项目首先分析了注塑模改模知识发现问题的必要性和迫切性,剖析了有效获取改模知识的三个难点。围绕着问题的解决,有针对性地提出了需要研究基于模糊粗糙集的模糊规则自组织归纳与增量式学习策略等关键技术。本项目的特色与创新之处在于:提出将启发式自组织原则与基于模糊粗糙集的规则归纳技术相结合的研究思路;基于面向改模问题的本体语义模型,通过自组织客观聚类分析方法筛选出若干"中心概念",据此建立相应的"语义描述坐标",并构造出能够反映概念之间模糊转换效应的模糊隶属度函数;基于"新息贡献"的外准则,提出利用"新息贡献"度来确定模糊规则归纳模型最优结构的思想,并据此建立相应的增量式规则学习算法,从而将自组织模糊规则归纳原理与增量式规则学习策略有机地结合起来。这样就能够实现基于模糊粗糙集的模糊规则自组织归纳与增量式学习,从而解决注塑模改模知识自动归纳这一难题,为模具设计制造知识的自动沉淀(获取)奠定了理论基础。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于多模态信息特征融合的犯罪预测算法研究
基于公众情感倾向的主题公园评价研究——以哈尔滨市伏尔加庄园为例
城市轨道交通车站火灾情况下客流疏散能力评价
F_q上一类周期为2p~2的四元广义分圆序列的线性复杂度
基于协同表示的图嵌入鉴别分析在人脸识别中的应用
危大基坑工程安全专项方案知识重用方法及其关键技术研究
注塑模CAE软件Z-MOLD的集成化研究
基于灵敏度分析的注塑模冷却系统优化设计理论及应用
基于铍铜材料的注射模变模温关键技术研究