产品制造信息中的知识发现及其应用研究

发布时间：2020-09-21 13:18

　　 随着企业制造信息系统的逐渐推广应用，企业在发展过程中的业务数据越来越多，相应的问题随之逐渐暴露出来。企业以前面临的问题是管理上可参考的科学数据较少或数据的提供不够及时，而在企业采用了制造信息系统以后，企业数据随时间的增长而呈剧烈地增长。因此，除了常用的统计分析数据以外，大量的历史数据和知识被搁置起来，使得数据的维护变得越来越困难，数据的有效利用率越来越低，并且使得隐藏于大量数据中的潜在知识不能得到发现和利用。 关联规则算法是发现大量复杂数据中属性之间相互关系比较有效的算法，但是它也有其算法本身和运算结果向知识转化效率低的缺点，同时它在制造信息系统中仍然缺乏具体的应用，而将其运算结果如何转化为知识并实施有效的管理和应用则是在制造企业进一步应用关联规则算法的关键。本文利用多智能体理论，将知识发现过程划分为任务分发智能体、知识发现智能体和归类智能体，通过智能体的任务分布能力提高关联规则算法的效率，并将知识发现智能体与知识的管理和应用结合起来，从而实现企业制造知识发现与管理应用的整合。本文的研究目的旨在建立一套基于制造信息系统的知识综合分析应用系统，通过对企业大量历史数据的分析，将已经采用制造信息系统的企业内的有效数据充分利用起来，并从统计决策方面为企业的发展提供可靠的技术支持。 在根据以上理论开发的企业知识发现系统(EKES，Enterprise Knowledge Extraction System)中，本文充分利用企业计算机网中的计算资源，将知识发现任务进行分割并分发到客户端计算机中完成，然后综合知识发现结果，大大提高了知识发现的效率与准确度。同时，该系统将知识管理和应用环境与知识发现集成起来，实现系统数据发掘与使用的统一。由于系统数据是面向用户的，对于不同类型的企业或不同类型的制造数据环境，该系统具有一定的适应性；随着该系统应用和运行时间的增长，系统将会获取更多的企业柔性知识。 本文对所实现的企业知识发现系统进行了其关键功能和性能的模拟与测
【学位单位】：武汉理工大学
【学位级别】：博士
【学位年份】：2006
【中图分类】：TH164
【部分图文】：

可视化操作，则将数据分布以直观的方式表现出来，此时如果进行下一步的数据再分析或数据挖掘则具有更明确的方向;对于表2一2所示的数据，其分别在pdoruct方向、emplo”eid方向、ucstomerid方向上的汇总视图如图24、图2一5、图2一6所示。根据可视化数据分布情况，用户可以初步确定关联规则算法的初始参数，例如支持度，其具体方法在以后章节中讨论。图2一4数据在porduct方向上的视图

数据在employeeid方向上的视图

数据在ucstomer记方向上的视图

【参考文献】

相关期刊论文 前10条

1 王冰清,怀进鹏;IDSS 中数据仓库和数据挖掘的研究与实现[J];北京航空航天大学学报;1998年04期

2 祁之力,白中英;一种示例式机器学习新算法[J];北京邮电大学学报;2000年01期

3 周炎坤,李满春;大型空间数据仓库初探[J];测绘通报;2000年08期

4 王翔,袁兆山;多层次关联规则的增量式更新算法[J];合肥工业大学学报(自然科学版);2000年02期

5 杨学兵,秦锋;大规模数据库中关联规则的发掘[J];华东冶金学院学报;2000年03期

6 汪永生,邵惠鹤;CIPS中的数据仓库技术[J];化工自动化及仪表;2000年01期

7 朱定华,魏媛媛,魏长华;面向属性的RST在数据挖掘中的应用[J];华中理工大学学报;2000年02期

8 程岩,黄梯云;查询驱动的一种挖掘特征规则的新方法[J];管理科学学报;2000年03期

9 窦万春,李东波,王玉,张世琪;基于知识应用的数据挖掘技术理论分析与应用研究[J];计算机集成制造系统-CIMS;2000年04期

10 李雄飞,苑森淼,董立岩;基于相联规则的数据挖掘理论[J];吉林工业大学自然科学学报;2000年02期

本文编号：2823530