Изследването на правилата за вземане на решения за добив в процеса на производство на части

В областта на извличането на данни често използваните класификационни методи включват поддържащи векторни машини, невронни мрежи, байесова класификация и др. Горните алгоритми са ориентирани главно към неравномерно разпределение на данни, разчитайки на поддръжката на големи данни и извличане на техните потенциални асоциации чрез подобни мерки. Той се използва широко в области като диагностика на неизправности. Въпреки това, в индустрията за производство на машини, проектирането на параметрите на характеристиките на части (като размер, точност и т.н.) е стандартизирано, а в реалното инженерство всяка част в базата данни съответства само на един маршрут на процеса. Следователно, честотата на повторение на данните от процеса е относително висока, а количеството на данните е малко, което не е подходящо за обработката на гореспоменатия алгоритъм. Следователно изследователите най -често използват груба теория на множествата, за да ръководят извличането на правилата за вземане на решения за процеса.

Преди правилата за вземане на решения за добив, първо трябва да гарантираме достоверността на данните. Това е така, защото в реалното инженерство условията на работа винаги се променят в реално време. За да се избегне влияние върху вземането на решения на малко количество нетипични данни, генерирани от специални условия на работа, данните трябва да бъдат предварително предвидени. дръжка. Следователно литературата обикновено използва метода за изчисляване на подкрепата и доверието за получаване на типични данни за процеса.

Въз основа на модела с разширен груб набор знанията за предпочитанията на процеса се извличат от сложната връзка на еквивалентност, сходство и предпочитание, което потвърждава, че знанията за предпочитанията на процеса могат директно да ръководят вземането на решения от дизайнера, а теорията за грубите набори не изисква връзката за оценка на осъществимостта на правилата на процеса, която е по -добра от другите. Методът на добив е по -прост и по -директен.

Резултатите от добив на теория на грубите множества включват детерминираните правила, получени от по -ниското приближение и отрицателната зона, както и несигурните правила на граничната зона. За по -пълно проучване на правилата на процеса на граничната зона, Zhang Z. et al. използва променлив прецизен модел на груб набор, за да премине точността След промените в процеса на добив, обхватът на горния набор от приближения е ефективно намален. Качественото знание се съпоставя с връзката на асоциация, за да образува модел на сливане на знания, който може ефективно да копае повече правила за вземане на решения.

Основният процес на грубо зададени разсъждения е да се постигне минимално намаляване на атрибутите. Чен Хао и др. анализираха редукционните аномалии, причинени от интервала на включване и положителната област. За модела с груба настройка с променлива прецизност с постоянна степен на класификация и постоянна положителна област, базираната на съдържанието матрица на разликата и ядрото на атрибута, за да се получи методът за намаляване на минималния атрибут. Използвайки евристичен алгоритъм за намаляване, първо вземете основния атрибут и изчислете зависимостта на атрибута. Според възходящия ред на зависимостта, атрибутът и атрибутът на ядрото се комбинират на свой ред и накрая получават минимално намаляване на атрибута, помислете
Нехомогенността на разпределението на извадката се подобрява въз основа на кварцевия груб набор и се предлага моделът на груб набор на най-близкия съсед, който ефективно премахва голям брой атрибути. Извличането на правила за вземане на решения е разделено главно на два типа, единият е индуктивен добив, а другият е приспадане. Метод на добив. Основната идея на индуктивното копаене е да обобщи смислените правила за вземане на решения в сложни масиви от данни. Когато целта е получена, съобразете условните атрибути на набора от правила според параметрите на атрибута на целта, за да извлечете правилата за вземане на решения, които отговарят на изискванията за съвпадение. Основната идея на дедуктивното копаене е да се раздели съдържанието на решението в комбинация от няколко подмножества на решения и да се използва наборът от данни за извличане на обхвата на прилагане на подмножествата на решения. Когато целта е постигната, според целта
Параметърът на целевия атрибут извлича подходящото подмножество за вземане на решения и го реорганизира в необходимото съдържание за вземане на решения. За разлика от това, правилата за вземане на решения при инферентния добив са по -разнообразни и имат по -широк обхват на приложение, а индуктивният добив има по -строги ограничения, които могат да гарантират надеждността на правилата.

В гореспоменатите документи повечето от методите за обработка са индуктивен добив. Въпреки че надеждността на правилата за вземане на решения е ефективно гарантирана, силното ограничение също води до ниско използване на данни и ограничава пълнотата на базата от правила за вземане на решения. Нещо повече, въпреки че груб набор с променлива прецизност може ефективно да намали граничната област, стойността на прецизността се определя главно от ръчен опит и твърде много човешки фактори ще намалят надеждността на правилото за вземане на решения. Следователно, как да се намали граничната зона и да се подобри гъвкавостта на правилата въз основа на гарантиране на надеждността на правилата за вземане на решения е основната посока на изследване на правилата за вземане на решения в процеса на минно дело.

Линк към тази статия: Изследването на правилата за вземане на решения за добив в процеса на производство на части

Декларация за повторно отпечатване: Ако няма специални инструкции, всички статии на този сайт са оригинални. Моля, посочете източника за препечатване: https: //www.cncmachiningptj.com/，благодаря！

PTJ CNC магазинът произвежда части с отлични механични свойства, точност и повторяемост от метал и пластмаса. Предлага се 5-осно CNC фрезоване.Обработка на високотемпературна сплав обхват вкл обработка на инконел,монелна обработка,Машинна обработка на Geek Ascology,Шаран 49 механична обработка,Хастелоидна обработка,Nitronic-60 обработка,Обработка на Hymu 80,Обработка на инструментална стоманаи др.,. Идеален за космически приложения.CNC машинна обработка произвежда части с отлични механични свойства, точност и повторяемост от метал и пластмаса. Налични са 3-осни и 5-осни CNC фрезования. Ние ще разработим стратегия с вас, за да предоставим най-рентабилните услуги, които да ви помогнат да постигнете целта си, добре дошли да се свържете с нас ( sales@pintejin.com ) директно за вашия нов проект.