哈希索引的扩展置信规则库推理方法

由于扩展置信规则库在推理过程中需要遍历规则库中所有的无序规则,所以当规则库很大时,扩展置信规则库系统的推理效率不高。鉴于此,提出使用局部敏感哈希算法构建置信规则索引的优化方法。首先用局部敏感哈希算法为规则库中的所有规则生成特殊的局部敏感哈希值,该哈希值能尽量保持原始规则之间的相似度,因此相似的规则有较大的概率得到相同的索引值;然后通过对输入数据的处理,在索引表中找到与输入数据邻近的规则,并有选择地激活这些规则,从而提高该系统的组合推理效率;最后通过选用非线性函数拟合实验和输油管道的泄漏检测仿真实验,对基于局部敏感哈希索引的扩展置信规则库系统进行检测和验证。实验结果表明,局部敏感哈希算法能够有效地优化扩展置信规则库系统的推理效率,并能够提高输出结果的准确率。     

基于混合PAES的置信规则库推理算法

目前对置信规则库（BRB）的研究主要是关于BRB系统的参数或结构的单目标优化。然而,BRB系统中提高推理准确性和减少系统复杂度往往是两个相互冲突的目标。因此,设计合适算法来寻找到两个目标上的最优解具有重要意义。鉴于此,该文提出基于混合Pareto存档进化策略（M-PAES）的置信规则库推理方法（M-PAES-BRB）,通过最小化系统的均方根误差和系统复杂性来寻找到近似的Pareto最优前沿。该算法采用了改进型M-PAES算法来构建多目标优化模型,通过重组和变异操作生成候选解。该文选取两个标准时间序列,Mackey-Glass和Box-Jenkins作为实验数据,对M-PAES-BRB的可行性及有效性进行分析。实验结果表明,相比于模糊规则库的多目标优化方法（FRBSs）,该文方法的推理准确性更高,同时系统复杂度更低。     

气象灾害条件下电网应急物资预测方法

为提高电网应急物资调配响应速度和电网抢修效率,提出一种案例推理与深度学习相结合的电网气象灾害条件下的应急物资预测方法.以气象信息、电网设备数据和地理环境数据为输入信息,利用案例推理方法确定预测模型输入、输出结构,并根据不同输入信息的特点进行处理和量化,利用深度置信网络完成案例适配,综合事故规模信息建立动态电网应急物资预...     

基于故障样本的滚动轴承故障诊断置信规则库研究

滚动轴承是使用非常广泛的机械零件,现有技术对滚动轴承故障诊断存在局限性。为提高滚动轴承故障诊断的准确性,通过利用历史数据,提出基于故障样本的置信规则库的方法,首先对滚动轴承的典型故障进行分析,获取其振动数据作为样本;然后提取时域特征参数和时频参数,对参数进行特征融合,提取征兆参数,建立故障诊断的置信规则库;通过实验平台获取滚动轴承异常数据,验证建立的置信规则库的有效性和准确性。     

智能家庭中一种基于本体的机器人服务认知机制

为增强机器人提供不同类型服务的能力,针对智能家庭环境中的服务机器人提出一种基于语义网规则语言的机器人分类服务推理方法。利用本体技术建立智能家庭的本体模型,通过该模型集成来自不同数据源的数据,消除设备之间的异构性。根据智能家庭机器人服务系统的服务特点划分服务类型,利用历史上下文信息生成服务规则库。通过推理引擎匹配实时的上下文信息与服务规则实现机器人的服务推理。智能家庭背景下的系统运行试验结果表明,机器人服务推理方法能够完成智能家庭环境中不同类型的服务推理,从而进一步提高机器人服务的智能性。     

基于高斯型隶属函数新的模糊插值推理方法

在稀疏规则库的条件下,当输入的事实落入规则空隙时,采用传统的CRI方法是得不到任何推理结果的。KH线性插值推理解决了这个问题,从而产生了模糊插值推理方法。但现有的插值推理方法几乎都是基于三角形隶属函数的,很少有高斯型隶属函数。本文在线性插值推理方法的基础上,给出一种基于高斯型隶属函数的顶点和拐点距离比的模糊插值推理方法。这为模糊插值推理又提供了一个十分有用的工具。     

vague命题逻辑与基于线性变换的近似推理

针对vague命题与近似推理问题,研究了不同论域上的基本命题运算与推理表达.由集合的扩张原理,引入vague命题上的基于连续三角模的广义合取/析取以及S-蕴涵与R-蕴涵运算.依据合成运算的定义给出vague线性变换的概念,提出基于vague线性变换的近似推理方法,进而得出单规则、多规则以及复合前提多规则的推理形式的表达.通过命题运算可实现多论域的各种vague环境下信息的聚合.与其他方法相比较,基于线性变换的推理方法具有操作简单、可选择性强等特点.     

基于可拓重用的液压挖掘机结构性能方案设计

针对基于实例推理(CBR)重用技术的形式化表示及推理方法的局限性,基于可拓设计的物元理论, 采用基于CBR的可拓重用方法建立产品设计实例库,采用可拓区间距的检索算法及定性和定量相结合的推理方法, 获取相似设计方案实例. 研究了基于可拓集合方法的数据挖掘技术,采用一种改进的FP-growth关联规则算法,应用可拓变换方法对产品方案设计进行知识规则挖掘,支持产品方案设计过程的适应性修改.建立方案设计区间多属性灰数关联评价模型, 优选最佳方案设计.以液压挖掘机结构方案设计为例,利用VC++和SQL开发液压挖掘机结构方案设计及评价系统, 结果验证可拓重用方法的有效性和可操作性．     

基于粗糙集理论的数控机床智能故障诊断研究

面向数控机床智能化发展需求,提出了基于数据挖掘技术的智能故障诊断方法.建立机床智能诊断单元的系统框架,框架由状态监控及特征信号采集、历史故障数据分析及诊断规则获取、故障推理机制3个功能模块组成.重点研究诊断规则的获取技术,提出了基于粗糙集理论的故障诊断决策规则生成算法.算法充分利用信息决策系统的特性,通过简化对不必要属性和核心属性的分析,并引入回溯思想计算约简集,有效降低了属性集约简的计算复杂度,提高规则求取效率.在建立规则库的基础上,引入基于证据理论的信息融合技术,解决多传感器故障监测数据与诊断规则准确匹配的问题,建立故障推理机制.实例研究证明该方法可行.     

基于模型预测方法的电网故障预测

电网诊断通常都是故障发生后,根据故障后产生的信息来推断故障。为了能在故障发生前进行预防,提出模型预测(ModelPrediction,MP)和溯因推理网络(AbductiveReasoningNetwork,ARN)方法预测电网故障。模型预测利用电力系统中历史数据来预测电网无故障运行时的数据,与电网实际运行时的数据作对比,计算差值,差值作为诊断系统的输入;溯因推理网络能够处理预测数据和相应的候选故障之间的复杂关系,被用来构建故障诊断系统。模型预测和溯因推理网络方法相结合,能在保护装置和断路器动作前进行故障定位,具有故障预警功能。仿真结果表明,溯因推理方法构成的预测系统比神经网络方法构成的预测系统诊断结果更快、更准确。     

一种基于相关分析的多元回归数据估计方法

针对无线传感器网络中数据估计方法存在输入变量较多、估计计算复杂度较高和估计效率低等缺点,提出了基于相关分析的多元回归估计方法.对无线传感器网络监测的数据序列进行相关分析,找出与当前数据相关性较强的其他历史监测数据,采用这些历史监测数据进行多元回归建模和估计.在保证估计精度的前提下,降低估计的计算复杂度,提高无线传感器网络中缺失监测数据估计的效率.实际无线传感器网络采集数据的实验分析结果表明,该方法具有较高的估计效率和较小的估计误差,能够有效地估计无线传感器网络中缺失的传感数据,具有一定的应用价值.     

不完备信息条件下地下管线震害预测的粗糙集方法

为有效解决城市抗震防灾规划中信息资料不完备的地下管线震害预测问题,首先,采用ROUSTIDA算法对地下管线决策信息表进行补齐;其次,采用改进的贪心算法进行决策表离散化,利用基于信息熵的启发式算法进行属性约简,抽取评价知识,形成规则,并根据规则库进行地下管线震害预测分析;最后,以泉州市地下管线实际情况为例进行分析,并将该模型预测结果与地下管线震害分析的理论法计算结果对比分析,识别准确率达到90%,说明了所提方法的有效性和可行性.     

基于深度神经网络的多因素感知终端换机预测模型

针对基于特征工程的传统终端换机预测模型依赖于领域知识且无法充分利用用户通话、流量使用等序列数据的问题,提出基于深度神经网络的多因素融合终端换机预测模型. 该模型使用长短时记忆网络（LSTM）提取用户通话、流量使用行为序列特征,使用全连接网络融合用户自然属性、行为序列特征和历史换机信息,预测用户是否换机. 实验表明,基于深度神经网络的多因素融合终端换机预测模型能够考虑影响用户换机的多种因素,充分挖掘用户通话、流量使用行为序列特征;当召回率为0.135时,相比于传统模型精确率提高了34.3%.     

一种基于深度属性加权的数据流自适应集成分类算法

针对现有的大多数数据流集成分类算法对分类器的评估时未考虑历史数据的重要性,同时忽略对无关属性和噪声属性干扰的处理等问题,提出一种基于深度属性加权的数据流自适应集成分类算法,旨在有效组合多个基于深度属性加权的朴素贝叶斯模型。通过在不同数据块中深入分析不同属性取值对类属性归属的贡献,并将学习到的局部属性权重作用于不同的属性取值,以降低噪声数据干扰。在评价基分类器时,权衡历史数据和当前最新数据的重要性;采用基于测试实例的分类器置信度和分类正确率权重的组合投票策略进行子分类器组合以提高整体分类性能。通过在多个基准数据集上与经典算法对比试验,本研究算法在分类正确率和概念漂移适应性上具有一定优势。     

基于优化步长和梯度法的置信规则库参数学习方法

置信规则库是传统规则库的推广.置信规则库中的参数由专家根据经验人为给定,削弱了置信规则库系统的仿真能力,因此,基于优化步长和梯度法设计了一种新的算法以实现规则库参数的自学习能力.采用该算法对一个已经建立的置信规则库参数进行了训练,训练结果表明新的算法具有收敛速度快、精度高等优点.     

基于梯度提升回归树的城市道路行程时间预测

为了提高行程时间的预测精度,在考虑时间序列相关性的同时,分析相邻路段的空间相关性对于行程时间的影响,并提出基于梯度提升回归树模型的城市道路行程时间预测方法.对车牌识别设备获取的实际数据进行预处理,并提出相应的补全算法以解决数据缺失问题,建立完整的历史数据集.通过分析各影响因素与行程时间的相关性,构建特征向量.为了能更好地理解模型,通过梯度提升回归树模型输出各变量对于预测结果的重要度.利用实际数据对模型进行评估,预测行程时间的平均绝对误差百分比,约为10.0%.与SVM、ARIMA等方法相比,所提方法具有较高的精度.     

基于投影追踪回归的机床热误差建模技术

针对机床热误差建模温度变量多、非线性度高的问题,提出了一种基于投影追踪回归的建立数控机床热误差模型的新方法。与传统的回归建模方法相比,该方法具有模型简单、计算简便的优点。将该方法应用于一台数控车床的实验研究,建立了该车床的热误差模型。实验结果表明,新方法能够大幅提高所建模型的精度及鲁棒性,进而提高机床的加工精度。     

一种桥梁实测小样本数据的区间优化方法——灰自助抽样与灰色系统理论相结合

针对农村公路桥梁的非概率可靠性评估中现场实测获得的数据属于小样本、贫信息且概率分布未知而难以精确估计参数变化区间这一问题,提出将灰自助抽样与基于灰色系统理论的区间估计方法相结合对桥梁实测的小样本数据进行区间估计。该方法通过自助法产生多组相似样本后利用灰色预测模型减小其误差,再通过基于灰色系统理论的区间估计方法计算各样本的灰色置信区间,并通过取交集的方式排除随机误差对结果的影响来获得更为精确的置信区间。最后将实测桥梁混凝土强度数据作为小样本数据,计算3种区间估计方法的区间估计结果,结果证明了本文所提方法的合理性及有效性。