本体和规则在营销策略自动推理中的应用

针对市场营销中只能表达结构信息,无法表达语义信息的问题,研究本体和规则在营销策略自动推理中的应用。分析了采用不同营销策略时,建立本体应包括的领域知识;描述了基于本体和规则的营销策略自动推理方法;结合一个企业实例建立了本体,并进行了详细的描述。采用Logistic模型预测客户的潜在价值和进行客户细分,并运用关联规则挖掘捆绑销售策略。在此基础上建立规则文件,实现了营销策略的自动推理过程。     

基于实例面向产品的工艺信息推理系统

利用基于实例推理技术,开发了基于实例面向产品的工艺信息推理系统.详细介绍了系统实现的关键技术:面向产品的工艺信息的表达、搜索、复用、校验和保存.实际应用表明,基于实例的推理技术提高了推理系统的效率,缩短了产品的研制周期.     

基于实例和规则推理的敏捷夹具自动构形设计方法研究

阐述了敏捷夹具的层次表示结构，研究了基于网络的敏捷夹具C＆R-BR集成推理求解模型，提出了考虑语境变量时的实例特征和检索模型，以及基于规则推理的实例改写。解决了如何进行夹具设计实例的描述、组织、调整等关键问题，实现了基于实例的夹具CAD系统。     

基于规则推理的油料装备维修多属性决策

为了解决油料装备维修约束因素多、维修决策效率低的问题,提出基于规则推理的油料装备维修智能多属性决策方法.使用ELECTREⅢ中的伪准则,评判维修方案间的超越关系,构建优势属性集.引入阈值和指标来评估属性值确定时的模糊性.在获得部分基本偏好序关系后,进行规则推理,自动地获取备选维修方案的复杂偏好序关系,并用有向图表示.用图论占优度算法对有向图进行偏好序分析,排序备选方案.案例研究表明,该方法摆脱了以往数值模型依赖于精确数值信息的束缚,可快速实现油料装备维修多属性决策.     

基于关系数据库的蒙文局部本体构建及整合

针对网络中存在的大量有价值却未被利用的Web信息,通过构建本体对深层的Web信息进行描述,从而达到检索、利用和共享的目的.基于对蒙文特点、信息处理面临的难题以及当前的研究成果进行了分析,提出了一种基于关系数据库的蒙文本体自动构建方法,并以内蒙古地区物流数据为例,设计实现了蒙文物流本体的自动构建及推理查询系统.原型系统对所获得的本体进行了实例化,并利用Jena推理子系统对所构建本体的一致性及推理能力进行了验证,将基于规则的推理应用到内蒙古物流领域业务决策过程中.     

基于实例推理技术在模块变型设计中的应用研究

为提高模块变型设计的效率和准确性,提出了一种基于实例推理技术的模块化变型设计方法。将实例推理技术(case based reasonin, CBR)应用到模块化产品的变型设计中,CBR技术实现相似产品设计方案与相似结构模块的检索和选择,采用基于特征的实例框架表达方法,使用自组织映射神经网络,实现实例的可视化聚类,在此基础上构造分层多级实例库。采用基于差异和规则的实例修改方法,提高了CBR的检索速度和准确度。最后以卧式加工中心的变型设计为例,说明了该方法的可行性和实用性。     

基于规则的演绎与诱导混合推理

基于规则的推理应该充分利用相关信息，尽量模仿交替地使用正向和逆向求解的思维方式，定义了可改变推理方向的推理过程。为了实现这种推广过程提出了基于规划演绎与诱导的混合推理方法。     

一般化假言推理的一种新方法

一般化假言推理是模糊逻辑中一个重要的推理规则。至今仍没有一个十分有效的一般化假言推理方法。本文在文「１」工作的基础上，通过“加权”的方式提出了一种新的ＧＭＰ方法，其目的是为了建立一种内部机制更为合理的推理模式。     

大坝安全监测的粗集模型方法

针对传统分析方法的不足,研究了大坝安全监测的粗集模型方法.首先对原始监测信息进行粗糙集处理,提取主要影响因素和决策规则集,然后用粗糙隶属度分析各主要因素的重要性指标及其在效应量中所占的分量比例,并且通过对规则集的不确定性推理建立了大坝监测的粗集预报模型.实例分析表明,粗集模型在大坝影响因素重要性评价和非确定性测值预报方面取得了满意的结果.     

基于Rete规则推理的告警关联性分析

针对现有规则推理算法无法实现在当前大规模复杂多变的网络环境中准确、实时地推理告警规则的问题,提出了一种改进的规则推理算法Im_Rete.该算法结合网络告警数据的特点,采用面向告警缺失的模糊推理策略和基于概率关联模型的事实传播策略,在提高推理准确性的同时平衡推理速度,能够更加有效地对告警进行关联分析.通过仿真实验进行对比分析,结果表明Im_Rete算法在推理速度和准确性方面均具有较好的性能.     

Adaptive fuzzy classifier with a fixed number of fuzzy rules

The adaptive fuzzy system has many advantages over the neural network. It can be used to design a fuzzy classifier. However, there is the “Dimension Calamity” with the number of inputs increasing in the adaptive fuzzy system. In this paper, an adaptive fuzzy classifier with a fixed number of fuzzy rules is proposed. This classifier is combined by several fuzzy reasoning machines so that one fuzzy reasoning machine recognizes only one class. Every fuzzy reasoning machine includes two “If-Then” fuzzy rules. The total fuzzy rules number of the classifier is confirmed by the number of classes of the patterns being classified. The classifier uses the “Error Back-Propagation Training” arithmetic as the learning arithmetic. Compared with the BP neural network classifier, the new classifier and BP neural network classifier are both tested by the famous iris dataset and Ripley's synthetic dataset. It is proved that the new classifier has a good classification ability and learning ability even if the data have been polluted.     

基于模糊加权论证方法的模糊神经网络

在‘Mamdani'论证方法的基础上提出改进的模糊加权推理方法.模糊神经网络是以改进模糊加权论证方法为基础发展起来的.网络加权和成员函数最优化的相互匹配在应用发展规则系统的条件下进行.模糊规则可根据网络加权而获得,网络模型的有效性和最优化程度可以由仿真实验检验.     

基于模糊逻辑推理的BP神经网络及其应用

阐述了ＢＰ神经网络的原理及学习算法,在结合模糊逻辑推理的基础上提出了一种具有分层结构,能够进行规则自提取、自修正、自学习的复合模糊ＢＰ神经网络模型。这种模糊神经网络不仅可以充分利用原有的专家的经验和知识,而且能够从实际数据中通过不断学习获取新的知识和推理规则。同时,在相应的网络权值训练中引入了遗传算法和模糊逻辑控制器的优化求解思想。还进一步探讨了将这种网络模型用于汇率分析系统的形式和方法。     

一种粗糙模糊神经网络识别器及其应用

结合粗糙集和模糊神经网络提出了一种粗糙模糊神经网络识别器的模型.该模型根据粗糙集理论对训练样本进行建立决策表、离散决策表、约简决策表、提取分类规则等推理过程设计.粗糙模糊神经网络识别器的输入层、两个隐含层、输出层的神经元个数分别根据决策表的约简结果、离散结果和分类规则、决策属性决定.将该识别器用于车牌字符识别,实验表明:该方法比粗糙集规则匹配识别方法识别率提高了18%,比BP神经网络识别方法识别率提高了2.7%.     

大跨空间结构智能选型方案生成系统

将基于实例的推理和数据挖掘技术应用于大跨空间结构的智能选型的方案生成阶段．介绍了基于实例推理系统的基本结构及其四个关键技术,建造了大跨空间结构智能选型方案生成系统．主要实现了以下功能：实例库的建立和维护;人机交互界面的实现;初步完成基于加权检索算法的大跨空间结构选型实例推理;实现了实例关键参数值域分布情况的统计功能;采用数据挖掘算法对实例库进行了关联规则的挖掘,初步挖掘出了实例库中的关联规则,利用决策树和粗糙集的方法产生分类规则,比较了三种数据挖掘方法,给出它们的应用条件,为下一步实现基于知识推理做准备．通过实例演示了该系统的方案生成过程．     

智能化CAPP系统的工艺决策

提出了智能化CAPP(computer aided process planning)中工艺决策模块的构造方法及知识库与推理机的实现。工艺决策模块使用OPS(official production system)作为专家系统工具,把基于规则的知识表示语言与过程语言结合起来,使过程化知识的规则表示变得容易,进而通过使用产生式规则构建知识库,采用演绎推理式的推理机,实现了一系列的工艺决策。     

Method of Dynamic Knowledge Representation and Learning Based on Fuzzy Petri Nets

A method of knowledge representation and learning based on fuzzy Petri nets was designed. In this way the parameters of weights, threshold value and certainty factor in knowledge model can be adjusted dynamically. The advantages of knowledge representation based on production rules and neural networks were integrated into this method. Just as production knowledge representation, this method has clear structure and specific parameters meaning. In addition, it has learning and parallel reasoning ability as neural networks knowledge representation does. The result of simulation shows that the learning algorithm can converge, and the parameters of weights, threshold value and certainty factor can reach the ideal level after training.     

Method of Dynamic Knowledge Representation and Learning Based on Fuzzy Petri Nets

A method of knowledge representation and learning based on fuzzy Petri nets was designed.In this way the parameters of weights,threshold value and certainty factor in knowledge model can be adjusted dynamically.The advantages of knowledge representation based on production rules and neural networks were integrated into this method.Just as production knowledge representation,this method has clear structure and specific parameters meaning.In addition,it has learning and parallel reasoning ability as neural networks knowledge representation does.The result of simulation shows that the learning algorithm can converge,and the parameters of weights,threshold value and certainty factor can reach the ideal level after training.     

一种用ANN实现带权不确定性推理的方法

介绍了基于可信度的带权不确定性推理.阐述了用神经网络(ANN)如何实现基于可信度的带权不确定性推理.分析了这种神经网络的知识表示、结构及其不确定性推理方法.说明了如何利用这种神经网络并行地实现多规则的基于可信度的带权不确定性推理,以及如何解决冲突消解问题.采用这种神经网络结构的系统不仅能实现基于可信度的带权不确定性推理,而且具有自学习、并行推理、冲突消解、抗缺省等能力.采用的神经网络结构突破了传统神经网络结构的设计思想,对于扩展神经网络的应用具有参考价值.