零件工序模型几何演变序列生成方法及应用

针对机加工艺知识挖掘与重用困难的问题,分析得出工艺知识隐藏在零件工序模型序列的几何变化之中,并进一步提出工序模型几何演变序列的生成和相似性度量方法以及特征匹配算法.首先对工序模型的几何变更进行提取和表示,并将整个工序模型序列中所有前、后道工序间的几何变更按照工艺过程的优先级约束组成了几何演变序列;然后建立零件工序模型几何演变序列的相似性度量算法,并以算法的计算结果作为衡量零件工艺相似性的依据;在几何演变序列中提取出参与特征形成过程的变更元素建立新的加工特征模型,并通过构建特征的匹配算法来为融入加工特征形成过程的更高维的特征识别与匹配提供依据.实例结果表明,文中方法是可行性的.     

三维工序模型几何演变序列的相似性度量

针对传统的基于"相似零件结构有相似工艺"准则的知识检索方法造成知识重用粒度大等缺点,提出一种基于三维工序模型序列演变过程的工艺相似性度量方法.首先利用具有仿射不变性的一组物理特征量,即形状描述元,表达三维工序模型几何形状的特征值;然后通过比较形状描述元的差异获取三维工序模型序列中发生几何变化的体素;再由发生几何变化的体素构建相邻两道工序模型之间几何变化的属性邻接图,并利用属性邻接图所构成的序列表达工序模型几何演变过程;最后通过度量属性邻接图序列之间的相似性实现工艺相似性度量方法,实例结果表明,该方法是有效的.     

关联工艺引导的型腔类零件局部结构检索方法

针对已有的基于内容的三维CAD模型检索技术难以保证检索结果关联工艺的可重用性,需要设计人员进一步甄别其重用价值的问题,提出一种关联工艺引导的型腔类零件局部结构检索方法,以从基于制造特征的结构化工艺数据中查找关联工艺可重用的相似三维几何.首先建立特征关联工艺参数化驱动模型,从特征加工几何、加工精度、刀具几何角度揭示特征实例关联工艺的参数化驱动特性;然后以特征实例关联工艺为参考,建立基于中轴转换的特征相似性评价模型;最后提出基于子图同构的相似局部结构提取算法,并且计算相匹配局部结构之间的相似度.在CATIA平台下开发了原型系统,并验证了文中方法的有效性.     

基于数据挖掘的符号序列聚类相似度量模型

为了从消费者偏好序列中发现市场细分结构,采用数据挖掘领域中的符号序列聚类方法,提出一种符号序列聚类的研究方法和框架,给出RSM相似性度量模型。调整RSM模型参数,使得RSM可以变为与编辑距离、海明距离等价的相似性度量。通过RSM与其他序列相似性度量的比较,表明RSM具有更强的表达相似性概念的能力。由于RSM能够表达不同的相似性概念,从而使之能适用于不同的应用环境,并在其基础上提出自组织特征映射退火符号聚类模型,使得从消费者偏好进行市场细分结构研究的研究途径在实际应用中得以实现。     

基于粒子群算法的三维CAD模型相似性计算

为了更加准确地度量两个模型之间的形状差异,提出了一种基于粒子群的模型相似性计算方法。利用面的组成边数来构造面相似度矩阵,通过粒子群算法对该矩阵进行搜索,得到了两个模型之间的最优面匹配序列。根据这个最优面匹配序列,从面相似度矩阵中提取对应的面相似性值。通过累积面之间的相似性来计算模型之间的整体相似性。以此为基础来度量模型之间的差异。实验结果表明：该方法能够准确地度量两个模型之间的相似程度。     

基于趋势的时间序列相似性度量和聚类研究

由于时间序列的长度很大,并且不确定时间序列在每个采样点的取值具有不确定性,导致时间序列在相似性匹配和聚类挖掘中时间复杂度很高,为了解决该问题,提出了基于趋势的时间序列相似性度量方法和聚类方法.其中基于趋势的相似性度量方法根据时间序列的整体变化趋势,将时间序列映射为短的趋势符号序列,并利用各趋势的一阶连接性指数和塔尼莫特系数完成相似性度量;基于趋势的聚类方法通过定义趋势高度,并对趋势符号序列迭代进行区间划分和趋势判断,并以此构建趋势树,最后将趋势树根节点中趋势符号相同的序列聚集为一类.实验结果表明:a)五种趋势符号的一阶连接性指数可唯一地表示一条时间序列;b)基于趋势的相似性度量方法在多项式时间内可有效完成时间序列的相似性匹配;c)基于趋势的聚类方法将序列的相似性度量和聚类过程集中在一起,聚类效果显著.     

基于云模型重叠度的相似性度量

云模型相似性是用来度量同类概念不同语言值的多个云之间关联程度的方法,相似云及其度量分析方法的提出是对云模型理论的扩展。针对目前相似性度量方法中时间复杂度过高和结果不稳定等不足,提出了一种基于云模型重叠度的相似性度量算法。首先,根据云模型期望、熵、超熵三个数字特征,定义两个云模型的位置关系和逻辑关系;其次,利用两个云的位置和形状特性,计算得到它们间的重叠度;最后,结合云模型重叠度与相似度的关系,将云模型的相似性度量转化为相应重叠部分的定量化描述。通过对时间序列分类实例的应用,验证了该算法在保证结果稳定度和正确率的前提下,与目前时间消耗较低的云模型相似度计算方法(LICM)相比,计算复杂度降低了50%,表明该算法具有可行性和有效性。     

基于触发序列集合的过程模型行为相似性算法

过程模型的相似性计算是业务过程管理中不可缺少的任务,广泛应用于组织合并、用户需求变更、模型仓库管理等多个场景.对基于主变迁序列的相似性度量方法 PTS进行研究,并提出了改进方案.通过定义完整触发序列表示模型行为,基于A*算法结合剪枝策略实现触发序列集合间的映射,进而完成模型相似性计算.实验结果表明:该方法较主流的基于模型行为相似性算法,计算合理性有很大提升.     

面向Artifact的业务流程行为相似性度量方法

面向Artifact的业务流程是以数据为中心的业务流程的代表.与传统以过程为中心的业务流程相似,为了更好的对流程模型进行流程检索、流程挖掘等操作,计算流程间的相似性或距离是一个关键的问题.给出一种面向Artifact的业务流程行为相似性度量方法.首先,通过测量流程模型之间关键Artifact的相似性来评估流程处理的核心业务数据的相似度.其次,根据关键Artifact生命周期特性,测量任务执行路径中任务依赖关系的相似性.最后,测量生命周期中关键Artifact属性赋值序列的相似性.理论和实例分析表明,该方法是一个有效的相似性度量方法.     

不同粒度时间序列相似性度量

现有的时间序列的相似性度量大多基于欧氏距离,并不适用于不同粒度时间序列的相似性匹配,无法直接对其相似性进行有效的度量,为此,提出一种基于对应差值比样本的相似性度量,用于不同粒度时间序列的相似性匹配.首先对不同时间粒度的时序数据进行阐述,并定义了对应差值比样本与相似度计算方法;接着提出基于它们的相似性匹配算法;最后实验证...