浅析铸造缺陷成因加强铸件质量管理

就铸造缺陷的成因及如何采取措施防止铸造缺陷的产生,提高铸件质量作简单的分析.     

浅析铸造缺陷成因 加强铸件质量管理

就铸造缺陷的成因及如何采取措施防止制造的产生，提高铸件质量作简单的分析。     

AFS理论和数据挖掘与模糊认知图

对近年来模糊认知图、数据挖掘以及AFS理论的发展和应用进行了综述，分析了现有的关于模糊认知图的研究的局限和尚待研究的问题，进而指出可以应用AFS理论来研究模糊认知图并应用于数据挖掘，同时建立一套严密、系统、统一的模糊认知图建立和分析方法，从而降低模糊认知图设计的难度和复杂程度，提高其分析水平，改变实际系统的模糊认知图由于包含大量的节点和复杂的连接关系很难进行分析和处理的现状还介绍了基于AFS理论的模糊认知图的意义、需要解决的主要问题以及应用前景。     

基于SVM和模糊专家系统的机械加工工序质量诊断

为控制产品质量，诊断出机械加工工序误差源，本文提出了基于SVM和模糊专家系统的机械加工工序质量诊断方法。该方法以专家系统为载体，结合SVM和模糊理论，实现对机械加工过程中引起质量波动的异常误差源的诊断。     

石油钻采机械产品铸件的质量控制

铸件产品在石油钻采机械设备及其相关领域中应用广泛,合格的铸件是企业生产优质产品的保证.由于铸件在石油钻采机械中采用单件小批量铸造,铸件的质量不可避免受到设备能力、工艺方法、人员素质、原材料质量、管理方式等因素的影响.本论述依据API Spec Q1《石油天然气行业制造企业质量管理体系规范》标准中产品生产过程控制对铸件产品的相关要求,结合生产实践,围绕铸件毛坯制造到加工过程控制要点及方法,详细阐述了铸件毛坯生产制造关键工序质量控制要素,进厂检验质量控制要素,铸件加工过程中缺陷返修控制要素,铸件不合格品管理具体措施.     

基于模拟退火的模糊分类系统在数据挖掘中的应用

给出了一种基于模拟退火的模糊分类系统—SAFCS,该分类系统结合了SA元启发式搜索策略的学习能力和模糊系统的近似推理方法,旨在改善与分类问题有关的大型数据空间的搜索性能,找到模糊if-then规则的优化集.SAFCS可以从输入数据集中抽取精确的模糊分类规则,并在若干不同预定义类中将其应用于对新数据实例的分类.文末用某数据集检测了SAFCS的性能,结果表明,在与其他几个著名算法比较时该分类系统性能可靠.     

基于数据挖掘技术的图书馆管理

数据挖掘技术作为一种深层次的数据分析方法,可以从大量的数据中提取出图书文献的特征信息,以及图书文献之间的关联性,从而为图书馆文献资源的管理工作提供支持,优化馆藏结构,拓展服务模式,提高信息服务质量。     

基于小波理论的铸件缺陷纹理分类分析

根据纹理特征,提出了铸铝及铸铁缺陷的自动分类方法,通过类人眼对铸件缺陷的感知方式,运用Ｇａｂｏｒ小波函数分析了缺陷的纹理。为满足高速在线检测的要求,提出了启发式滤波器参数选择原则及Ｇａｂｏｒ函数在空域中快速而简便的运算方法。     

基于模糊神经网络的数据挖掘算法

提出一种基于模糊神经网络进行数据挖掘的新方法。构成模糊神经网络的模糊化层采用高斯函数计算5个模糊隶属度,高斯函数需要的均值、方差以及隶属度的中心值都可通过预先计算采集到的数据得到。模糊推理层采用取小取大运算代替常用的积和运算,加快了网络的推理速度。在模糊神经网络训练阶段,首先利用重心法对模糊化层输出进行反模糊化,再采用BP思想,利用梯度法求误差值并进行反传调整隶属度函数的参数值。为提高网络推理精度和速度,通过设立相应的规则对网络进行裁剪,剪掉多余的节点和权值,最后依据一定的思想对产生的模糊规则进行简化和提取。以工业锻造中的智能温度控制系统的控制数据为例进行仿真,结果表明,该网络具有较高的精度和较好的鲁棒性。     

基于模糊神经网络的空间数据挖掘方法研究

本文针对庞大空间数据集性质复杂且非线性、持续性及噪音普遍存在的情况，提出利用模糊神经网络模型进行空间数据挖掘，并具体讲述其挖掘步骤及发现知识的类型。     

数据挖掘与统计理论

随着数据库技术的不断发展和数据库系统的广泛应用，数据库中存储的数据量急剧增大，迫切需要新的计算理论和工具帮助人们从大量信息中抽取有用信息，即知识，数据挖掘学科的诞生正是适应这一需要．传统数据分析工具数理统计无疑在这一学科中扮演着重要角色，阐述数据挖掘的主要任务及统计理论在各任务中的应用，旨在更好结合统计理论探讨数据挖掘，更好发挥数理统计理论在数据挖掘中的作用．     

海底采矿车路径跟踪的变论域模糊控制

采用ADAMS/ATV软件建立海底采矿车机械系统模型,利用MATLAB/Simulink平台建立以速度内环和方位外环的行走控制系统模型及机械系统与行走控制系统协同仿真模型;针对海底环境的复杂性和未知性,采用变论域理论设计纠正方向和位置偏差的自适用模糊控制器以及PID控制理论设计速度控制器,开展海底采矿车在越单边障碍时过程中按预定路径行走仿真研究.仿真结果表明:基于变论域模糊控制理论所设计的海底采矿车路径跟踪控制模型的鲁棒性良好,其方位偏差纠正及速度跟踪的响应速度快、稳态性好、控制效果好,实现了海底采矿车按预定路径行走,为海底采矿车在采矿过程中自动行走控制提供了有效的控制方法.     

WEKA环境下基于模糊理论的聚类算法

因特网上的数据规模大、动态性强,通常发现的知识或规则很可能是不精确和不完备的。为了克服以上不足,引入模糊理论,通过寻找模糊相似上近似集进行合理聚类,在确定聚类数目的过程中,利用平均信息熵进行最佳聚类。同时将模糊聚类算法嵌入WEKA平台,利用WEKA中的类和可视化功能,扩充了WEKA中的聚类算法。实验表明,算法对含有噪声的、分布不规则的大数据集具有很高的精度和收敛速度。     

Data Mining Based on Computational Intelligence

This paper combines computational intelligence tools: neural network, fuzzy logic, and genetic algorithm to develop a data mining architecture (NFGDM). which discovers patterns and represents them in understandable forms. In the NFGDM. input data are preprocessed by fuzzification, the preprocessed data of input variables are then used to train a radial Basis probabilistic neural network to classify the dataset according to the classes considered. A rule extraction technique is then applied in order to extract explicit knowledge from the trained neural networks and represent it in the form of fuzzy if-then rules. In the final stage, genetic algorithm is used as a rule-pruning module to eliminate those weak rules that are still in the rule bases. Comparison with some known neural network classifier, the architecture has fast learning speed, and it is characterized hy the incorporation of the possibillty information into the consequents of classification rules in human understandable forms. The experiments show that the NFGDM is more efficient and more robust than traditional decision tree method.     

基于Web的挖掘研究

首先描述了数据开采，及Web数据挖掘，最后提出了Web数据挖掘的发展方向和趋势。     

Data mining based hospital management

Rapid progress in information technology has come to enable us to store all the information in a hospital information system, including management data, patient records, discharge summary and laboratory data. Although the reuse of those data has not started, it has been expected that the stored data will contribute to analysis of hospital management. In this paper, the discharge summary of Chiba University Hospital, which has been stored since 1980’s were analyzed to characterize the university hospital. The results show several interesting results, which suggests that the reuse of stored data will give a powerful tool to support a longperiod management of a university hospital.     

快速挖掘频繁模糊项集

针对模糊频繁集的挖掘问题,提出一种有效的算法FMF.该算法采用FFP-树结构,将与模糊项目相关的事务的序号保存在树结点中.算法通过直接找到所有包含模糊项集的全部事务来计算该项集的支持度,不必扫描整个数据库,提高了模糊频繁项集挖掘的速度.     

基于数据挖掘的农产品质量特性波动溯源方法

针对传统的农产品质量特性波动溯源方法一直存在溯源不准确、效率低的问题,提出基于数据挖掘的农产品质量特性波动溯源方法。依据农产品质量特性之间的关系,将质量特性间的波动传播关系划分成链接内部传播、链接串联传播、链接并联传播以及链接混联传播四种基本形态,求出每种形态的波动传播度。通过小波分解方法对农产品质量特性波动特征进行提取,结合波动传播度为溯源提供可靠的技术支持。介绍了决策树方法,通过基于决策树方法将农产品质量特性波动传播度和Shannon熵看作特征,依据训练集形成规则并产生决策树,输入测试集进行数据挖掘,得到农产品质量特性波动溯源结果。实验结果表明,所提方法不仅具有良好的特征提取效果和较高的溯源精度,而且时间复杂性指标较低。     

基于模糊推理的管理数据库的知识挖掘

通过对学生管理数据库中学生的成绩，采用模糊数学中的多重多维模糊推理方法，首先建立了学生成绩数据的模糊推理规则及相应的隶属函数，给出与其对应的多重多维模糊推理模型，在此基础上对学生管理数据库中学生成绩数据进行知识挖掘，给出了学生个人综合素质的分类。与此同时，我们对模糊推理中隶属函数的构造方法、模糊推理过程中合成算子的选择及模糊向量的处理进行了研究，得出了比较满意的结论。     

基于关联规则的质量信息挖掘应用研究

基于关联规则的数据挖掘原理和方法能够帮助管理者进行有效决策.提出一种具有关联规则分析功能的通用质量管理信息系统框架,其中的关联分析模块能够对质量数据进行深层次挖掘,通过某大型制造企业质量管理信息系统的实施表明,该通用框架能够支持质量管理的持续改进,有效提高质量数据分析的精确性.