基于AFS理论的复杂概念分解及其应用

发布时间：2020-12-27 21:00

　　在现实生活中,复杂概念是不容易被机器所识别的。特别是有些复杂概念即使人类自身也是根据直觉来判断,并且不一定能准确做出准确判断。因此,AFS理论通过对人类对复杂概念的认识、识别和分析,以及在复杂概念下采集的样本的相互比较和排序,期望找到复杂概念和简单概念之间的规律,并通过机器学习和识别,可以让机器像人一样进行思考和判断复杂概念,进而在某些场合可以代替人做识别和判断。因为数据量的巨大以及故障之间关系的复杂,使得复杂故障的诊断和识别非常困难。因此,机器学习等人工智能方法的引入,可以大大减轻人类自身的工作量和工作难度。在[1]中已经就AFS理论在复杂故障诊断中的应用进行了讨论。本文在AFS理论的基础上,将复杂概念分解引入复杂故障诊断中。AFS(Axiomatic Fuzzy Set)理论[2]是一种新的模糊数学的分析方法。在AFS理论中,关于集合和格理论的方法是近代数学常用的分析问题的方法之一。可以根据数据的属性和相互关系,建立起一套机器学习和人工智能的方法,并广泛应用于模式识别,故障诊断和机器学习中。本文在AFS理论的基础上,通过探讨格理论,布尔矩阵和二元关系以及相关联系,得到一种将复杂概念... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
引言
1 人工智能和故障诊断
    1.1 人工智能简介
    1.2 故障诊断
2 集合，关系和映射
3 格理论
    3.1 格
    3.2 分配格
4 概念分解算法
    4.1 布尔矩阵和二元关系
    4.2 简单概念和复杂概念
    4.3 分解算法
5 在复杂故障诊断中的应用
    5.1 复杂概念分解
    5.2 复杂故障诊断
结论
参考文献
附录A 船用柴油机故障诊断表
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]AFS结构分解算法及其在复杂系统故障诊断中的应用[J]. 王毅兵,张强,刘晓东.  模糊系统与数学. 2005(03)
[2]基于人工智能方法的复杂过程故障诊断技术[J]. 桂卫华,刘晓颖.  控制工程. 2002(04)



本文编号：2942478