利用聚类分析构建基于析取范式的置信规则库

针对现有基于析取范式的置信规则库构建方法存在过拟合、未合理利用已知数据信息等问题,提出利用聚类分析构建基于析取范式的置信规则库的新方法. 该方法通过对样本数据的输出结果进行聚类分析,获取输出结果的分布特征,以确定系统的规则数、结果评价等级等相关参数,并充分利用样本已知信息,完成基于析取范式的置信规则库构建. 为验证所提方法的有效性,选取输油管道和桥梁风险评估两个实验进行验证,结果表明,所提方法构建规则库系统能快速确定系统规模,并获得较高的推理性能.     

基于证据推理面向生命周期的可信软件评估

可信软件评估是目前学术界研究的一个新的热点和难点,为解决可信软件评估过程中未能有效处理区间不确定评价信息的集结、可信准则体系动态生成算法效率不够高的问题,本文提出了一种基于证据推理面向软件生命周期的可信软件评估方法,给出了可信准则体系的动态生成的两个改进算法,并通过使用区间置信度的证据推理方法进行可信准则评价信息的集结.最后通过实验和算例验证了该方法的优越性与有效性.     

基于不确定理论的CBRB规则激活权重计算方法

合取型置信规则库系统的推理方法以概率论为基础,通过乘法实现合取关系,然而这种计算方法并不总能准确反映规则的激活程度.鉴于此,引入不确定理论,改进前件属性合取关系的实现方式,以前件属性中最小的个体匹配度作为核心,并保留信息利用的完整性,提出一种新的规则激活权重计算方法.在此基础上,利用扩展置信规则库系统分别在回归和分类问题上对该方法的推理效果进行验证.实验结果表明:新方法有效提高了系统的推理能力,并能稳定地适用于多个数据集.