工序质量控制中数据挖掘技术的应用

在介绍了敌据挖掘的概念和工序质量控制中数据挖掘的一般过程，探讨了数据挖掘技术在工序条件的最优化模型、关联规则发现、趋势预测及与统计质量控制结合应用。     

一种快速有效的分布式开采多层关联规则的算法

关联规则（association rules）是数据开采的重要研究内容,建立项目的层次关系可以发现更加有意义的规则,主要研究分布式环境下开采多层关联规则的问题,提出了一种快速有效的ＭＬＦＤＭ算法,采用的技术包括分布式编码交易表的有效修剪,侯选集的产生及修剪技术,侯选项集的全局支持数的计算方法等,论述了它的原理,具体实现方法及其几个改进算法,实验结果表明,算法ＭＬＦＤＭ是有效的,并对ＭＬＦＤＭ算法的几个变种进行了讨论。     

一种基于知识关联的自组织模糊控制方法

针对常规模糊控制规则不能自调整,难以及时适应对象特性变化等问题,提出一种基于知识关联的自组织模糊控制方法.通过对系统特性的分析,基于专家经验制定原始规则,依据性能评判环节建立校正规则.研究了校正规则与原始规则的相关性,构建知识关联度函数,得到新规则的调整模型,实现了对规则的实时更新.以染色机染液温度控制系统为对象进行仿真研究.结果表明,与常规模糊控制相比,基于知识关联的自组织模糊控制方法在被控对象特性变化或较大扰动的情况下,具有适应性强、输出跟踪快、控制精度高等特点,具有较高的实用价值.     

一种基于多Agent的企业知识链管理系统模型

本文在C.W.Holsapple和M.Singh提出的知识链模型基础上,引入了分布式人工智能(DAI)中的多Agent技术,提出了一个基于多Agent的知识链管理系统模型--MAKCMS,讨论了该模型的体系结构和模型中各个Agent的功能,研究了模型内各Agent之间的通信与协作机制.     

基于本体的关联知识可视化检索模型

本体作为共享概念体系的形式化描述,在知识检索方面可解决海量知识利用问题.为此,在已有研究成果的基础上,提出一种基于本体的关联知识可视化检索模型.该模型从实用角度出发,关注知识源之间的关联性和知识检索的用户体验,改进传统的本体构建及维护方法,提出新的知识检索方法.应用实例结果表明,该模型能够提升用户获取知识的效率和质量.     

一种新的关联规则Vis-Meta图知识表示方法

针对传统关联规则表示方法无法展示领域知识,缺少对规则信息一对一、一对多、多对一、多对多的多模式表示,忽略知识发现结果的共享等问题,提出了一种新的基于Vis-Meta图的多模式关联规则知识表示方法.首先给出了Vis-Meta图的相关定义与关联规则的Vis-Meta图表示方法,接着定义了关联规则Vis-Meta图知识表示中的概念关系,并在此基础上给出了关联规则概念关系知识表示算法、关联规则实例对比算法和关联规则知识表示优化算法.最后,以某省全员人口数据为基础,对关联规则信息进行可视化分析.实验结果表明,所提出的知识表示算法具有良好的展示效果与知识共享能力.     

电子产品生产工序质量控制与管理的思考

随着电子企业的不断发展,人们对电子产品的生产质量提出了更高要求.本文根据以往电子产品生产管理经验,总结了在电子产品生产过程中质量的影响因素,并从建立专业化的生产加工团队、构建完善的工序管理制度、加强对材料和设备的全面管理、对电子产品生产环境进行有效控制四方面,论述了电子产品生产工序质量控制及管理的具体措施.     

基于知识学习的多目标关联检测与识别方法

随着感知智能水平的日趋成熟,人工智能研究呈现出向认知智能发展的态势;作为人工智能在感知智能方面的代表领域,图像目标识别在向认知智能发展的道路上存在着人机之间以及机器之间知识难通用、可扩展性低等问题;为此,提出了基于知识的多目标关联判别框架,通过引入知识图谱,将目标特征知识进行语义化表达与规则化关联存储,构建了基于知识学习的多目标关联检测与识别方法,动态按需调用目标检测模型的同时,迭代式更新多目标关联的知识图谱,形成双向反馈学习循环;最后,通过相关仿真实验,验证了基于知识学习的多目标关联判别方法的可行性,为提高图像目标识别算法的知识通用化和可扩展性提供了新的思路.     

基于遗传算法的机动多目标数据关联

1 引言多目标数据关联是多目标跟踪的核心部分,是多目标跟踪技术中最重要而又最困难的问题。数据关联简言之就是一种分配过程,即判断一个特定的量测属于哪一个目标,进而把全部或部分新量测数据分配给已建立的轨迹。数据关联是一个监视、跟踪系统的主要功能,因为错误的关联会导致跟踪的丢失,在目标密集     

基于企业知识图谱构建的实体关联查询系统

针对目前知识图谱查询中节点之间语义关联性不高、查询效率低等问题,提出了一种实体关联的查询方法,然后以此为基础设计并实现了基于知识图谱的企业查询系统.所提查询方法采用四层过滤模型,首先通过路径搜索找到目标节点的公共路径,从而过滤掉关联程度较低的查询节点,得到过滤集合;然后在中间两层分别对过滤集合的属性和关系计算关联度,再...     

Intelligent text recognition based on multi-feature channels network for construction quality control

Construction quality control is achieved primarily through various testing and inspections and subsequent analysis of the massive unstructured quality records. The quality professionals are required to classify and review the inspection texts according to the project category. However, manual processing of a sheer amount of textual data is not only time-consuming, laborious but also error-prone, which could lead to overlooked quality issues and harm the overall project performance. In response, this paper uses the text mining method to mine the hidden information from unstructured text records. First, obtain quality text records on-site, use data cleaning method to obtain 9859 clean data, then use both Bidirectional Encoder Representation from Transformers (BERT) pre-training and Word2vec methods to quantify the text into a digital representation, next improve the Convolutional Neural Network (CNN) model by expanding input channels, and input the quantified text into the model to extract key features to realize the integration of quality records according to established categories. The results show that the average precision of the proposed model is 89.69%. Compared with CNN, BERT, and other models, this model has less manual intervention, less time-consuming training, and higher precision. Finally, through data augmentation of small sample data, the precision of the model is further improved, reaching 92.02%. The proposed model can assist quality professionals to quickly spot key quality issues and reference corresponding quality standards for further actions, and allow them to focus on more value-added efforts, e.g., making decisions and planning for corrective actions. This research also provides a reference for the ultimate goal of constructing an intelligent project management system.     

知识发现中的因果关联规则挖掘研究

因果关联规则是知识库中一类重要的知识类型,具有重要的应用价值。首先对因果关系的特殊性质进行了分析,然后基于语言场和广义归纳逻辑因果模型,从表示、挖掘、评价和应用几方面,对因果关联规则的研究进行了详细论述。并在此基础上提出了隐含因果关联规则的概念。通过语言场和推理机制的运用,使因果关联规则这一重要知识形式的挖掘和评价过程具有良好的逻辑性和扩张性。     

Intelligent knowledge based expert inventory control system for computer integrated manufacturing

The paper discusses the framework and development of an expert inventory management system for integrative manufacturing planning. The system developed with an artificial intelligent language provides a linkage between management and computer-integrated manufacturing(CIM), has the following major elements: data base to represent a hierarchical tree using recursive objects on different levels; knowledge base containing heuristic rules; goal oriented interaction; and backtracking interface procedures. Potential benefits of the system includes: better manufacturing planning, reduced inventory levels and production lead times, and consistent inventory control records.     

基于知识发现的风险最小化授权模型

访问控制技术是网络信息系统安全的核心技术之一。针对开放式网络下基于信任访问控制问题中的授权需求,提出了基于知识发现的风险最小化授权(信任-权限)模型,对模型元素、关系、约束和规则、授权策略进行了形式化定义。RMAM-KD模型引入信任和风险的概念,对权限进行细粒度划分,将交互中涉及到的实体属性及其信任值和风险值作为授权判断的重要参考依据,并加入时间约束限制,能够更好地支持动态的授权机制。最后,给出了RMAM-KD模型授权的应用实例及安全性分析,表明RMAM-KD模型能够有效地保证对客体资源的安全访问。     

基于证据理论信任模型的众包质量监控

针对现有众包系统不能快速有效地检测众包交互过程中的恶意行为现状,从信誉角度提出基于证据理论的信任评估模型(DS_CQC)来实现众包平台的质量监控。首先,基于时间窗口获得持续可信证据序列和持续不可信证据序列;其次,从证据重要性、证据间关联和证人可信度三方面对原始D-S证据理论进行改进,获得改进的基本概率信度函数;最后,利用改进的D-S证据理论对证据序列进行融合,计算其直接信誉和间接信誉,最终获得接包方的综合信誉。模型中引入奖惩机制,用以激励接包方参与众包并提供高质量众包,同时遏制恶意的接包方。通过仿真实验和对真实众包数据的实验表明,与基于概率的信任模型相比,DS_CQC检测出持续恶意工作者、策略性恶意工作者的速度和效率至少分别提高了50%和3.1%,具有较强的抗攻击能力。     

Learning scheduling control knowledge through reinforcements

This paper introduces a method of learning search control knowledge in schedule optimization problems through application of reinforcement learning. Reinforcement learning is an effective approach for the problem faced by the agent that learns its behavior through trial-and-error interactions with a dynamic environment. Nevertheless, reinforcement learning has a difficulty of slow convergence when applied to the problems with a large state space. The paper discusses the case-based function approximation technique, which makes reinforcement learning applicable to the large scale problems such as a job-shop scheduling problem. To show effectiveness of the approach, reinforcement learning is applied to acquire search control knowledge in repair-based schedule optimization process. Preliminary experiment results show that repair-action selection made by learned search control knowledge succeeded in improving scheduling quality efficiently.     

基于知识融合技术的产品设计知识模型研究*

为解决机械产品设计中知识融合的问题,建立了一种基于本体的产品设计知识模型。基于此,提出了一种基于模糊证据理论的融合推理方法,这种方法将模糊集引入证据识别空间中,利用证据合成与决策规则得出知识融合的结果,这种方法弥补了本体建模时的不足并解决了不确定性知识的推理。最后,将该知识模型应用于制造行业产品设计中,帮助制造企业缩短产品设计周期和提高开发质量,同时也有利于产品设计知识的共享和重用。     

基于预训练模型与知识蒸馏的法律判决预测算法

针对法律判决预测中罪名预测和法条推荐子任务,提出基于BERT （bidirectional encoder representation from transformers）预训练模型与知识蒸馏策略的多任务多标签文本分类模型.为挖掘子任务间的关联,提高预测准确率,运用BERT预训练模型进行多任务学习,建立BERT₁₂multi文本分类模型;针对罪名、法条类别中的样本不均衡问题,采用分组的焦点损失（focal loss）以增强模型对于罕见罪名及法条的辨别能力;为降低模型计算复杂度并且提高模型推理速度,提出一种以教师模型评价为参考的知识蒸馏策略,通过动态平衡蒸馏中的蒸馏损失和分类损失,将BERT₁₂multi压缩为浅层结构的学生模型.综上,构建出可以处理不均衡样本且具有较高推理速度的多任务多标签文本分类模型BERT₆multi.在CAIL2018数据集上的实验表明:采用预训练模型及分组focal loss可显著提高法律判决预测的性能;通过融入教师模型评价,知识蒸馏得到的学生模型推理速度提高近一倍,并且在罪名预测及法条推荐任务...