数据库中广义模糊关联规则的挖掘

引入了广义模糊关联规则的概念,给出挖掘规则的计算方法,用来进行数据挖掘,以找出隐藏在数据库当中那些有用的而未被发现的知识。     

基于关联图的网络故障智能诊断的研究与实现

随着信息技术的飞速发展,网络规模的扩大与网络异构程度的增加都对网络的安全性提出越来越高的要求,网络故障诊断是网络故障管理的核心。因此,提出考虑时间因素的基于关联图的故障定位算法。此算法在关联图出现环时,根据关联图中各顶点所代表的故障事件的发生时间定位故障,发生时间早的故障极有可能就是故障源。此算法原理虽简单,但在现实中具有较高的实用性。     

模糊相似度推理算法及其构造的模糊系统逼近性能的分析

本文首先将相似度理论进一步推广,给出了模糊相似度的公理化定义;然后给出了基于模糊相似度的推理算法,证明了该算法是规则再现的;进一步地,对基于模糊相似度推理算法构造的模糊系统的逼近性能进行了理论分析,给出了该系统具有插值性的充要条件,并给出了满足该条件的两个模糊相似度.最后,证明了当满足一定条件时,该系统具有二阶逼近精度.     

基于关联规则的团购优惠数据挖掘

数据挖掘在各行各业中被广泛应用,提高工作效率,加强了各行业决策判断的依据和准确性。本文主要针对电信行业的新业务团购优惠进行数据挖掘,基于关联规则从海量的优惠、用户、客户等资料信息中挖掘出团购优惠这项新业务的进展情况,作为业务部门执行下一步市场发展计划的决策依据。     

基于FP-树的关联规则挖掘算法浅谈

随着数据库技术的发展,高效的数据挖掘算法有助于人们重新认识数据、理解数据。基于FP-树的关联规则挖掘算法FP-growth是当前应用最广的一种挖掘频繁项目集的算法。本文简要描述了该算法的几种主要发展方向。     

基于模糊灰关联分析的通信网运行可靠性评估

基于模糊灰关联度理论，提出了通信网运行可靠性评估的方法，通过实例验证，该方法有效。     

数据挖掘技术中基于关联规则算法的研究

随着现代信息技术的发展,特别基于网络的信息技术的飞速发展,人们对于数据的处理能力的要求也随之升高,数据挖掘的本质,就是从模糊的、随机的、有噪声的、大量的、不完全的数据当中提取有潜在利用价值的信息的过程。从大型数据库中挖掘关联规则的问题已成为数据挖掘中一个比较热门的研究方向。在先前研究的基础之上,对基于关联规则的数据挖掘技术进行全面地分析。     

基于关联规则分类的冷水机组故障诊断研究

鉴于现有基于数据驱动的故障诊断方法多以黑箱模型为主,诊断过程和结果难以解释的问题,本文提出一种基于关联规则分类的冷水机组故障诊断和故障作用机理解释的方法,在保证较好故障诊断精度的前提下,利用故障诊断模型中的规则库对诊断过程进行逆向分析,解析故障作用机理和模型的诊断过程,提升了基于数据驱动的故障诊断方法的可靠性。通过ASHRAE研究项目1043的实验数据对该方法进行验证。结果表明,基于关联规则分类的冷水机组故障诊断方法可以有效地识别7种典型冷水机组故障,平均故障诊断准确率高达90.84％。此外,提取的规则能够较好地吻合制冷原理及热力学相关知识,可用于故障作用机理分析与故障诊断的进一步研究。     

基于Apriori算法的课程成绩关联规则挖掘研究

数据挖掘中的关联规则挖掘能够发现大量数据中项集之间有趣的关联或相关联系,采用关联规则的Apriori算法和改进后的Apriori算法对郑州职业技术学院学生各门课程成绩进行分析,从而发现课程之间的联系和基础课程对专业课程的影响,为教务昔理部门安排课程提供参考。     

基于关联规则的PB商品营销组合

随着自有品牌(PB)商品发展阶段的日益升级,零售商亦更加重视调动PB的力量以形成竞争优势.以PB商品为研究对象,在分析PB商品及其营销特点的基础上,利用企业数据资源和数据挖掘技术,建立了基于关联规则的PB商品营销组合的概念模型,提出利用关联规则技术制定PB商品的营销组合,从外在推动力上提升PB的市场力量.     

基于小波分析和模糊神经网络的齿轮故障诊断研究

建立齿轮故障信号采集模拟试验台,结合小波分析特征提取方法和模糊神经网络对齿轮故障进行了诊断,通过实验仿真,取得了很好的诊断结果。相比于传统的BP神经网络诊断方法,无论在诊断速度还是诊断精度上,模糊神经网络更具有优势。     

基于模糊神经网络的设备故障预测研究

对模糊神经网络技术进行了研究，提出了预测分析的模糊神经网络模型；建立了故障指标评定方法，利用预测算法运用参数历史故障指标对参数指标进行趋势预测，预测得到的参数指标可以根据专家诊断系统判据进行诊断，对未来设备的健康状况进行可信度较高的评估。经仿真结果验证，该算法预测精度较高，预测结果可信.     

故障诊断的模糊神经网络模型

论证了单症兆和多症兆诊断的模糊模型分别与一定条件的单层神经网络等价，从而建立了单症兆和多症兆诊断的模糊神经网络模型。基于模糊诊断原理，阐述了模糊神经网络模型是由若干独立单元组成的可扩充的组合式结构，进而提出一种修改或扩充子网络或子结点及其权重连线的可塑性学习方法。基于此模型建立了旋转机械故障诊断专家系统，以现场实际例子对模型的应用进行了说明。     

基于神经网络的关联规则在故障诊断中的应用

采用加权关联规则算法对设备历史数据库进行挖掘,建立加权关联规则模式库。设备监控数据通过与模式库匹配,实现设备故障诊断。同时,针对钢铁企业中液压设备的特殊性,提出利用自组织竞争神经网络模型确定权值,即将设备故障信息的3个主要属性:重要程度、易损程度、故障等级作为模型的输入,通过训练样本确定设备故障的加权关联规则的权值。实例证明了该方法的有效性。     

基于包装件脆值的模糊推理方法的研究

主要针对包装件脆值进行模糊推理方法的研究,通过对以往专家已研究过的模糊推理方法的理解,自行设计出一种模糊推理方法,借此实践于包装件脆值的模糊推理,结果可信,说明此种理论运用于求各类问题的模糊解是完全可行的.     

p-范数模糊推理神经网络及其在滚动轴承诊断中的应用

针对滚动轴承故障分析的特点 ,构造了基于 p-范数模糊推理神经网络 ,指出它可以对 Sugeno- Takagi模型进行逼近 ,因而更便于学习 ,并克服了单纯前向神经网络训练中容易陷入局部极小及收敛速度较慢的缺点。该神经网络应用于滚动轴承的四类故障诊断 ,与实验结果符合很好 ,取得了良好的故障诊断效果     

基于案例推理的企业项目管理决策支持系统的研究

基于案例推理方法的基本原理,将案例推理方法应用于项目管理辅助决策支持分析,论述了基于案例推理的项目管理决策支持系统中的一些关键步骤,研究了项目管理中项目任务问题案例的知识案例表达、属性权重分析和近邻方法相结合的检索模型,实现了案例检索和匹配,提出了辅助项目任务问题案例辅助决策支持系统的结构,开发了原型系统,并给出应用实例．     

关于模糊逻辑与模糊推理逻辑基础问题的十年研究综述

自从1993年发生关于模糊逻辑的一场争论以来,模糊逻辑和模糊推理研究在十年里得到了迅速的发展。本文对这十年国内外关于模糊逻辑和模糊推理研究的大致情况做一个回顾,简要分析这些研究工作的主要特点。     

一种改进模糊神经网络及其在故障诊断中的应用

构造了一种改进模糊神经网络模型，该网络由四层神经元构成，第二层为模糊化支，文中给出了该层的通用隶属函数表达式。计及否定规则的影响，提出了扩展通用隶属函数的概念，并结合汽轮发电机组振动故障的不同特征征兆，给出了其具体表达式。在该网络的第二层与第四层间建立了部分直接连接关系，根据不同征兆对故障诊断结果的重要度不同，赋予了部分连接的优先权值，阐述了建立部分连接的依据和优先权值的确定方法，给出了网络的具体学习算法，并从单故障和多故障识别两个角度，比较了该模型与某改进BP网络的诊断结果，证明了该模型具有较强的故障识别能力。     

Uncertain Knowledge Reasoning Based on the Fuzzy Multi Entity Bayesian Networks

With the rapid development of the semantic web and the ever-growing size of uncertain data, representing and reasoning uncertain information has become a great challenge for the semantic web application developers. In this paper, we present a novel reasoning framework based on the representation of fuzzy PR-OWL. Firstly, the paper gives an overview of the previous research work on uncertainty knowledge representation and reasoning, incorporates Ontology into the fuzzy Multi Entity Bayesian Networks theory, and introduces fuzzy PR-OWL, an Ontology language based on OWL2. Fuzzy PR-OWL describes fuzzy semantics and uncertain relations and gives grammatical definition and semantic interpretation. Secondly, the paper explains the integration of the Fuzzy Probability theory and the Belief Propagation algorithm. The influencing factors of fuzzy rules are added to the belief that is propagated between the nodes to create a reasoning framework based on fuzzy PR-OWL. After that, the reasoning process, including the SSFBN structure algorithm, data fuzzification, reasoning of fuzzy rules, and fuzzy belief propagation, is scheduled. Finally, compared with the classical algorithm from the aspect of accuracy and time complexity, our uncertain data representation and reasoning method has higher accuracy without significantly increasing time complexity, which proves the feasibility and validity of our solution to represent and reason uncertain information.