区间数因果图的不确定性推理及算法研究

发布时间：2017-04-16 05:08

  本文关键词：区间数因果图的不确定性推理及算法研究，，由笔耕文化传播整理发布。

【摘要】：实际生活中的现象和客观事物,普遍存在多样性、不精确性和不确定性,造成人们对各领域中知识和信息的认识也存在不确定性,而人工智能的领域之一便是利用机器模拟人的大脑对这类不确定性知识进行表述和推理。不确定知识表达方法包括:信度网、模糊逻辑、粗糙集理论、Dempster-Shafer的证据理论以及动态因果图等。这些方法在处理不确定信息时,都会有相应的优缺点,不同方法之间有一定的共通性。本文围绕因果图的知识表达与推理,复杂模型的建立,解析推理的困难,以及基本事件为区间数的应用,结合粗糙集对复杂图形的约简以及Dempster-Shafer证据理论在获取数据方面的优势进行讨论研究。主要内容如下:(1)介绍因果图的知识表达以及推理,用节点表示事件或变量,因果图是带有环型结构的图,也就是说输入节点与输出节点会发生相互推导的过程。因果图作为知识表达中概率的方法,是针对事件的精确概率值推导计算,而实际情况中却由于初始数据的误差、缺失等原因无法获得精确概率值,针对这种情况本文提出将精确值扩充为区间数,利用区间数可以表示范围的特点将精确概率值转换成区间数,既可有效处理事件模糊性和不确定性,又可降低获取精确值的难度。其中区间数的上下界值,采用非概率方法中的Dempster-Shafer证据理论获得,根据计算似然函数Pls(Plausibility Function)和信度函数Bel(Belief Function)作概率区间的上下界,具有更好的可靠性,再根据区间分析理论计算所求事件的区间概率,减化了因果图解析算法中的N-P难.(2)在对因果图研究过程,已有研究者根据每个基本事件在整个因果图模型中情况推导出基本事件概率重要度,结构重要度以及关键重要度。而本文根据基本事件的区间数值大小,得出在不同条件下基于区间数基本事件发生的概率大小排序,在工程运用中,可依据区间概率值的大小,得出某条件下最容易的发生故障的基本事件,即是引起故障系统的原因事件,并加强保障措施。(3)一旦系统过于复杂,在实际中就很难找出故障源,本文采用与粗糙集结合,介绍粗糙集基本理论,并利用粗糙集的知识约简对因果图进行简化处理,便于在工程中寻找故障源,同时根据因果图的最小径集和最小割集故障诊断方法进行故障诊断,同样有利于在实际工程中进行维修排查缩短时间。通过本文,系统的描述了不确定知识的表达方法,因果图的模型推理、研究,介绍了粗糙集和D-S理论在处理不确定知识中的优势,并充分利用不确定知识中的证据理论,区间分析,粗糙集理论与因果图结合达到避免获取基本事件精确值的困难,以及逻辑运算复杂程度困难,将因果图在故障诊断前进行一定约简,有利于缩短故障诊断时间,符合实际情况,诊断迅速,效果较好。
【关键词】：区间数 动态因果图 D-S理论 重要度 知识约简
【学位授予单位】：重庆师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要5-7
• Abstract7-11
• 1 绪论11-18
• 1.1 论文研究背景11-15
• 1.1.1 人工智能中的不确定性问题及推理11-13
• 1.1.2 因果图理论产生背景及研究现状13-15
• 1.1.3 因果图模型用于故障诊断15
• 1.2 论文创新点15-16
• 1.3 论文章节安排16-18
• 2 因果图知识表达与推理18-24
• 2.1 引言18
• 2.2 因果图知识表达18-20
• 2.2.1 因果图模型描述及符号定义18-19
• 2.2.2 因果树19-20
• 2.3 因果图的常规推理算法20-23
• 2.4 小结23-24
• 3 基于D-S理论的区间数因果图推理研究24-30
• 3.1 引言24
• 3.2 D-S理论的简介24-26
• 3.2.1 D-S理论慨述24-25
• 3.2.2 D-S理论的优缺论述25-26
• 3.3 区间数知识分析26-27
• 3.3.1 区间分析知识表达26
• 3.3.2 因果图分析的基本区间算子26-27
• 3.4 应用事例分析27-29
• 3.5 小结29-30
• 4 区间数因果图的基本事件重要度排序30-34
• 4.1 引言30
• 4.2 因果图基本事件的排序法综述30-31
• 4.3 基本事件区间数重要度排序步骤31
• 4.4 应用实例31-33
• 4.5 小结33-34
• 5 基于粗糙集的区间数因果图知识约简34-40
• 5.1 引言34
• 5.2 粗糙集的基本理论34-36
• 5.2.1 粗糙集知识简介34
• 5.2.2 粗糙集的基本理论和符号定义34-36
• 5.3 粗糙集的知识约简过程36-38
• 5.4 基于粗糙集约简构建因果图38
• 5.5 小结38-40
• 6 总结40-41
• 参考文献41-44
• 附录： 作者在攻读硕士学位期间发表的论文目录44-45
• 致谢45

【相似文献】

中国期刊全文数据库 前10条

1 黄臻睿;因果图——档案统计分析的有效方法[J];北京档案;1991年02期

2 王洪春,石庆喜,张勤;因果图向信度网转化的方法研究[J];计算机仿真;2004年10期

3 王洪春;;因果图参数的在线学习[J];重庆大学学报(自然科学版);2006年03期

4 梁新元;;单值模糊因果图混合推理研究[J];微电子学与计算机;2008年02期

5 梁新元;石庆喜;;复杂系统因果图合成建模方法研究[J];计算机工程与应用;2008年21期

6 张勤,樊兴华,黄席樾,王宏川,李波;因果图用于复杂系统故障诊断研究[J];计算机工程与应用;2002年04期

7 梁新元,张勤;因果图在故障分析中的应用研究[J];计算机工程与应用;2004年19期

8 汪成亮,沈文武,程克非,张勤;连续变量/离散变量混合因果图推理模型研究[J];信息与控制;2004年03期

9 石庆喜,梁新元,张勤;因果图的一种快速推理方法[J];计算机工程与应用;2005年28期

10 梁新元;吴淑皇;石庆喜;;梯形模糊因果图及归一化研究[J];计算机科学;2006年12期

中国重要会议论文全文数据库 前1条

1 沈文武;汪成亮;程克非;张勤;;动态因果图理论及发展方向(英文)[A];2003年中国智能自动化会议论文集（下册）[C];2003年

中国重要报纸全文数据库 前1条

1 吕杰;SAS软件在质量管理中的应用(二)[N];中国质量报;2006年

中国博士学位论文全文数据库 前5条

1 梁新元;复杂系统因果图推理理论与算法研究[D];重庆大学;2005年

2 樊兴华;因果图理论及其用于复杂系统故障诊断研究[D];重庆大学;2002年

3 石庆喜;因果图学习与推理算法研究[D];重庆大学;2005年

4 王洪春;基于因果图的不确定性推理理论及算法研究[D];重庆大学;2005年

5 沈文武;因果图推理算法及专家系统应用研究[D];重庆大学;2005年

中国硕士学位论文全文数据库 前8条

1 马超;结构重要度的因果图分析方法[D];重庆师范大学;2016年

2 严晓;基于二元决策图和T-S模糊模型分析因果图[D];重庆师范大学;2016年

3 彭霜霜;区间数因果图的不确定性推理及算法研究[D];重庆师范大学;2016年

4 梁帆;因果图推理的改进及应用[D];重庆师范大学;2016年

5 冯李;基于正态型模糊数的因果图故障诊断应用[D];重庆师范大学;2015年

6 刘华东;因果图软件实现与应用[D];重庆大学;2003年

7 李波;动态因果图用于汽油发动机故障智能诊断的理论及方法研究[D];重庆大学;2002年

8 王宏川;因果图推理及其应用研究[D];重庆大学;2002年

  本文关键词：区间数因果图的不确定性推理及算法研究，由笔耕文化传播整理发布。

本文编号：310054