Raziskava o pravilih odločanja o rudarstvu v proizvodnem procesu

Na področju rudarjenja podatkov običajno uporabljene klasifikacijske metode vključujejo podporne vektorske stroje, nevronska omrežja, Bayesovo klasifikacijo itd. Zgornji algoritmi so v glavnem usmerjeni v nepravilno distribucijo podatkov, ki se opirajo na podporo velikih podatkov, in rudarjenje njihovih potencialnih povezanih odnosov prek podobne ukrepe. Veliko se uporablja na področjih, kot je diagnosticiranje napak. V industriji strojnih strojev pa je oblikovanje parametrov lastnosti delov (kot so velikost, natančnost itd.) Postalo standardizirano, v dejanskem inženiringu pa vsak del v bazi podatkov ustreza le eni poti procesa. Zato je stopnja ponavljanja procesnih podatkov relativno visoka, količina podatkov pa majhna, kar ni primerno za obdelavo zgoraj omenjenega algoritma. Zato raziskovalci večinoma uporabljajo grobo teorijo množic za vodenje rudarjenja pravil odločanja o procesu.

Pred pravili odločanja o rudarjenju moramo najprej zagotoviti verodostojnost podatkov. To je zato, ker se v dejanskem inženiringu delovni pogoji vedno spreminjajo v realnem času. Da bi preprečili, da bi majhna količina netipičnih podatkov, ki jih ustvarjajo posebni delovni pogoji, vplivala na odločanje, je treba podatke vnaprej predvideti. ročaj. Zato literatura na splošno uporablja metodo izračuna podpore in zaupanja za pridobivanje tipičnih podatkov procesa.

Na podlagi razširjenega modela grobe množice se znanje o prednostnih procesih izkopa s sestavljenim razmerjem enakovrednosti, podobnosti in preferenc, ki potrjuje, da lahko znanje o prednostnih procesih neposredno vodi oblikovalčevo odločanje in teorija grobega niza ne zahteva povezava za vrednotenje izvedljivosti pravila procesa, ki je boljša od drugih. Metoda rudarjenja je enostavnejša in bolj neposredna.

Rezultati rudarjenja teorije grobe množice vključujejo deterministična pravila, pridobljena iz nižjega aproksimacijskega niza in negativnega območja, pa tudi negotova pravila mejnega območja. Zhang Z. et al. uporabil model grobe nastavitve s spremenljivo natančnostjo, da bi prešel natančnost Po spremembah v procesu rudarjenja se obseg zgornjega niza približkov učinkovito zmanjša. Kvalitativno znanje je preslikano v asociacijski odnos, da se oblikuje model zlitja znanja, ki lahko učinkovito izkoristi več pravil odločanja.

Temeljni proces grobega sklepanja je doseči minimalno zmanjšanje lastnosti. Chen Hao et al. analizirali redukcijske anomalije, ki jih povzroča interval vključevanja in pozitivno območje. Za model grobega nabora s spremenljivo natančnostjo s konstantno stopnjo klasifikacije in konstantno pozitivno domeno, matriko razlik na osnovi vsebine in jedro atributa za pridobitev metode minimalnega zmanjšanja atributov. Z uporabo hevrističnega algoritma redukcije najprej pridobite osnovni atribut in izračunajte odvisnost atributa. Glede na naraščajoči vrstni red odvisnosti se atribut in atribut jedra po vrsti združita in na koncu dobimo minimalno zmanjšanje atributa, upoštevajte
Nehomogenost porazdelitve vzorca se izboljša na podlagi grobe množice sosesk in predlaga se model grobe množice najbližjega soseda K, ki učinkovito odstrani veliko število atributov. Rudarjenje na podlagi pravil odločanja je v glavnem razdeljeno na dve vrsti, eno je induktivno rudarjenje, drugo pa odbitek. Metoda rudarjenja. Glavna ideja induktivnega rudarjenja je povzeti smiselna pravila odločanja v kompleksnih nizih podatkov. Ko je cilj dosežen, se ujemajo s pogojnimi atributi nabora pravil glede na parametre atributov cilja, da se izvlečejo pravila odločanja, ki izpolnjujejo zahteve za ujemanje. Glavna ideja deduktivnega rudarjenja je razdeliti vsebino odločitve v kombinacijo več podmnožic odločitev in uporabiti niz podatkov za odkrivanje področja uporabe podskupin odločanja. Ko je cilj dosežen, glede na cilj
Parameter ciljnega atributa izvleče ustrezno podmnožico odločanja in jo reorganizira v zahtevano vsebino odločanja. Nasprotno pa so pravila odločanja inferencialnega rudarjenja bolj raznolika in imajo širši obseg uporabe, induktivno rudarstvo pa ima strožje omejitve, ki lahko zagotovijo zanesljivost pravil.

V zgoraj omenjenih dokumentih je večina metod obdelave induktivno rudarjenje. Čeprav je zanesljivost pravil odločanja dejansko zagotovljena, močna omejitev vodi tudi do nizke uporabe podatkov in omejuje popolnost osnove pravil odločanja. Poleg tega, čeprav lahko grobo niz s spremenljivo natančnostjo učinkovito zmanjša mejno območje, vrednost natančnosti določajo predvsem ročne izkušnje, preveč človeških dejavnikov pa bo zmanjšalo zanesljivost pravila odločanja. Zato je glavna smer raziskovanja pravil odločanja rudarskega procesa, kako zmanjšati mejno območje in izboljšati prilagodljivost pravil na podlagi zagotavljanja zanesljivosti pravil odločanja.

Povezava do tega članka: Raziskava o pravilih odločanja o rudarstvu v proizvodnem procesu

Izjava o ponatisu: Če ni posebnih navodil, so vsi članki na tem spletnem mestu izvirni. Prosimo, navedite vir za ponatis: https: //www.cncmachiningptj.com/，hvala！

PTJ CNC trgovina izdeluje dele z odličnimi mehanskimi lastnostmi, natančnostjo in ponovljivostjo iz kovine in plastike. Na voljo 5-osno CNC rezkanje.Obdelava visokotemperaturne zlitine obseg vključevanja obdelava inconel,monel obdelava,Geek Ascology obdelava,Carp 49 obdelava,Hastelloy obdelava,Nitronic-60 obdelava,Obdelava Hymu 80,Obdelava orodnega jeklaitd.,. Idealno za vesoljsko uporabo.CNC obdelava proizvaja dele z odličnimi mehanskimi lastnostmi, natančnostjo in ponovljivostjo iz kovine in plastike. Na voljo so 3-osno in 5-osno CNC rezkanje. Z vami bomo oblikovali strategijo za najučinkovitejše storitve, ki vam bodo pomagale doseči svoj cilj. Dobrodošli v stik z nami ( prodaja@pintejin.com ) neposredno za vaš novi projekt.