基于可信度的决策规则处理

在Rough集理论中,利用信息表通过数据预处理、属性约简、值约简等处理后,可以得到一组决策规则知识,其应用能够大大提高决策水平,但这些获取的知识完全建立在数据源的支持上。数据源在产生和处理的过程中容易受到一些事件或人为因素影响,因此所得到的规则知识可能和现实存在一定的偏差,如果不加处理将其直接应用于逻辑推理系统,可能影响决策的质量和效果。为此,提出了数据支持度、专家支持度和规则可信度的概念,引入专家的经验判断,利用专家的知识对获取的规则知识进行评价,形成规则知识可信度的排序,然后去除不可靠的规则知识,得到了具有较高可信度和实际应用价值的决策规则知识。

规则可信度的学习算法

本文提出了一个规则可信度的学习算法,并设计了有关这个算法的适用于深度优先推理策略、宽度优先推理策略的仿真实验。实验结果表明这个学习算法可以有效地修正规则的可信度。目前,这个学习算法已用于一个工业专家系统。

医疗辅助诊断专家系统中的规则可信度计算方法

采用粗糙隶属函数计算规则可信度可减少确定可信度(CertaintyFactor,CF)的主观因素,使规则可信度更加精确客观。给出计算孤立性肺结节辅助诊断专家系统中规则可信度的实例,证明该方法可提高应用可信度理论进行不确定性推理的可靠性。

基于改进型可信度理论的凝汽器故障诊断模型研究

针对凝汽器故障及征兆间存在着的模糊关系及现有凝汽器故障诊断模型存在的不足,研究并设计了一个基于可信度理论的故障诊断模型,将可信度推理处理不确定关系的优点应用于凝汽器故障诊断之中。通过对征兆的表达、不确定算法的构建、可信度传递等问题的描述探讨,提出了更为合理的征兆表达方式及转换数学方程,为征兆的准确获取提供了依据;同时改进了规则可信度的设定方法,使可信度推理更接近于人类专家思维。实例证明,该模型能很好地适应凝汽器故障诊断的需要。

一种近似决策规则生成算法及其应用

实际应用中,Rough集理论所推导出的基本决策规则在对新对象进行匹配时,往往会遇到新对象不能被匹配的情况,使得不能对新对象作出有效的决策.为了提高规则对新对象的匹配能力,提出了一个更有效的近似决策规则生成算法,并将其应用于基于Rough集理论的垃圾邮件过滤模型中.实验结果表明,该算法所产生的近似决策规则能够有效地提高规则对新邮件的匹配能力,以及对邮件的过滤性能,因此该算法是可行的.

基于BP神经网络模型的疾病确诊方法研究

分析了BP神经网络由训练到求解的人工智能过程与自然人专家由学习专业知识到诊疗疾病的生理智能过程的近似性和差异性,提出了基于BP网络的CF向量疾病确诊模型,设计了症状描述规范化方法及诊断域CF知识规则向训练数值样本迁移方法,构造了BP神经网络模型确诊算法。模型和人类专家对比性实验数据表明,该方法诊断正确率达到90%,具备较好的综合诊断性能,对于开发实用性AI辅助诊疗系统有着建设性意义。

知识约简的逻辑特征

论文研究信息系统的规则提取问题,研究规则的形式、可信度,从非经典逻辑的角度讨论信息系统约简前后规则的相互关系,进而更深入地了解各种知识约简方法的特点与相互关系。

基于循环神经网络的数控机床故障诊断研究

为快速对数控机床故障进行在线定位与诊断,提出基于循环神经网络的数控机床故障诊断技术。通过提取网络节点,建立基于循环神经网络的“门”判别结构;引入模糊边界理论,对机床故障特征空间进行分类;通过组织故障诊断样本的方式,完成规则可信度率的统计与判别,实现对数控机床故障的在线诊断。以CAK6150数控机床作为研究对象,经过数据归纳可知,在循环神经网络支持下,故障诊断数据的实际输出与理论值非常接近,且收敛速度较快,能够较好解决制造类企业的机械设备应用故障问题。

基于信源信息熵的C语言教学评价研讨

通过对C语言程序设计期中考查成绩数据进行挖掘整理,应用粗糙集基本原理,研讨属性的信息熵方法,提取有价值的信息,寻找出教学中存在的缺点与不足,反思教学中的方式方法,从而提出了进一步改进教学的建议,以提高教学效果。

基于Rough set的课程管理信息系统评价

运用粗糙集理论建立了课程管理信息系统的评价模型,使得对教学信息管理的课程评价更加客观,通过实例验证,此模型方法具有实用性、可行性。