基于BK树的扩展置信规则库结构优化框架

针对扩展置信规则库(extended belief rule base,EBRB)系统在规则数较多时推理效率不理想的问题,引入BK树数据结构,提出了一种基于BK树的结构优化框架。首先根据置信规则在度量空间中彼此的距离建立EBRB的树形索引结构,然后通过设置阈值减少EBRB系统推理时搜索规则的数量,并激活关键规则,最终达到提高EBRB系统推理效率的目的。以非线性函数拟合、输油管道泄露仿真实验及分类数据集的对比实验,验证结构优化框架在EBRB系统中的有效性,实验结果表明,所提框架能够优化EBRB系统推理效率并提高决策准确性。

基于数据包络分析和扩展置信规则库的交通运输业环境治理成本预测

针对交通运输业中环境治理成本规划问题,提出基于数据包络分析(DEA)和扩展置信规则库(EBRB)的环境治理成本预测模型.基于DEA模型对环境治理投入产出历史数据进行有效性分析,量化EBRB中每条规则的可靠度,建立考虑规则可靠性的EBRB模型,用于预测交通运输业的环境治理成本.根据2004-2017年我国各省份交通运输业环境治理实际数据验证模型.研究结果表明,本文模型的准确性高于现有环境治理成本预测方法,可为相关决策者提供一个模型支撑和参考依据.

激活规则多目标优化算法在任务分解中的应用

针对工业生产中计算量大、故障原因复杂的故障诊断任务,提出一种基于MPSO/D的激活规则多目标优化算法。采用置信规则库系统(EBRB)实现任务分解,以激活规则的不一致性与激活权重和作为多目标优化问题的目标函数,利用MPSO/D算法获取不一致性最小的激活规则集合,提高推理准确性。标准测试函数和三元复合驱采出井卡泵故障诊断实例中的测试结果表明,该算法能够有效提高EBRB系统的推理能力和虚拟导诊的任务分解准确性。

基于NSGA-Ⅱ的扩展置信规则库激活规则多目标优化方法

针对扩展置信规则库(extended belief rule base,EBRB)系统在不一致的激活规则过多时推理准确性不高的问题,引入带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ),提出一种基于NSGA-Ⅱ的激活规则多目标优化方法。该方法首先将激活权重大于零的规则(即激活规则)进行二进制编码,把最终参与合成推理的激活规则集合的不一致性以及激活权重和作为多目标优化问题的目标函数,通过带精英策略的快速非支配排序遗传算法求解不一致性更小的激活规则集合,从而降低不一致激活规则对于EBRB系统推理准确性的影响。为了验证本文方法的有效性和可行性,引入非线性函数和输油管道检漏实例进行测试。实验结果表明,基于NSGA-Ⅱ的扩展置信规则库激活规则多目标优化方法能够有效提高EBRB系统的推理能力。

基于改进相似性度量的扩展置信规则库规则激活方法

针对扩展置信规则库(extended belief rule base,EBRB)系统在计算个体匹配度时会出现负值以及所有规则的激活权重都为零的问题,引入基于属性权重的欧氏距离,对传统的EBRB中相似性度量方法进行改进.此外,传统的规则激活方法激活的是所有激活权重大于零的规则,并没有考虑到规则之间的不一致性,而规则的不一致性会减弱EBRB系统的推理能力,因此将激活规则之间的不一致性也考虑进来,提出一种基于改进相似性度量的规则激活方法.与传统的扩展置信规则激活方法相比,新的规则激活方法通过设置阈值来激活规则,这些被激活的规则不仅是激活权重大于零的规则,而且是不一致性最小的规则集合.最后,利用输油管道泄漏问题和多个公共分类数据集对新的规则激活方法的有效性进行验证,实验结果表明,基于改进的相似性度量的规则激活方法能够有效提高EBRB系统的推理准确性.

哈希索引的扩展置信规则库推理方法

由于扩展置信规则库在推理过程中需要遍历规则库中所有的无序规则,所以当规则库很大时,扩展置信规则库系统的推理效率不高。鉴于此,提出使用局部敏感哈希算法构建置信规则索引的优化方法。首先用局部敏感哈希算法为规则库中的所有规则生成特殊的局部敏感哈希值,该哈希值能尽量保持原始规则之间的相似度,因此相似的规则有较大的概率得到相同的索引值;然后通过对输入数据的处理,在索引表中找到与输入数据邻近的规则,并有选择地激活这些规则,从而提高该系统的组合推理效率;最后通过选用非线性函数拟合实验和输油管道的泄漏检测仿真实验,对基于局部敏感哈希索引的扩展置信规则库系统进行检测和验证。实验结果表明,局部敏感哈希算法能够有效地优化扩展置信规则库系统的推理效率,并能够提高输出结果的准确率。

基于扩展置信规则库的海盗袭击事件风险预测

为有效应对海盗袭击事件,减少可能产生的损失,本文提出一种新的基于扩展置信规则库(EBRB)联合优化的海盗袭击事件风险预测模型。通过引入Relief F算法和差分进化算法,从结构和参数两个角度对EBRB系统进行优化,以确保EBRB系统具有最优的参数数量和取值,利用实际海盗事件数据集进行模型验证。结果显示,联合优化的EBRB系统预测结果与实际情况的拟合效果较好,相对于初始的EBRB系统,联合优化EBRB系统将海盗事件的风险预测准确性提高了60%。此外,与现有其他预测模型对比发现,基于联合优化EBRB系统的预测模型在提高预测准确性方面具有一定的优势。

基于规则聚类和参数学习的扩展置信规则库推理模型

扩展置信规则库(EBRB)中的规则数量和参数取值共同影响EBRB推理模型的决策准确性和计算效率.基于此,提出一种基于规则聚类和参数学习的改进EBRB推理模型,称为RCPL-EBRB模型.所提出模型的基本原理如下:首先,依据密度聚类分析对EBRB进行规则聚类来识别EBRB中无效的扩展置信规则和优化传统EBRB的建模过程;然后,以聚类所得到的规则簇(即Sub-EBRB)进行参数学习和规则推理,保证激活规则集合的一致性,从而提高RCPL-EBRB模型的决策准确性和计算效率;最后,引入非线性函数拟合和基准分类问题数据集开展模型的有效性检验和参数灵敏度分析.实验结果表明,所提出RCPL-EBRB模型比现有EBRB推理模型和传统机器学习方法具有更高的决策准确性.

基于聚类集成和激活因子的扩展置信规则库推理模型

规则约减和规则激活是扩展置信规则库(EBRB)推理模型优化研究中的两个重要方向.然而,现有研究成果大多存在方法参数确定主观性强和计算复杂度高等不足.为此,通过引入聚类集成和激活因子提出改进的EBRB推理模型,称为CEAF-EBRB模型.该模型先基于聚类集成对历史数据进行多次的数据聚类分析,再以簇为单位将所有历史数据生成扩展置信规则;同时,通过激活因子修正个体匹配度计算公式以及离线的方式计算激活因子取值,以确保高效地激活一致性的规则.最后,在非线性函数拟合、模式识别、医疗诊断等常见问题中验证了所提CEAF-EBRB模型的可行性和有效性,从而为决策者提供更准确的决策支持.

基于扩展置信规则库联合优化的桥梁风险评估

作为避免桥梁安全事故和确保公众安全的一种重要途径,桥梁风险评估得到了国内外学者的广泛关注.然而,现有的桥梁风险评估模型大多忽视了在建模过程中优化与模型相关的参数取值和参数数量,导致无法有效提升桥梁风险评估的准确性.为此,本文在现有基于扩展置信规则库的桥梁风险评估模型的基础上,通过引入参数优化和数据包络分析分别提出扩展置信规则库的规则生成方法和规则约减方法,再以此进一步提出扩展置信规则库的联合优化方法,确保应用于桥梁风险评估模型中的扩展置信规则库具有最优的参数取值和参数数量.文末,引入桥梁风险评估领域中常用的公认数据集验证所提模型的有效性.通过与已有研究成果相对比,结果表明基于扩展置信规则库联合优化的桥梁风险评估模型在提高评估准确性和降低模型复杂度方面均有良好表现.

基于不同联合学习方法的扩展置信规则库环境治理成本预测

现有环境治理成本预测模型构建主要基于专家经验进行输入输出指标的选取.然而专家经验指标选取存在一定的主观性,难以有效且客观地区分关键指标信息对成本预测结果的影响.同时,考虑到现有环境治理成本预测模型的复杂度以及可解释性问题,文章将扩展置信规则库模型(EBRB)用于环境治理成本预测,并基于维度约简介绍三类不同的特征选择方法对EBRB进行结构学习,与EBRB模型的参数学习方法结合,构建基于不同联合学习方法的EBRB环境治理成本预测模型,最后基于我国31个省份的环境治理数据,分析不同联合学习模式下的区域成本预测差异,不仅有效降低预测模型的复杂度,且能弥补现有基于主观经验进行成本预测指标选取的不足.

基于扩展置信规则库的基坑变形预测方法

为了能够在初步设计阶段对基坑围护结构的最大水平位移进行合理预测,提出一种基于扩展置信规则库的基坑变形预测方法.方法将影响基坑围护结构变形的因素作为规则前件,将最大变形位移作为规则后件,以既有的基坑工程案例为基础构建扩展置信规则库;以待预测基坑的输入信息为规则激活条件,激活规则库中的相应规则;通过证据推理算法融合激活规则,得到基坑不同变形等级的组合信度分配值;将所有变形等级效用值与其对应的组合信度分配值加权求和,得到目标基坑的变形预测值.通过与多元回归分析法、神经网络法、支持向量机法的对比分析表明,介绍的方法不仅能够对影响基坑变形的定性因素进行处理,且不受数据信息不完整的限制,具有预测精度更高、预测机理明晰的特点.