矩阵推理测验中的错误类型分析

计算机自动化项目生成已逐渐被用来应对矩阵推理测验曝光的问题,然而对诱选项该如何设置却没有很好的文献支持。现有与矩阵推理测验(如瑞文测验)相关的大量研究中,研究者都只使用正确作答数或者错误率,对个体所犯错误信息的深入探查较少。通过对340名大学生在矩阵推理测验作答时产生的错误答案的编码分析,发现可将所有被试的错误模型分成4种类型,其中出现最多的是不完整解答错误(IC),忽视项目涉及的部分规则。中高能力者的错误都集中在IC类型上,而低能力者在四种错误类型上的分布相对平均些。这一结果支持了矩阵推理测验的认知模型,也为计算机自动化项目生成的诱选项编制提供参考。

基于知识矩阵推理的小型模块化反应堆并发故障诊断方法研究

针对小型模块化反应堆(SMR)并发故障诊断问题,提出了一种基于知识矩阵进行知识表达和推理的并发故障诊断方法,该方法给出了一种高效的专家知识表达方式,将传统专家系统复杂的逻辑推理转换为简捷的矩阵运算,提高了故障诊断效率,可满足SMR在线并发故障诊断的要求,并以SMR发生主冷却剂管路破损和控制棒掉棒并发故障为诊断示例证明了本方法的有效性。

基于形态滤波和推理矩阵的群目标跟踪

针对雷达群目标跟踪时存在交叉、分裂和合并问题,提出一种基于形态滤波的群目标跟踪方法。首先建立笛卡尔坐标系下的群目标量测分布初始图像矩阵,对图像矩阵进行形态滤波和连通域标记处理,获得场景中的群目标个数以及每个群目标的几何区域。然后计算每个群目标的等效质心,并提出推理矩阵来判断群目标之间的交互行为,完成对群目标交叉、分裂和合并行为下的目标关联和稳定跟踪。最后通过仿真验证了该方法对群目标跟踪的有效性。

P-增广矩阵推理与信息的智能分解挖掘

利用内P-增广矩阵推理、外P-增广矩阵推理与P-增广矩阵推理分别给出信息智能内-分解、信息智能外-分解与信息智能内-外分解,给出它们的属性关系、内-分解生成的信息智能分解挖掘、外-分解生成的信息智能分解挖掘与内-外分解生成的信息智能分解挖掘、分解挖掘定理与分解挖掘准则,最后,给出信息智能分解挖掘的应用。

P-信息融合与它的P-矩阵推理智能生成

利用P-增广矩阵推理,给出信息融合智能筛选-发现的理论与应用研究,信息融合智能筛选-发现是在P-增广矩阵推理条件下得到的。P-增广矩阵是利用P-集合的结构、动态特征及改进普通增广矩阵被提出的。论文给出利用P-集合生成P-增广矩阵的方法与P-增广矩阵结构,提出P-增广矩阵推理模型并给出信息融合的智能生成方法和其筛选-发现定理,最后给出这些理论结果的应用。

信息流模型中推理矩阵的建立

信息流模型方法是系统测试性分析中的基本模型分析方法,得到了广泛的应用.文中介绍了信息流模型的基本建模过程.

用神经网络改善模糊控制器的推理特性

针对模糊矩阵推理在处理人们经验知识时的不足，把具有更高智商的神经网络推理应用到模糊控制中去．通过学习训练样本，它能自动排除经验规则中所包含的错误成分，并且吸收其中的有用信息．实例表明，神经网络能通过权重系数的调整记忆控制规则所包含的信息。

结构模型中自蕴涵方程的交互式推理解法

提出了一种在结构建模过程中求解自蕴涵方程的推理解法，使基于试 探法的盲目的人机对话过程变为有目的、有根据的基于逻辑推理的人机对 话过程．提出并证明了变型定理和推理定理，据此构造出推理矩阵和推理 网．还提取出推理网的四条性质，由此构造交互策略，可以大为减少对话次 数。

基于规则的一种新的推理方法及实现

给出规则推理的一种新方法及其实现。这种推理方法将推理转化为数学上的矩阵运算，其推理时间为O（n4log2n）。

基于神经模糊Petri网的高压断路器故障诊断研究

为提高高压断路器运行的稳定性,该文借助Petri网的强大的知识表达和逻辑推理功能对高压断路器的状态进行评估和诊断。根据断路器的物理逻辑关系,构建了基于神经模糊Petri网的高压断路器故障诊断模型;采用失效模式与效应分析(FMEA)法对故障统计数据进行处理,求取库所置信度、变迁阈值、库所权值、规则可信度;优化正向推理算法,实现对高压断路器故障的准确预测;逆向推理结合最小割集可有效避免检修的盲目性。最后,以部分模型为例,进行推理分析,并通过故障树和统计数据来验证推理模型的正确性和合理性。

一种基于模糊故障Petri网的三相异步电动机故障分析方法

为提高三相异步电动机运行的稳定性,采用模糊故障Petri网理论对运行电动机进行状态评价与故障诊断。根据电动机故障逻辑关系,结合Petri网建模方法,建立电动机的模糊故障Petri网模型;提出变迁使能点火判别矩阵,结合MYCIN置信度矩阵法的正向推理算法,实现电动机运行状态的准确评价;逆向推理算法即为故障诊断过程,提出一种更为简洁的全矩阵推理算法,使诊断速度极大提高;采用最小割集理论进行优先诊断能够很好地避免诊断的盲目性;最后对电动机部分故障模型进行演绎分析,并通过故障树、统计数据和方法对比验证推理模型的可靠性和合理性。

高速飞行器Petri net异常事件诊断系统设计

高速飞行器在遇到外部大气扰动和伺服故障事件导致状态失稳时,对于不同的故障事件采用不同的控制策略。为了使飞行器能够自主的辨别导致状态异常的事件类型,并针对性调用相应的处理策略,提出了一种基于决策网络进行飞行器异常事件诊断的系统。基于Petri net方法构建的飞行器异常事件诊断系统,通过分析差异事件对飞行器状态的影响规律,以各状态量传感器读数为输入,发生的事件类型为输出,可以使飞行器自主利用Petri net的矩阵推理运算能力快速在线定位出引起状态异常的事件类型,为后续采取的控制行为提供依据。最后以某RLV再入段为例,对其注入各种类型故障后,应用C++软件对事件诊断系统正确性进行仿真验证,结果证明建立的诊断系统能够正确的诊断和区分不同类型事件。

基于质量功能展开和肌肉骨骼疾患的机床模块人机优化方法

为了在设计过程中改进人机操作系统,降低使用者工作肌肉骨骼损伤(MSD)风险,在MSD研究基础上结合质量功能展开(QFD)、人体负担分析以及层次分析法等理论,提出基于QFD/MSD的机床模块人机优化方法研究。该方法运用层次分析法引导调研数据形成需求矩阵,通过计算机辅助人机工程学以及场景分析,产生人体部位与工程模块之间的关联矩阵,借助质量屋工具结合各个评价矩阵输出工程特征矩阵,完成对产品各个工程模块的重要度评估,并将该评估数据运用到决策过程中。最后,结合某机床人机系统设计实例,开展人体负担优化方法的应用研究,为同类产品设计提供了参考。

加权模糊Petri网在电网故障诊断中的应用

以模糊Petri网为基本工具,在研究模糊Petri网的基本结构及概念的基础上,提出了一种基于加权模糊Petri网规则推理的电网故障诊断算法。首先选取经典算例系统建立各元件的加权模糊Petri网模型,然后利用该算法进行了逻辑验证和实例数据的仿真,结果表明,该算法在电网故障诊断中应用的可行性和有效性,给出的故障发生概率为研究人员进一步诊断提供了一定的依据。

大数据智能检索与大数据区块元智能分离

文中利用逆P-集合生成∨型大数据结构,给出∨型大数据的新概念,如大数据区块、区块矩阵、区块元、区块元矩阵与数据元概念;利用这些概念给出区块属性推理结构、区块矩阵推理结构、区块元智能分离定理、区块元智能检索定理、区块与区块元等价类定理;给出区块元智能分离准则、区块智能检索准则;给出区块元智能分离-区块智能检索算法与算法过程;给出大数据智能检索-大数据区块元智能分离-获取的应用。∨型大数据满足"属性析取"的逻辑特征。

基于多色集合的贝叶斯诊断网络构造方法研究

针对贝叶斯诊断网络知识表达不一致的问题,提出了一种基于结构分解的层级式多重故障结构模型,并引入多色集合理论,对这种结构模型的底层框架进行形式化描述,使得模型便于计算机表达和操作.利用多色集合的推理矩阵来实现贝叶斯诊断网络(BDN)的自动生成,给出了具体的推理步骤.以汽轮机设备为例,对提出的方法进行了有效性验证,结果表明,该方法有助于BDN知识表达的规范化和构造过程自动化程度的提高.

多色集合层次结构的产品族建模及应用

为了快速从产品族模块中配置满足用户需求的产品零部件,以产品族设计为研究对象,提出了基于多色集合层次理论的产品族配置建模方法.建立产品族模型与客户需求之间的映射关系,利用推理矩阵完成产品族元素选择,实现用户需求到不同产品组合方案的推理过程,采用约束矩阵解决方案中存在功能之间以及零部件之间的冲突问题.实例验证结果表明,该建模方法简便易行,便于形式化表述,有利于产品族模块配置,满足大规模定制的快速需求.

多色集合层次结构在产品族建模中的应用

面向产品族的设计,可以快速应对客户的共性和个性需求。利用多色集合层次理论,结合产品配置方法,建立产品族模块要素与多色集合元素、个人着色的联系,并最终建立产品族模型与客户需求之间的映射关系,利用推理矩阵完成产品族元素选择,实现用户需求到不同产品组合方案的推理过程,并以约束矩阵为手段,解决方案中可能存在功能之间以及零部件之间的冲突问题。最后,以某企业的考勤机为实例进行应用研究,对模型的建立过程和应用效果进行了说明,并验证了此方法的有效性。

信息规律智能变换-伪装与P-规律增广矩阵

利用函数P-集合的动态结构,改进普通增广矩阵概念,提出规律矩阵、内P-规律增广矩阵、外P-规律增广矩阵与P-规律增广矩阵,给出它们的结构、生成和属性关系。提出P-规律增广矩阵推理和推理结构,给出在P-规律增广矩阵推理条件下的规律智能分离、智能分离定理、信息规律智能分离算法及其在信息图像智能变换-伪装中的应用。

P-增广矩阵与信息的智能动态发现-辨识

利用普通增广矩阵概念与P-集合动态结构交叉,改进普通增广矩阵概念,提出P-增广矩阵,给出P-增广矩阵结构;P-增广矩阵由内P-增广矩阵与外P-增广矩阵共同构成。给出内P-增广矩阵属性定理,外P-增广矩阵属性定理与P-增广矩阵属性定理;给出P-增广矩阵与普通增广矩阵的还原关系。改进P-推理,提出P-增广矩阵推理,给出推理结构;P-增广矩阵推理由内P-增广矩阵推理与外P-增广矩阵推理共同构成。提出属性的P-增广合取范式,给出属性的P-增广合取范式与属性的普通合取范式的关系,提出属性的P-增广合取范式还原定理;给出满足P-增广矩阵推理条件的信息的智能动态发现-辨识定理,最后给出了应用。