基于e-制造模式的动态工艺规划技术研究

e-制造工艺系统要求及时准确地根据资源动态信息进行工艺路线的实时决策。该文将工艺规划过程划分为零件信息输入、特征工艺选择和工艺路线的决策等3个阶段，采用神经网络BP算法解决了特征工艺链模糊匹配问题，将资源动态信息与工艺规则共同作为约束条件，采用GA算法实现基于资源动态信息的工艺路线优化选择，有效地解决了调度中的资源冲突问题。采用Java技术开发了软件原型系统，通过实例分析验证了设计方法的可行性。     

用于硅基氮化镓可调微镜的静电梳齿型微驱动器设计

提出并设计了一种用于硅基氮化镓(GaN)可调微镜的静电梳齿型微驱动器.利用有限元软件建立了该器件的几何结构模型,对器件的结构进行了仿真优化.此外,采用微机电系统(MEMS)加工工艺,制作出了用于硅基氮化镓可调微镜的梳齿型微驱动器,并对其驱动特性进行测试.测试结果表明:所制作的微驱动器的位移随着电压的变化呈二次方关系,与仿真结果基本一致.当加载驱动电压为200 V时,微驱动器的驱动位移可达到1.08 μm.     

一种基于案例和约束的排课系统

排课问题其本质就是时间表问题,属于典型的组合优化和不确定性调度问题,已经被证明为NP—Complete类问题。针对已有排课案例中大量知识和排课过程大量存在的教师和学生的特殊需求,提出了面向规则的形式化描述：TPQE描述体系,对排课问题中的强规则和弱规则进行了描述和形式化表示,同时提出了规则约束力的表示方法,设计了用于求解最大化WTPQE权值的算法——weighted SAT,开发相应的原型系统。     

用GAL器件设计地址译码器的新方法

本文采用数码比较器的原理给出用ＧＡＬ器件设计任意地址范围译玛器的新方法。在该方法中，提出了三个规则，利用这三个规则可以迅速简便地写出设计所需的地址译码器的逻辑表达式。这种方法对于使用ＦＭ汇编软件的用户非常实用，也可以用于软件编程。     

变压器类微磁器件节能优化结构的快速预筛选

微磁器件的功耗大多与激励电流密切相关,降低激励电流有利于节能降耗。通过对变压器类微磁器件的工作原理进行分析,比较激励电流的影响因素,提出了一种基于磁敏感膜结构参数的估算方法,可用于变压器类微磁器件的激励电流快速估算。经实验验证,其计算结果与有限元分析基本一致,能够有效完成不同结构敏感膜的快速预筛选,节约仿真时间和资源。本文提出的估算方法,能够尽早排除不合理的设想,加快器件的优化过程,所得结论可为敏感膜结构的进一步优化提供一定参考。     

利用关联规则建立专家系统的知识库

数据挖掘和专家系统同属人工智能领域。关联规则是数据挖掘的一种方法，它的最典型的应用是超市的购物篮分析。专家系统主要解决的是智能推理问题而关联规则侧重于各个数据项之间有价值的联系。通过对关联规则的Apriori算法及规则的产生方法进行改动，挖掘出可应用于专家系统的知识库中的决策规则，从而找出了利用关联规则挖掘出用于决策的规则的方法。     

软件度量数据的建模方法研究

软件度量的目的在于做决策支持。要想通过软件度量做出正确的决策,就必须构造决策目标和量化的软件属性,即度量数据间的关系模型。介绍了当前软件度量领域内用于构造这种关系模型的有代表性的方法。对每种方法的基本原理、一般步骤,以及在软件度量中的应用、优缺点进行了阐述;最后还指出了两种尚未被广泛用于软件度量领域而又有一定潜力的新方法。     

一类模糊神经网络的结构优化

提出了一类新的模糊神经网络结构，神经网络自构形学习算法用于此类模糊神经网络的规则推理层进行规则优化，并将此算法向网络的低层次上扩展，还可对此算法的各公式进行少许的改动和调整C1和C2的值相结合，达到网络结构优化的目的，最后以无人驾驶的模型小汽车为例进行软件仿真，结果分析，证明该方法是可行且有效的。     

聚合物光栅光波导器件的微复制技术

采用纳米压印微复制技术方法,研制了一种新型的聚合物柔性光栅光波导敏感器件,该器件可用于介入式医用导管的微弯挠曲监测或类似场合的微变形监测.重点阐述了聚合物柔性光栅光波导器件的微复制模具和器件微复制的工艺方法,并对制备工艺技术中的关键技术问题进行了讨论,讨论了测试光纤耦合一体化光栅波导器件的工艺方法.最后利用硅微模具和紫外固化介质材料,成功制备出了截面尺寸为4 μm×20 μm、光栅周期为0.75 μm的聚合物柔性光栅光波导器件.     

一类正则模糊神经网络及在沉积微相识别中的应用

考虑一种5层结构的正则化模糊神经网络模型，针对网络结构的优化问题给出了该网络模型规则层节点的选取方法和相应的反传学习规则；针对样本筛选问题，提出一种按模糊隶属函数值相近样本向量类别矫正策略。将正则模糊神经网络用于油藏沉积微相的识别，可自动提取测井曲线与微相类型之间复杂的映射关系，实现沉积微相的连续识别。实际资料处理结果表明，该方法对解决沉积微相识别问题具有良好的适应性和实用性。     

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法。数据挖掘研究的实旌对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便。关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点。粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取。该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的。     

决策表的一种知识约简与规则获取方法

粗糙集理论是一种新型的数据挖掘和决策分析方法,利用粗糙集理论进行决策表的知识约简与决策规则挖掘已经成为研究热点。文中介绍了粗糙集的基本理论,在此基础上运用该理论对从决策表中获取最小规则进行了研究,提出了决策表约简的启发式方法,并通过一个具体实例详细说明了决策规则获取过程,实例分析表明了其有效性。     

核属性蚁群算法的规则获取

蚁群算法是一种新型的模拟进化算法,研究已经表明该算法具有许多优良的性质,并且在优化计算中已得到了很多应用.粗糙集理论作为一种智能数据分析和数据挖掘的新的数学工具,其主要优点在于它不需要任何关于被处理数据的先验或额外知识.本文从规则获取和优化两方面研究基于粗糙集理论和蚁群算法的分类规则挖掘方法.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识理论,将粗糙集理论与蚁群算法融合,采用粗糙集理论进行属性约简,利用蚁群算法获取最优分类规则,优势互补.实验结果比较表明,算法获取的分类规则,具有良好的预测能力和更为简洁的表示形式.     

Rough set feature selection and rule induction for prediction of malignancy degree in brain glioma

The degree of malignancy in brain glioma is assessed based on magnetic resonance imaging (MRI) findings and clinical data before operation. These data contain irrelevant features, while uncertainties and missing values also exist. Rough set theory can deal with vagueness and uncertainty in data analysis, and can efficiently remove redundant information. In this paper, a rough set method is applied to predict the degree of malignancy. As feature selection can improve the classification accuracy effectively, rough set feature selection algorithms are employed to select features. The selected feature subsets are used to generate decision rules for the classification task. A rough set attribute reduction algorithm that employs a search method based on particle swarm optimization (PSO) is proposed in this paper and compared with other rough set reduction algorithms. Experimental results show that reducts found by the proposed algorithm are more efficient and can generate decision rules with better classification performance. The rough set rule-based method can achieve higher classification accuracy than other intelligent analysis methods such as neural networks, decision trees and a fuzzy rule extraction algorithm based on Fuzzy Min-Max Neural Networks (FRE-FMMNN). Moreover, the decision rules induced by rough set rule induction algorithm can reveal regular and interpretable patterns of the relations between glioma MRI features and the degree of malignancy, which are helpful for medical experts.     

叶片气动优化仿真数据的数据挖掘应用研究

叶片气动优化设计过程中产生的海量过程仿真数据中隐含着丰富的领域设计知识,为了获取其中隐含的设计知识,将基于粗糙集的决策树数据挖掘方法应用到叶片气动过程仿真数据的知识挖掘中。以跨音速压气机转子叶片NASA Rotor37气动优化设计为例,利用K-Means聚类分析对仿真数据进行离散化处理,采用粗糙集属性重要性算法进行属性约简,采用决策树算法构建叶片优化设计知识决策树,挖掘出叶片优化设计变量弯扭、周向积迭线的控制点偏移量与目标函数总压损失系数之间隐含的设计规则。结果表明,基于粗糙集的决策树的数据挖掘技术为叶片气动优化设计领域知识获取提供了一条有效的新途径。     

基于粗糙集和决策树的增量式规则约简算法

粗糙集方法是一种处理不确定或模糊知识的重要工具。传统的粗糙集模型对最简规则集的研究都是针对静态数据的,对于动态数据却显得无能为力。但在实际应用中,数据库中的数据往往是动态变化的,因此,对规则约简的增量式算法的研究是知识发现领域所急需解决的问题之一。文章给出了一种基于粗糙集和决策树的增量式规则约简算法,并与传统算法和RRIA算法进行了对比分析,实验结果表明该算法的方法和效果更好。     

Stochastic dominance-based rough set model for ordinal classification

In order to discover interesting patterns and dependencies in data, an approach based on rough set theory can be used. In particular, dominance-based rough set approach (DRSA) has been introduced to deal with the problem of ordinal classification with monotonicity constraints (also referred to as multicriteria classification in decision analysis). However, in real-life problems, in the presence of noise, the notions of rough approximations were found to be excessively restrictive. In this paper, we introduce a probabilistic model for ordinal classification problems with monotonicity constraints. Then, we generalize the notion of lower approximations to the stochastic case. We estimate the probabilities with the maximum likelihood method which leads to the isotonic regression problem for a two-class (binary) case. The approach is easily generalized to a multi-class case. Finally, we show the equivalence of the variable consistency rough sets to the specific empirical risk-minimizing decision rule in the statistical decision theory.     

基于粗糙集理论的客户关系管理

粗糙集理论是一种新型的数据挖掘和决策分析方法,利用粗糙集理论进行决策表的知识约简与决策规则挖掘已经成为研究热点。本文介绍了粗糙集的基本理论,通过决策属性支持度定义的条件属性对决策属性重要性的启发式信息,求取决策表的最小约简。并将该方法用于对企业客户进行分类,为客户关系管理的决策支持提供了新的解决方法。     

基于粗糙集的规则的挖掘

随着计算机技术的发展，急剧产生海量的数据。如何从这些数据中提取有用的信息是一个重要的问题。一种新的数据分析方法——粗糙集理论被提出。该理论在分类的意义下定义了模糊性和不确定性的概念，是一种处理不确定和不精确问题的新型数学工具。文中首先对近年兴起的粗糙集的基本理论进行了讨论，在此基础上运用粗糙集理论对从数据库中规则的挖掘方法进行了研究。并通过一个实例详细地说明了具体挖掘过程，该实例说明了基于粗糙集进行规则的挖掘是较简单的。     

不完备信息系统的粗糙集分解方法

针对处理不完备信息系统时利用完备化方法会引起不同程度的知识失真等缺点,提出了一种不完备信息系统分解方法。该方法不需事先对系统进行完备化,而是基于粗糙集模板评价函数选择模板,利用模板逐层从不完备系统中提取完备子集。结合粗糙集理论来构造中间变量,依据中间变量分解不完备信息系统以简化规则集。对得到的规则集逐层进行推理和决策分析。以汽轮发电机组的振动故障诊断数据为实例给出了该方法的具体实现过程,验证了该算法在处理不完备信息系统时的有效性。