格式表示的建模样本的低维特征，再用模糊神经网络综合建模样本的一般性规律，用非典型样本进行二次建模以反映建模样本的特殊性，并设计隶属度调整方案对一般性和特殊性进行协调，由此形成兼顾建模样本一般性和特殊性的双预报模型．测试结果表明，基于特征提取方案的双预报模型体系使沙尘暴预报准确率达到80．4％．