专家系统在发动机故障诊断中的应用

本文介绍了专家系统的结构及在发动机故障诊断中的应用。该系统将多种知识表示方法及多种故障推理策略融为一体。可以在实际诊断过程中提供给用户重要的辅助诊断，同时由于增加了多媒体的技术，因而又是学习故障诊断的好帮手。     

一个基于实例推理的专家系统的设计及实现

本文给出了汽车故障诊断专家系统ＡＢＤＥＳＴ的设计方法，介绍了基于实例的推理的方法，以及ＣＢＲ在故障诊断中的应用和实现技术。     

基于Rough集的连续属性离散化方法

连续属性离散化是Rough集理论应用中面临的主要问题之一.提出了一种基于的Rough集连续属性离散化方法.首先提出主泛化决策等概念,在数据过滤方法的基础上,利用等价类的合并对属性离散化.实验表明,利用该方法对数据进行离散预处理后提取的规则具有较好的分类预测准确性.     

不完备信息系统中扩充关系的研究

为了能够有效地分析处理不完备的信息系统，必须对现有的Rough集模型进行扩充。分析研究了现有的几种比较有影响的基于Rough集的扩展关系，提出了一种处理不完备信息系统的约束非对称关系，并对这些扩充关系进行了分析比较。还提出了基于这种关系的上近似和下近似概念，以及正区域、近似精度、近似质量和依赖关系等相关概念。     

时态信息系统转换方法的改进

利用Rough Set方法分析时间序列，已经取得了成果。时态信息系统(TIS)是时间序列的形式化表示。将时态信息系统转化为传统的信息系统(IS)，是将Rough Set方法应用于时间序列挖掘的基础。目前，已有的将TLS转换为IS的方法，依赖于固定的时间间隔，具有一定的局限性。本文在已有算法的基础上，提出了两种改进方法，并结合Rough Set理论，使之适用于一般的时间序列的挖掘。     

一种基于Rough集的缺省规则挖掘算法

Rough集方法是一种处理不确定或模糊知识的重要工具,对基于Rough集理论的缺省规则挖掘算法进行研究,在引入规则支持度概念后,提出了一种基于Rough集的缺省规则挖掘算法MDRBR。实验结果表明,该算法能较好地过滤噪音,提高规则的挖掘效率。     

基于Rough集的规则学习研究

Rough Sets方法是一种处理不确定或模糊知识的重要工具,本文在对Rough Sets理论进行深入研究的基础上,提出了一种基于Rough Sets的自增量学习算法,该算法利用简化的差异矩阵和置信度,能较好地进行确定性规则和非确定性规则的学习。     

AFDES中基于Case推理方法的研究

本文对“汽车故障诊断专家系统(AFDES)”中的基于Case推理方法进行了研究,介绍了不确定知识的事例表达、事例的存储和检索,提出了事例的相似度计算算法和基于事例推理算法。     

45钢冷拔润滑工艺参数的优化试验分析

冷拔加工前的润滑处理是1道很重要的预处理工序,直接影响着拉拔力和拉拔质量.以冷拔传动轴常用的45钢为例,对润滑工艺参数进行了正交优化试验.通过SEM对中温锌系磷化膜及皂化膜的形貌和成分进行了分析,确定了磷化工艺较佳参数组合为:磷化液PH值2.0,磷化温度75℃,磷化时间20min;在此工艺参数下磷化后再皂化处理,形成的润滑膜细密均匀,能达到良好的润滑效果.     

基于GDT的不完整信息系统规则发现

提出了一个基于GDT的从不完整信息系统进行规则发现的方法。该方法利用GDT的思想,通过概括强度、规则置信度和规则强度等概念,充分考虑到数据不完整性和噪音引起的不确定性,在不改变原信息系统大小的前提下,直接从不完整信息系统中得到简洁实用的规则。最后,通过一个例子阐述了该方法的实施过程,并将该方法与提及的其它几种不从不完整信息系统中发现规则的方法进行了分析比较。分析表明该方法是一种新的有效的从不完整信息系统抽取规则的途径。