规则获取

摘要： 在现实应用中,区间值数据会因为测量、干扰或信息传输等噪声影响导致数据出现缺失值,而且这些数据随着时间推移呈现动态递增趋势,忽略或删除这些数据很有可能导致有用信息的丢失而出现决策误判。为此,针对这一问题,提出面向不完备区间值决策系统的三支决策模型和增量式规则获取算法。首先定义不完备区间值数据的量化相似容差关系,构造出基于不完备区间值决策系统的三支决策模型;其次从两个层级分析对象集动态规则获取策略,提出增量式规则获取算法;最后,通过一组UCI数据集对该算法进行验证。实验结果表明,该算法不仅能减少误划分损失获得更高的划分精度,而且在运行时间上也具有较大优越性。

摘要： 概念漂移是数据流挖掘的一个研究热点与难点,判断认知收敛是研究盲区.粗糙集已被应用于概念漂移探测,但存在适应性问题,缺少增量式概念漂移的相关研究.针对上述问题,运用粗糙集理论,从单条决策规则和整体决策系统的角度出发,引入决策优势函数与漂移度,对增量式概念漂移的适应与认知收敛问题作了较为深入的研究,提出一种基于决策支持度阈值的增量式规则更新算法.理论分析与仿真实验表明:新算法在适应概念漂移和学习新知识时较其他算法更为敏感且高效,对概念飘移的研究策略有效可行.

摘要： 规则提取是三支概念分析中的一个重要问题.首先,基于属性导出三支概念,定义了两种三支类背景,即三支条件类背景和三支决策类背景,给出了类背景上的类概念并且研究了类概念的结构.其次,讨论了三支决策类背景上的类概念与三支弱协调决策形式背景上的属性导出三支概念之间的关系.然后,提出了三支决策类背景上的规则获取方法,并且通过比较证明了基于三支类背景获取的规则优于基于三支弱协调决策形式背景获取的规则.最后,利用三支条件类背景给出了反向规则与双向规则的获取方法.

摘要： Based on uncertainty decision problems,D-type probabilistic decision formal context was proposed.On this probabilistic decision formal context,a new operator "△" was defined,the probabilistic concepts were obtained and the corresponding concept lattice was constructed.Then we defined the consistence of D-type probability decision formal context and studied the rule acquisition on the consistent D-type probability decision formal context.Furthermore,by eliminating the redundant rules,the rules were simplified.Finally,the algorithms for generating the probability concept lattice and acquiring the decision rules were presented.%基于不确定性决策问题,提出一种D型概率决策形式背景,并针对D型概率决策形式背景定义“△”算子,获得概率形式概念,构造相应的概念格.又定义了D型概率决策形式背景的协调性,在协调的背景上进行规则获取.进一步,剔除冗余规则,简化规则集.最后,给出概率概念格生成及规则获取算法,以便于计算机的实现.

摘要： Granular computing based rule acquisition algorithms remedy the defects of rule acquisition algorithms to some extent. However, most of these algorithms can merely deal with categorical data. To further process the numerical or mixed data from the perspective of multi-granularity and multi-level, the neighborhood multi-granularity rough set model is adopted. Through calculating neighborhood multi-granularity condition granules and decision granules, the redundancy relation of condition granules in the process of rule acquisition is analyzed, and thus the redundant condition granules are further pruned. A rule acquisition algorithm for neighborhood multi-granularity rough set based on maximal granule is developed. The validity and superiority of the proposed algorithm are demonstrated by theoretical analysis and comparable experiments.%基于粒计算的规则获取在一定程度上弥补规则获取算法的缺陷,然而大多数算法仅适用于处理名词型数据.为了从多粒度、多层次的角度处理数值型或混合型数据,基于邻域多粒度粗糙集模型,通过计算邻域多粒度条件粒与决策粒,分析条件粒在规则获取过程中的冗余关系,进而通过剪枝规则获取过程中的冗余条件粒.在此基础上,设计较高效的基于最大粒的悲观邻域多粒度粗糙集规则获取算法.通过理论分析与实例对比验证算法的有效性和优越性.

摘要： In order to improve the precision and retrieval speed of image retrieval in the image database,an image semantic retrieval method based on multi-granularity division is proposed in this paper.Firstly,an image information table is built according to the image database and annotation words.Secondly,an improved rule acquisition algorithm based on multi-granularity is proposed to extract the rule sets of the image information table,the database is divided into different image sets according to the object sets divided by rule sets,and image semantic feature index is established.And then,the image retrieval algorithm based on knowledge granule and the similarity measurement based on connotation importance are proposed.Finally,simulation experiments are carried out with images of the testing image database which are chosen from the Corel image database,the results show that the proposed method can improve efficiency of image retrieval effectively.%为了提高在图像数据库中图像检索的准确性和检索速度,提出一种基于多粒度划分的图像语义检索方法.首先,根据图像数据库和语义标注词构建图像信息表;其次,使用改进的多粒度规则提取方法提取图像信息表的规则集,根据规则集对应的对象集将图像数据库划分为不同的图像粒集,建立图像语义特征索引;然后,提出了基于内涵重要度的图像相似性度量公式和基于知识粒的图像语义检索算法;最后,用Corel图像库中的图像作为测试图像库进行仿真实验,结果表明该方法有效地提高了图像的检索效率.

摘要： 传统的决策表规则提取需先进行属性约简再进行值约简,过程中存在大量冗余计算,并且当数据包含一定不确定性时效果不佳.为此,提出一种最简规则获取方法,将属性约简与值约简过程合二为一,使用变精度粗糙集模型,从属性多粒度的角度分析,按粒度的大小将决策表转换成不同的知识空间,并利用矩阵简单直观的特点,在不同的知识空间内定义粒矩阵、粒关系矩阵等概念,通过充分挖掘隐含在β粒关系矩阵中的启发式信息Sω,确定属性约简顺序,实现对不同粒度知识空间下最简规则的快速获取;设置覆盖率α为终止条件,以概率方法加快算法收敛速度.最后,从实例分析以及与现有算法进行UCI测试对比两方面对算法进行了验证,实验结果证明了所提算法的正确性与有效性.%Traditional algorithm extraction rules by attribute reduction and attribute values re-duction.There is a lot of redundant computation in the process and the result is not good when the data contains noise.Thus,the variable precision rough set model is used to acquire the rules of decision and attribute reduction and value reduction process are combined in this paper.The decision table is granulated into different granular spaces from fine to coarse in the perspective of attribute multi-granulation.By defining granular matrix,βgranular relation matrix,as well as mining the heuristic information Sωhidden in theβmatrices to determine the order of attribute re-duction,the rules in different granular space are acquired.By defining the concept of coverageα, the convergence speed of the algorithm is accelerated by the method of probability.Finally,the proposed algorithm is illustrated by an example and verified by UCI test set,proving the validity and effectiveness of the proposed algorithm.

摘要： 基于规则的诊断方法在故障诊断中得到广泛使用。故障诊断时，往往有大量的实际经验可以采用，但是这些实际经验存在征兆的冗余或缺失，影响故障诊断的准确性，其规则获取是其瓶颈之一。粗糙集理论能有效分析和处理不精确、不一致、不完整等各种不完备数据，并从中发现隐含知识，揭示潜在的规律。将粗糙集应用于故障诊断，给出了进行规则获取的方法。应用于旋转注水机组的转子故障诊断的规则获取，验证了其有效性。

摘要： 基于规则的诊断方法在故障诊断中得到广泛使用.故障诊断时,往往有大量的实际经验可以采用,但是这些实际经验存在征兆的冗余或缺失,影响故障诊断的准确性,其规则获取是其瓶颈之一.粗糙集理论能有效分析和处理不精确、不一致、不完整的各种不完备数据,并从中发现隐含知识,揭示潜在的规律.将粗糙集应用于故障诊断,给出了进行规则获取的方法.应用于旋转注水机组的转子故障诊断的规则获取,验证了其有效性.

摘要： 基于数据挖掘技术的机床主轴故障诊断系统,系统由信号采集及故障特征提取、诊断规则获取及知识库搭建、故障分析机制三个功能模块组成.重点研究诊断规则的获取技术及主轴知识库搭建,提出了基于粗糙集理论的故障诊断决策生成算法.算法利用信息系统的不可分辨特性,通过属性约简,提高规则求取效率,并通过软件建立数据知识库,建立主轴故障推理机制.实例研究证明该方法可行.

摘要： 本文研究了将粗糙集应用于故障诊断,进行知识规则获取的方法.给出了不完备故障诊断系统知识的属性约简和规则约简的方法,采用分明矩阵理论,构建规则置信度和覆盖度函数来对规则进行评价.应用于旋转注水机组的转子故障诊断的规则获取,原始决策系统中具有11个判断条件,在相同决策分类的情况下,系统约简到5个判断条件.采用新得到的决策属性构建了注水机组的决策表,得到了进行故障诊断的规则,验证了其有效性.

摘要： 首先分析了粗糙集理论及神经网络技术的特点,指明了二者在智能信息处理方面的互补性.然后阐述了基于粗糙集理论的样本数据化简、控制规则获取的方法,在此基础上,基于粗糙集理论设计了一种高效合理、训练速度较快的神经网络模型,仿真实例表明了该方案的可行性及有效性.

摘要： 本文提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据对中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练.化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性.

摘要： 本文提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据对中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练.化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性.

摘要： 本文提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据对中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练.化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性.

摘要： 本文提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据对中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练.化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性.

摘要： 从大规模数据集中挖掘知识是机器学习方法研究和应用一个重要方向并在科学决策、金融、商业和智能系统构造等领域得到了有效的应用。该文研究了基于特征选取和特征空间划分的规则知识获取问题，提出了一种从混合型多概念数据集中获取概念描述规则的机器学习方法ＨＤＲＬ（Ｈｙｂｒｉｄ Ｄａｔａｓｅｔ Ｒｕｌｅ Ｌｅａｒｎｉｎｇ）。文中给出了算法执行过程和学习结果。该方法通过构造二叉树，动态获取蕴涵在离散和连续混合特征数据集中的规则知识。实验表明，ＨＤＲＬ学习速度快、分类精度高、规则表达能力强且形式直观。

摘要： 本发明涉及核电主设备的耐蚀层堆焊工艺领域，特别涉及不规则回转腔壁堆焊轨迹获取方法及其全自动堆焊方法，其中堆焊轨迹获取方法包括步骤一，划分腔壁区域面；步骤二，建立坐标系；步骤三，设置回转中心；步骤四，获取区域面轨迹；步骤五，调整回转角速度；步骤六，获取堆焊轨迹；全自动堆焊方法包括通过PLC控制系统控制堆焊机头沿所述堆焊轨迹移动，采用非熔化极气体保护焊工艺，实现不规则回转腔壁的全自动堆焊，堆焊过程不需要操作人员进入回转腔内，降低了堆焊劳动强度，且堆焊轨迹更可控，堆焊效率较高，堆焊质量容易控制，保证了不规则回转腔壁的整体堆焊质量。

摘要： 本发明公开了一种有限元分析下非规则板柱剪力墙中模板起拱位置获取方法，该方法包括以下步骤：一、非规则板柱剪力墙结构的有限元模型的建立；二、非规则板柱剪力墙结构的有限元模型的整体分析；三、楼板模板起拱位置的获取。本发明方法步骤简单，设计合理，获取楼板模板起拱位置，从而为非规则板柱剪力墙中楼板模板的施工提供依据，提高非规则板柱剪力墙的整体性能。

摘要： 本发明公开了一种有限元分析下非规则板柱剪力墙中钢筋接头位置获取方法，该方法包括以下步骤：一、非规则板柱剪力墙结构的有限元模型的建立；二、非规则板柱剪力墙结构的有限元模型的整体分析；三、钢筋接头位置的获取。本发明方法步骤简单，设计合理，获取钢筋接头位置，从而为非规则板柱剪力墙中钢筋接头位置的施工提供依据，提高非规则板柱剪力墙的整体性能。

摘要： 本申请公开了一种检核规则文件的获取方法、装置、电子设备、存储介质和程序产品，涉及移动互联和自动程序设计技术领域。该方法包括：根据用户选定的检核规则类型，显示与所述检核规则类型对应的检核规则模板，其中，所述检核规则模板中包括至少一种模板要素；获取所述用户选定的每个所述模板要素的参数值；根据所述至少一种模板要素及其参数值对所述检核规则模板进行编译，得到与所述检核规则类型对应的检核规则文件。本申请的技术方案可以有效提升同类检核规则的配置效率，方便用户更直观、更便捷的配置检核规则，有效降低配置的出错率，提高检核规则配置的准确性。

摘要： 本申请实施例公开了一种获取映射规则的方法、装置、设备、系统及可读存储介质，属于通信技术领域。以第一通信设备获取映射规则为例，该方法包括：第一通信设备接收第二通信设备发送的第一报文，该第一通信设备和该第二通信设备位于第一类型的网络，第一报文携带第二通信设备上配置的第一映射规则的信息，该第一映射规则用于第一类型的网络中的地址与第二类型的网络中的地址之间的地址映射，第一类型的网络与第二类型的网络不同；该第一通信设备根据第一映射规则的信息获取第一映射规则。第一通信设备通过动态学习第二通信设备上的第一映射规则，能够减少映射规则的配置和维护工作量，从而能够提高获取映射规则的效率，并降低维护成本。

摘要： 本发明实施例公开了一种清算规则的获取方法及装置，该方法包括：响应于获取到清算类型的规则配置指令，展示规则输入页面，以引导用户填写清算类型的参数信息；响应于通过规则输入页面获取到配置完成指令，获取配置完成的多叉树参数；根据多叉树参数，获取规则行列式；将规则行列式作为清算类型的清算规则，并将规则行列式存储于数据库中。本发明实施例公开的技术方案，提高了清算规则的录入效率，节省了清算规则录入耗费的人力成本和时间成本，而根据配置完成的多叉树参数获取到规则行列式，并将规则行列式作为该清算类型的清算规则进行存储，降低了数据库中占用的存储资源，提升了数据库的存储效率。

摘要： 本发明涉及人工智能技术领域，公开了一种垂直领域规则常识知识获取方法及系统，该获取方法，包括以下步骤：S1，规则常识知识建模规范制定；S2，规则常识知识获取网络基础模型构建；S3，规则常识知识获取网络完整模型构建。本发明解决了现有技术存在的规则常识知识获取效率较低、准确率较低、成本较高等问题。

摘要： 本发明公开了证件信息的关联规则获取方法及装置、电子设备、存储介质。获取方法包括：获取多份证件信息，证件信息包括证件号码和其他证件信息；分别将从多个证件号码中截取的位数和数位均相同的号码段划分至相同的号码段集中；计算号码段集与其他证件信息的初始互信息，根据初始互信息将号码段集和其他证件信息分为正样本和负样本；根据正样本和负样本拟合号码段的权重；对号码段集中的号码段赋予权重后，计算号码段集与其他证件信息的互信息；根据再次计算的互信息确定号码段与其他证件信息之间的关联规则。本发明基于互信息确定证件信息的关联规则，能够挖掘出证件号码与其他证件信息之间的潜在规则，以此建立规则库，可为证件鉴伪提供参考。

摘要： 本发明公开了证件信息的关联规则获取方法及装置、电子设备、存储介质。关联规则获取方法包括：获取多份证件信息，每份证件信息包括证件号码和其他证件信息；分别对每个证件号码进行号码段的截取，并将从多个证件号码中截取得到的位数和数位均相同的号码段划分至相同的号码段集中；计算各个号码段集与所述其他证件信息的互信息；根据所述互信息确定号码段与其他证件信息之间的关联规则。本发明基于互信息确定证件信息的关联规则，能够挖掘出证件号码与其他证件信息之间的潜在规则，以此建立规则库，可为证件鉴伪提供参考。

摘要： 本发明提供了优势关系粗糙集分类规则获取方法、系统、设备及介质，通过根据获取的分布式数据集和预设偏好属性，构造对应的分布式偏好信息系统，再根据分布式数据集的分类标签，通过优势关系粗糙集方法确定分布式偏好信息系统的多个决策类后，获取各个偏好子信息系统的决策类近似集，并根据各个偏好子信息系统的决策类近似集，得到分布式偏好信息系统的决策类近似集，进而得到分类规则的方法，实现在保证优势关系一致性不受数据规模影响的基础上，基于已有局部知识合成所需全局知识，不仅避免全局知识获取的不必要重复计算，有效提升数据处理效率，而且简单有效地解决偏好多属性决策信息系统的不相容问题，进而保证全局分类规则获取的合理有效。