煤矿瓦斯预测知识获取模型的应用研究

将粗糙集与神经网络结合,提出由样本更新、粗糙集预处理、神经网络训练、规则提取4个模块组成的煤矿瓦斯预测知识获取模型,将其应用于实时数据进行实验,结果表明,该模型实时性好、可靠性及精度高,可以较好地解决煤矿瓦斯预测知识获取困难的问题,为煤矿瓦斯预测专家系统知识库的建立奠定基础。     

几种知识获取方法性能对比研究

本文介绍了几种智能型知识获取方法及其应用,包括了神经网络、模糊逻辑、遗传算法及粗糙集方法等,讨论了这几种方法结合的可能性及混合算法的分类性能,最后,对几种算法的分类性能进行比较.     

Vague决策表的知识获取

本文提出一种Vague决策表的知识获取方法。首先根据样本对于决策者需求的适合程度构造Vague值之间的一个序关系,将Vague决策表转化为二元决策表,然后利用粗糙集理论进行分析并推理出最优规则,最后再将二元决策表的决策规则转化为Vague决策表的有序规则。实验分析表明了该方法的有效性。     

神经网络的知识获取与行为解释

神经网络的缺点之一在于它无法明显地表达其行为的含义.针对神经网络的不同结构,通过给出节点取值不同的约束条件,描述了如何从神经网络提取知识,并对神经网络的行为进行解释.举例说明了从神经网络提取产生式规划的策略.     

基于决策熵的增量式知识获取算法

为了在知识约简中能够客观地反映决策规则的决策能力,提高约简的效率和识别率,针对动态知识获取这一问题,提出了一种基于决策熵的增量式知识获取算法。该方法利用决策熵能够客观地衡量决策表的决策能力的特点,在现有规则集基础上实现知识的动态更新,避免了重复计算从而提高了知识获取的识别率和效率。最后通过实验说明了该方法的有效性。     

基于神经网络的知识获取

本文提出了用基于规则专家系统与神经网络的集成，该系统实现了从实例中自动获取知识的功能．在产生和控制不完全情况方面提高了专家系统的推理能力．它使用无导师学习算法的神经网络来获取正规数据，并用一个符号生成器把这些正规的数据变换成规则．生成规则和训练后的神经网络作为知识库嵌于专家系统中．在诊断阶段，为了诊断不明情况，可同时使用知识库和人类专家的知识，而且系统可以利用训练过的神经网络的综合能力进行诊断，并使不相符数据完整化．     

智能知识获取方法研究

本文根据故障诊断专家系统及产生式规则的特点,提出了一种新的基于遗传算法的知识获取方法,通过这种方法,故障诊断专家系统的知识库可由故障事例自动生成     

基于模型的知识获取及其一个范式

一、引言 知识获取被认为是知识工程的瓶颈,正如NIIs-。n田所指出的:“·…系统所需的成百条规则和上千个事实往往都是靠访问有关应用领域的专家来获取的,要把专家们的知识表示成事实和规则(或者任何其它形式的表达式)往往是一个枯燥而费时的过程,使这种知识获取过程自动化将是人工智能技术的一大进步.回顾历史,第一代知识获取技术是七十年代所广泛采用的“会晤”方式,即由计算机专家与领域专家长期交流;第二代知识获取技术则以八十年代计算机的辅助应用为特色;进入九十年代后,人们提出了高度集成的知识获取环境,这种环境提供从编辑、有效…     

一种基于神经网络的不确定知识获取方法

本文介绍一种基于神经网络学习算法获取专家系统不确定知识的方法。文中给出神经网络的连接网络与专家系统的推理网络之间的可转换性,以及证明了它们的权值构成的学习矩阵与可信度构成的规则矩阵之间存在着一种等价性的关系。     

基于粗糙集理论的故障诊断知识获取

利用飞行数据对飞机进行故障诊断和状态监控已经成为国内外相关领域研究的热点.根据飞行数据进行故障诊断时,需要获得故障模式与飞行数据特点之间的对应关系的知识,但是这些知识很难在维修手册等知识源中获得.大量的历史飞行数据中隐含了飞行数据与故障模式之间的逻辑因果关系,对其分析处理就可以获取诊断知识.因此本文提出了应用粗糙集的方...     

一种基于粗糙集的大规模语料库语言学知识发现模型

文中首先通过语言学特征表来对文本信息进行结构化处理,同时实现了对远距离约束的表示;然后借助于面向个体的数据泛化算法来去除语言学特征表中的冗余信息,并利用规则抽取算法过滤特征表中不一致的部分,从而为相应的自然语言处理任务建立了一个一致、高效的规则库。最后,本文研究了模型在汉语词义排歧以及音字转换中的应用,在采用了动态规则平滑算法后,分别获得了0．93和0．95的判别精度以及0．92和0．89的覆盖率,这一结果显示模型具有很高的实用性。     

粗糙集知识发现的研究现状和展望

通过对粗糙集知识发现理论发展历史的问题，对粗糙集知识发现研究现状的探讨，结合目前主要的粗糙集知识发现系统，指出了粗糙集知识发现存在的问题，并对今后几年的研究进行了展望。     

一种面向个性化知识发现的属性约简算法

在同一决策系统中，可提取满足多种不同应用的知识．但对一既定用户，不是所有知识都是必要的．如何发现仅对用户有价值的知识(称为个性化知识)，是一个挑战性的研究课题．为此，设计了一种面向个性化知识发现的属性约简算法．其特点是，逐步构建分辨集，以取代分辨矩阵；然后通过有关覆盖理论，在分辨集中计算用户最需要的约简．有效减少时间和空间复杂度，提高算法的效率．文中给出了实验分析与对比，证实了算法的有效性和可行性．     

个性化决策规则的发现: 一种基于Rough Set 的方法

为发现用户真正感兴趣的决策规则，利用RS理论和方法设计了个性化决策规则发掘算法．算法分为两步：首先在属性约简中通过提出的理论尽可能去除用户不感兴趣的属性的方法来找出最佳约简；然后在属性值约简中进一步去除与用户无关的属性，从而抽取个性化决策规则．从理论上论证了算法的有效性，给出了实验分析，证实了算法的可行性．     

生化企业生产数据知识挖掘系统

对于生物化工产品的工业生产而言,更要有合适的生产环境条件,然而由于生产过程的复杂性,确定适宜的生产环境较为困难。就生化企业生产的数据特征,提出了生产数据的指标分割预处理及针对稀有数据的关联规则挖掘方法,对数据指标分割的过程进行了详细的阐述,并针对稀有数据挖掘,提出了关联规则挖掘中相对支持度的概念,在此基础上设计并开发生化企业关联规则挖掘数据分析系统,给出了系统的结构和功能,并对系统应用进行了试验和分析,取得了较好的效果。     

粗集理论对股票时间序列的知识发现

提出了将粗集理论应用于时间序列的知识发现。知识发现的过程包括时间序列数据预处理、属性约简和规则抽取三部分。其中数据预处理主要用信号处理技术清洗数据,然后将清洗后的时间序列按照某个变量的变化趋势进行分割,分割后每个时间段内的变化趋势不变,从而将时间序列转换成为一系列静态模式(每种模式代表一种行为趋势),从而去掉其时间依赖性。把决定各种模式的相关属性抽取出来组成一个适用于粗集理论的信息表,然后采用粗集理论对信息表进行属性约简和规则抽取,所得到的规则可以用于预测时间序列在未来的行为。最后将该方法用于股票的趋势预测,取得良好效果。     

基于粗糙集理论的面向个性化知识发现算法

在基于粗糙集理论的数据处理与决策分析的基础上,从实际应用的角度出发,提出了面向个性化知识发现的启发式算法。从理论上证明了算法的正确性,给出了面向个性化的知识获取算法的描述,分析了算法的性能。算法的关键在于规则合成的方法和可信度、覆盖度和规则强度计算的方法。通过例子说明了算法的有效性和实用性。     

基于粗糙集的运动训练计划系统知识发现方法

在＂智能化运动训练计划系统＂的使用过程中,系统数据库中的历史数据将会日益增加,人们是否能够对这些非常有价值的历史数据进行利用并发现与训练手段相关的隐含知识,从而更好地辅助用户完成训练计划的制定,成为一个关注的问题。本文以粗糙集理论为基础,阐述如何对历史数据进行统计处理,提出一种对历史数据进行知识发现的方法。最后以实例说明该方法所发现的知识具有重要实际意义。     

一种基于分类一致性的决策规则获取算法

提出一种基于分类一致性的规则获取算法．它是一种例化方向的方法，即从空集开始，以条件属性子集的分类一致性来度量属性的重要性，逐步加入重要的属性，当选择的属性子集能够正确分类时，则获取到决策规则．算法中设计了一个规则约简过程，用来简化所获得的规则，增强规则的泛化能力．实验结果表明，所提出的算法获得的规则更为简洁和高效．     

完全简化决策规则集发现算法的研究

目前，有很多人研究如何从决策表获得最小简化规则集的方法，但在简化的同时往往也埋没了一些对分类有用的冗余规则，文章给出了一种求得完全简化规则集的方法，这些规则本身是最简的，包含了原决策表中所有的隐含规则，对分类决策有着重要意义。