पार्ट मैन्युफैक्चरिंग प्रोसेस के माइनिंग डिसीजन रूल्स पर रिसर्च

डेटा माइनिंग के क्षेत्र में, आमतौर पर उपयोग की जाने वाली वर्गीकरण विधियों में सपोर्ट वेक्टर मशीन, न्यूरल नेटवर्क, बायेसियन वर्गीकरण आदि शामिल हैं। उपरोक्त एल्गोरिदम मुख्य रूप से अनियमित डेटा वितरण के लिए उन्मुख हैं, जो बड़े डेटा के समर्थन पर निर्भर हैं, और इसके माध्यम से उनके संभावित संबंध संबंधों को खनन करते हैं। समान उपाय। यह व्यापक रूप से दोष निदान जैसे क्षेत्रों में उपयोग किया जाता है। हालांकि, मशीनरी निर्माण उद्योग में, भागों (जैसे आकार, सटीकता, आदि) के फीचर मापदंडों का डिजाइन मानकीकृत हो गया है, और वास्तविक इंजीनियरिंग में, डेटाबेस में प्रत्येक भाग केवल एक प्रक्रिया मार्ग से मेल खाता है। इसलिए, प्रक्रिया डेटा की पुनरावृत्ति दर अपेक्षाकृत अधिक है, और डेटा की मात्रा छोटी है, जो उपर्युक्त एल्गोरिथम प्रसंस्करण के लिए उपयुक्त नहीं है। इसलिए, शोधकर्ता ज्यादातर प्रक्रिया निर्णय नियमों के खनन का मार्गदर्शन करने के लिए किसी न किसी सेट सिद्धांत का उपयोग करते हैं।

खनन निर्णय नियमों से पहले, हमें पहले डेटा की विश्वसनीयता सुनिश्चित करनी चाहिए। ऐसा इसलिए है क्योंकि वास्तविक इंजीनियरिंग में, वास्तविक समय में काम करने की स्थिति हमेशा बदलती रहती है। निर्णय लेने को प्रभावित करने से विशेष कार्य परिस्थितियों द्वारा उत्पन्न असामान्य डेटा की एक छोटी मात्रा से बचने के लिए, डेटा को पूर्व-पूर्वानुमानित करने की आवश्यकता होती है। संभाल। इसलिए, साहित्य आमतौर पर विशिष्ट प्रक्रिया डेटा प्राप्त करने के लिए समर्थन और आत्मविश्वास की गणना करने की विधि का उपयोग करता है।

विस्तारित रफ सेट मॉडल के आधार पर, प्रक्रिया वरीयता ज्ञान को समानता, समानता और वरीयता के मिश्रित संबंध द्वारा खनन किया जाता है, जो यह सत्यापित करता है कि प्रक्रिया वरीयता ज्ञान सीधे डिजाइनर के निर्णय लेने का मार्गदर्शन कर सकता है, और किसी न किसी सेट सिद्धांत की आवश्यकता नहीं है प्रक्रिया नियम व्यवहार्यता मूल्यांकन लिंक, जो दूसरों की तुलना में बेहतर है। खनन विधि सरल और अधिक प्रत्यक्ष है।

रफ सेट थ्योरी माइनिंग परिणामों में निचले सन्निकटन सेट और नकारात्मक क्षेत्र से प्राप्त नियतात्मक नियम, साथ ही सीमा क्षेत्र के अनिश्चित नियम शामिल हैं। सीमा क्षेत्र, झांग जेड एट अल के प्रक्रिया नियमों को और अधिक पूरी तरह से खनन करने के लिए। सटीकता को पारित करने के लिए एक चर सटीक मोटे सेट मॉडल का उपयोग किया खनन प्रक्रिया में परिवर्तन के बाद, ऊपरी सन्निकटन सेट की सीमा प्रभावी रूप से कम हो जाती है। गुणात्मक ज्ञान को एक ज्ञान संलयन मॉडल बनाने के लिए एसोसिएशन के संबंध में मैप किया जाता है, जो प्रभावी रूप से अधिक निर्णय नियमों को लागू कर सकता है।

रफ सेट रीजनिंग की मुख्य प्रक्रिया न्यूनतम विशेषता कमी प्राप्त करना है। चेन हाओ एट अल। समावेश अंतराल और सकारात्मक क्षेत्र के कारण होने वाली कमी विसंगतियों का विश्लेषण किया। निरंतर वर्गीकरण दर और निरंतर सकारात्मक डोमेन के साथ चर सटीक रफ सेट मॉडल के लिए, सामग्री-आधारित अंतर मैट्रिक्स और विशेषता कोर न्यूनतम विशेषता कमी विधि प्राप्त करने के लिए। अनुमानी कमी एल्गोरिथ्म का उपयोग करते हुए, पहले मूल विशेषता प्राप्त करें, और विशेषता निर्भरता की गणना करें। निर्भरता के आरोही क्रम के अनुसार, विशेषता और कर्नेल विशेषता को बारी-बारी से जोड़ा जाता है, और अंत में न्यूनतम विशेषता में कमी प्राप्त होती है, विचार करें
नमूना वितरण की असमानता को पड़ोस के किसी न किसी सेट के आधार पर सुधारा गया है, और के-निकटतम पड़ोसी रफ सेट मॉडल प्रस्तावित है, जो बड़ी संख्या में विशेषताओं को प्रभावी ढंग से हटा देता है। डिसीजन रूल माइनिंग को मुख्य रूप से दो प्रकारों में बांटा गया है, एक इंडक्टिव माइनिंग और दूसरा डिडक्शन है। खनन विधि। आगमनात्मक खनन का मुख्य विचार जटिल डेटा सेटों में सार्थक निर्णय लेने के नियमों को संक्षेप में प्रस्तुत करना है। जब लक्ष्य प्राप्त हो जाता है, तो लक्ष्य की विशेषता मापदंडों के अनुसार निर्धारित नियम की सशर्त विशेषताओं का मिलान करें, ताकि मिलान आवश्यकताओं को पूरा करने वाले निर्णय लेने वाले नियमों को निकाला जा सके। डिडक्टिव माइनिंग का मुख्य विचार निर्णय सामग्री को कई निर्णय उपसमुच्चय के संयोजन में विभाजित करना है, और निर्णय सबसेट के आवेदन के दायरे को पूरा करने के लिए डेटा सेट का उपयोग करना है। जब लक्ष्य के अनुसार लक्ष्य प्राप्त हो जाए
लक्ष्य विशेषता पैरामीटर उपयुक्त निर्णय लेने वाले उपसमुच्चय को निकालता है, और इसे आवश्यक निर्णय लेने वाली सामग्री में पुनर्गठित करता है। इसके विपरीत, अनुमानित खनन के निर्णय नियम अधिक विविध हैं और आवेदन का व्यापक दायरा है, और आगमनात्मक खनन में सख्त बाधाएं हैं, जो नियमों की विश्वसनीयता सुनिश्चित कर सकती हैं।

उपर्युक्त दस्तावेजों में, अधिकांश प्रसंस्करण विधियां आगमनात्मक खनन हैं। हालांकि निर्णय नियमों की विश्वसनीयता की प्रभावी रूप से गारंटी दी जाती है, मजबूत बाधा भी डेटा के कम उपयोग की ओर ले जाती है और निर्णय नियम आधार की पूर्णता को सीमित करती है। इसके अलावा, हालांकि चर सटीक मोटा सेट प्रभावी रूप से सीमा क्षेत्र को कम कर सकता है, सटीक मान मुख्य रूप से मैन्युअल अनुभव द्वारा निर्धारित किया जाता है, और बहुत से मानवीय कारक निर्णय नियम की विश्वसनीयता को कम कर देंगे। इसलिए, निर्णय लेने के नियमों की विश्वसनीयता सुनिश्चित करने के आधार पर सीमा क्षेत्र को कैसे कम किया जाए और नियमों के लचीलेपन में सुधार कैसे किया जाए, यह खनन प्रक्रिया निर्णय लेने के नियमों की मुख्य शोध दिशा है।

इस लेख का लिंक： पार्ट मैन्युफैक्चरिंग प्रोसेस के माइनिंग डिसीजन रूल्स पर रिसर्च

पुनर्मुद्रण विवरण: यदि कोई विशेष निर्देश नहीं हैं, तो इस साइट पर सभी लेख मूल हैं। कृपया पुनर्मुद्रण के स्रोत का संकेत दें:https://www.cncmachiningptj.com/，thanks！

पीटीजे सीएनसी की दुकान धातु और प्लास्टिक से उत्कृष्ट यांत्रिक गुणों, सटीकता और दोहराव के साथ भागों का उत्पादन करती है। 5 अक्ष सीएनसी मिलिंग उपलब्ध है।मशीनिंग उच्च तापमान मिश्र धातु रेंज सहित इंडीसेल मशीनिंग,एक प्रकार का पौधा,गीक एस्कोलॉजी मशीनिंग,कार्प 49 मशीनिंग,Hastelloy मशीनिंग,नाइट्रोनिक -60 मशीनिंग,हाइमू 80 मशीनिंग,टूल स्टील मशीनिंग,आदि।,। एयरोस्पेस अनुप्रयोगों के लिए आदर्श।सीएनसी मशीनिंग धातु और प्लास्टिक से उत्कृष्ट यांत्रिक गुणों, सटीकता और दोहराव वाले भागों का उत्पादन करता है। 3-अक्ष और 5-अक्ष सीएनसी मिलिंग उपलब्ध है। हम आपके लक्ष्य तक पहुंचने में आपकी सहायता के लिए सबसे अधिक लागत प्रभावी सेवाएं प्रदान करने के लिए आपके साथ रणनीति बनाएंगे, हमसे संपर्क करने के लिए आपका स्वागत है ( बिक्री@pintejin.com ) सीधे आपके नए प्रोजेक्ट के लिए।