向日葵视频在线下载_向日葵视频网站_向日葵小视频APP污_向日葵视频污污下载

    在油墨成分分析應(yīng)用領(lǐng)域常常有某一油墨不符合使用要求的情況發(fā)生。如果能把不符合使用要求的油墨樣品通過添加助劑、摻配等方式使之成為合格油墨,則可以使有限的油墨資源得到最充分的利用,這是一項有巨大經(jīng)濟效益的油墨應(yīng)用業(yè)務(wù)。　　由于油墨成分的復(fù)雜性,很難預(yù)測添加助劑、摻配后油墨品質(zhì)的變化方向,因此,對特定油墨、特定指標不合格的處理方法,具有很大的盲目性。本文提出了一個基于數(shù)據(jù)挖掘技術(shù)的類比推理系統(tǒng)——油墨分析計算機管理系統(tǒng)(OACMS)來指導(dǎo)油墨指標的修正。一、 基本思想和求解模型　　基于類比推理的啟發(fā)式搜索技術(shù),是通過類比這種方法獲得與新問題相似的過去問題的求解過程，作為啟發(fā)信息來指導(dǎo)新問題的求解,從而可減少搜索的盲目性,縮小搜索范圍,降低問題求解的難度。　　一般基于類比推理的啟發(fā)式搜索都直接應(yīng)用事例庫作為搜索空間,這樣處理的結(jié)果將導(dǎo)致兩個方面的問題:　　1．系統(tǒng)的性能會在系統(tǒng)的運行過程中不斷降低。隨著求解次數(shù)的增加,求解事例的不斷積累,搜索空間將不斷膨脹,雖然這樣可以使系統(tǒng)有充分多的機會獲得與求解問題相似的過去問題的求解事例,但同時也會導(dǎo)致啟發(fā)式搜索信息的飽和,使系統(tǒng)效率降低,性能變壞?！　?．系統(tǒng)的性能將在很大程度上依賴于搜索費用和事例啟發(fā)作用的折衷情況。事例庫記錄的內(nèi)容不完全,可以降低對事例相似程度的要求,匹配過程可能會比較容易,但是過去事例指導(dǎo)求解的啟發(fā)作用將減弱;事例庫記錄的內(nèi)容過于詳盡,則對事例的相似程度要求比較高,匹配過程困難,搜索費用提高,還可能導(dǎo)致系統(tǒng)將比較多地依賴于弱方法進行求解?！　‖F(xiàn)實生活中人類不是把過去的經(jīng)驗一點不漏地存在腦子里,而是用一個通用的數(shù)據(jù)結(jié)構(gòu)形式來存儲,即存在一個從過去的事例數(shù)據(jù)中挖掘有用信息的過程。這是一種通過不斷求解問題、積累經(jīng)驗、增強問題求解能力的有效方法。本文考慮的解決方法是采用數(shù)據(jù)挖掘技術(shù),從大量的事例庫資料中概括抽象出具有層次結(jié)構(gòu)的關(guān)聯(lián)規(guī)則,系統(tǒng)通過從規(guī)則庫中搜索匹配規(guī)則求解。由于數(shù)據(jù)挖掘產(chǎn)生的是層次結(jié)構(gòu)的求解信息,系統(tǒng)可以在降低搜索費用的同時,最大限度地減少信息丟失的影響,保持系統(tǒng)的搜索質(zhì)量,從而保證系統(tǒng)隨著運行時間的增加,問題的求解效率會不斷提高。求解模型如圖（求解模型）所示?！　∵^去積累的經(jīng)驗知識可以分為兩類:淺層次的事例庫和從事例庫中經(jīng)過數(shù)據(jù)挖掘產(chǎn)生的規(guī)則庫。在系統(tǒng)運行初始時,事例庫中缺少求解事例,規(guī)則庫中有少量簡單的過去經(jīng)驗規(guī)則,所以系統(tǒng)要采用弱方法進行搜索求解。當(dāng)系統(tǒng)積累了一定的事例經(jīng)驗后,新問題的求解首先在規(guī)則庫中進行搜索,若規(guī)則應(yīng)用成功,圖：求解模型圖中： 事例庫記錄過去事例的求解過程;規(guī)則庫存儲對事例庫中的數(shù)據(jù)進行抽象處理后產(chǎn)生的處理規(guī)則;控制策略規(guī)定如何判斷事件的相似程度;類比推理機制規(guī)定在具體相似程度下如何進行業(yè)務(wù)處理,并完成事例庫、規(guī)則庫和控制策略的增加、修改、刪除操作。則求解成功。否則,搜索事例庫,若存在相似問題的求解,則以此為啟發(fā)信息,指導(dǎo)新問題求解。如果仍然沒有相似的過去問題的求解過程,則采用弱方法求解,并將新問題求解過程加入事例庫。過去積累的經(jīng)驗越多,規(guī)則庫的應(yīng)用越有效;新問題與過去問題的相似程度越高,則求解過程的搜索次數(shù)也就越少。二、系統(tǒng)實現(xiàn)　　在實現(xiàn)過程中,需要解決①如何生成求解事例； ②如何定義和判斷兩個事例的相似程度； ③如何從大量的事例中抽象出一般性規(guī)則； ④如何進行規(guī)則庫和事例庫的維護工作； ⑤如何使用啟發(fā)信息指導(dǎo)新問題求解等五個方面的問題。作者:劉志鵬　　和克智　　許少華