基于置信规则库系统P2P网络借贷市场投资者偏好测度

立足于多属性决策领域中关于产品的评价选择问题,文章结合关联规则理论,从历史信息中挖掘出相应的关联规则,并构建置信规则库系统,最终构建偏好评价模型来准确把握投资者偏好,提高融资成功率。通过对国内P2P网络平台投资者偏好情况进行问卷调研,测度投资者对不同影响因素的偏好得分。对比发现,置信规则库系统的计算结果与研究结果基本一致,证明规则库系统可合理有效地测度P2P网络借贷市场中投资者偏好,也为设计更具吸引力的融资标的提供重要的决策信息。     

基于置信规则库和差分进化的设备寿命评估方法

介绍了置信规则库转换(BRB-transformation,BRB-T)模型以及运用置信规则库(belief rule base,BRB)推理进行寿命评估的过程.针对当前的置信规则库学习方法还存在依赖初始解、规则条数偏多、系统结构复杂的问题,结合装备贮存寿命评估的BRB-T模型,提出了基于差分进化算法(DE)对该模型的BRB参数进行学习的优化方法.最后,通过某航天设备的失效数据进行了验证.结果表明,该优化方法能够有效地对模型的BRB参数进行优化;并且优化后的模型可以准确地对产品的寿命进行评估.     

基于置信规则推理的库存控制方法

提出一种在非平稳需求以及区间预测需求情况下的基于置信规则推理的库存控制方法.该方法不依赖于需求的分布模型,区间预测需求利用能够处理多种定性和定量不确定性信息的ER(证据推理)框架进行表达,领域专家知识可以用来构建和初始化置信规则库,历史需求信息可以用来训练置信规则库,以得到更加可信的推理.给出了一个汽车4S店库存-销售实例,证实了该方法的可行性及其相对于传统方法的优越性.     

基于置信规则库推理的电路参数成品率估计与中心值设计方法

将电路仿真与主观设计经验相结合,建立成品率估计的置信规则库(BRB)推理模型,该模型不仅可建模输入电路参数变量与输出参数成品率之间复杂的非线性关系,且能通过证据推理(ER)过程,给出不同输入下输出成品率的估计值.利用BRB推理模型可代替电路仿真,利用较少的计算量快速地估计出满足约束条件的中心值设计区域.所提方法与传统基于蒙特·卡罗的统计性方法和基于可接受域几何逼近的确定性方法相比,其不再只给出单个满足要求的中心值,而能够给出整个中心值设计区域,且不受特定电路性能函数形式的约束,具有计算速度快、模型参数物理意义明确便于理解等优点.以高速铁路轨道电路成品率估计与中心值设计为例,验证了所提方法的有效性.     

基于置信规则库的锂电池SOC估计

电池荷电状态（SOC）的准确估计在电池广泛应用的背景下日益重要,但是构建精确的物理模型十分困难,使用纯粹的数据驱动方法又容易因为电池个体差异性出现过拟合问题。针对这些问题,提出基于置信规则库（BRB）的方法对锂电池SOC的进行估计。该方法既允许专家通过经验知识克服数据驱动方法的过拟合问题,又能通过参数训练克服专家知识的不准确性。以某型磷酸铁锂（LiFePO-4）电池为例,对提出的方法进行了验证,并将其与神经网络进行了对比。结果表明,该方法估计SOC具有较高的精度,估计误差不超过10%,且可以克服传统神经网络方法存在的过拟合问题。     

基于置信规则库的机载导弹故障诊断

针对机载导弹结构日益复杂,传统专家系统故障数据少、故障诊断效率低、准确率不高等问题,提出基于置信规则库的方法对机载导弹进行故障诊断。首先,描述了基于证据推理的置信规则库推理方法,建立输入与输出之间的非线性模型;其次,为解决传统专家系统中初始BRB参数不准确的问题,结合故障位置信息,建立参数优化学习模型;最后,以某型机载导弹的制冷系统为例,对基于置信规则库的机载导弹故障诊断方法进行了验证和对比。结果表明,该方法既能克服传统专家系统诊断效率低的问题,同时能够通过参数训练提高机载导弹的诊断精度,较好地提高了机载导弹故障诊断效率,为机载导弹的维护保障工作提供了参考。     

析取置信规则库系统参数优化的深度神经网络模型

基于深度学习的置信规则库系统（BRB-DL）比传统的置信规则库系统（BRB）具有更好的推理精度和适用性。然而,现有的BRB-DL在参数优化方面存在可移植性不足、应用效率低等局限性。鉴于此,本文将深度神经网络与析取置信规则库结合,有效减少了模型的规则和参数的数量,并引入梯度下降算法优化模型参数,提高了模型构建和优化的效率。最后,通过非线性函数的拟合,北京市空气质量污染预测和多个UCI公共分类数据集的实验对本文提出的方法进行验证,并将实验结果与现有的置信规则库系统和传统的机器学习方法进行了对比。结果表明,本文提出的方法比传统的方法具有更高的推理精度和更快的训练速度。     

析取置信规则库系统参数优化的深度神经网络模型

基于深度学习的置信规则库系统在参数优化方面存在可移植性差、应用效率低等问题,为此,将深度神经网络与析取置信规则库结合,有效减少模型的规则和参数的数量;引入梯度下降算法优化模型参数,提高模型构建和优化的效率. 通过非线性函数拟合、北京市空气质量污染预测和多个UCI公共分类数据集的实验,对提出的方法进行验证,并将实验结果与现有的置信规则库系统和传统的机器学习方法进行对比. 结果表明,所提出的方法比传统的方法具有更高的推理精度和更快的训练速度.     

基于K均值小波神经网络的二阶段空调负荷预测

结合聚类分析和小波神经网络模型,提出一种二阶段空调负荷建模方法,以提高空调负荷预测精度.首先利用K均值聚类算法将原始负荷样本数据依据其统计分布特性划分为若干簇类,以降低数据相关性对建模精度的影响;然后基于对每个划分簇类所属的样本数据建立相应小波神经网络空调负荷预测模型.最后基于De ST平台模拟数据,将构造的小波神经网络预测模型运用于福建某办公大楼的逐时空调负荷预测.通过对比均方根误差(RMSE)和平均绝对误差(MAPE),结果表明该模型的预测精度明显优于传统单一的小波神经网络和BP神经网络模型.     

基于不确定理论的CBRB规则激活权重计算方法

合取型置信规则库系统的推理方法以概率论为基础,通过乘法实现合取关系,然而这种计算方法并不总能准确反映规则的激活程度.鉴于此,引入不确定理论,改进前件属性合取关系的实现方式,以前件属性中最小的个体匹配度作为核心,并保留信息利用的完整性,提出一种新的规则激活权重计算方法.在此基础上,利用扩展置信规则库系统分别在回归和分类问题上对该方法的推理效果进行验证.实验结果表明:新方法有效提高了系统的推理能力,并能稳定地适用于多个数据集.     

基于聚类的规则文档碎纸片拼接模型

针对碎纸机破碎文档后的规则碎纸片拼接问题,通过对碎纸片上边缘的灰度向量将文档分为上边缘为空白和非空白区域两大类,再分别以上边缘非空白区高度和空白区高度作为聚类参数,将纸片分为若干簇,在每一个簇中利用相邻两张碎纸片左右边缘向量相似度来进行拼接,得到若干横条的纸片,然后以行距和横条间上下边缘相似度为参数来将若干横条拼接为完整文档。     

基于遗传优化规则库的电力变压器故障诊断

提出基于遗传算法优化模糊规则库的故障诊断方法,采用模糊故障诊断系统对电力变压器的初期故障进行检测或诊断.采用遗传算法产生优化的模糊规则库,针对缺少数据样本的情况,采用自举法对数据样本进行处理及扩充,使得不同的故障类型有相等的样本数.仿真结果表明:该故障诊断方法提高了故障诊断精度和正确率,对于电力变压器故障诊断有效、可行.     

结合链接结构聚类的混沌粒子群网页分类规则抽取

网页分类器设计的核心是对原始分类数据集进行分类规则挖掘,本文提出了一种结合链接结构聚类的混沌粒子群网页分类规则获取算法．算法将聚类和分类结合起来进行分类规则提取：首先用基于K均值的聚类算法对一部分有代表性的链接结构数据聚类,进行类别自动标注,形成训练集;再用混沌粒子群算法对已标注类别的数据提取分类规则．实验结果表明,这种模式充分发挥了基于链接的分类方法受人为因素干扰最小的优点,减少了人工标注类别的工作量,同时提高分类的准确率和效率．     

DATALOG规则与基于逻辑的关系查询

Datalog是关系数据模式中用来扩充逻辑查询语言的一种重要形式。文章论述Datalog规则、Datalog规则的安全条件、Datalog规则对关系代数查询的表达和Datalog规则中的递归查询等相关问题。     

基于用户聚类和项目分类的电影推荐系统构建

针对推荐系统中普遍存在的数据稀疏性问题,提出了一种结合项目分类和用户聚类的推荐算法.通过聚类算法将相似的用户聚类在一起形成若干个用户子网,在各个用户子网之间和用户子网中通过信任机制加强子网之间和子网内部的相互关系,根据项目的种类将项目分类,再通过用户对项目的选择计算用户对每种类型项目的大众喜爱度,在每个用户子网中将项目分类和大众喜爱度加权求和得出最终的相似度,由此构造出推荐系统.实验验证了方法的有效性,减小了数据稀疏性对推荐结果的负面影响.     

一种基于URL路径的页面用户聚类方法

结合Web用户浏览行为的特点,提出了一种基于路径的Web页面相似度聚类算法,使用用户的浏览行为描述和用户对页面的访问次数建立Web站点的访问矩阵,并在此基础上对站点进行URL用户聚类。最后,使用标准数据集进行了试验,证明基于此种相似度计算方法的URL聚类算法对Web用户聚类是有效的。