2.4.3 基于信息挖掘的智能預測支持系統IFSSIM
1) 總體結構（如圖18所示）
圖18 IFSSIM總體結構模型
2) 主要模塊與功能
IFSSIM應用數據挖掘技術，在粗造集與概念格理論與技術方法的基礎上，對數據庫進行了粗分類，將海量數據分為小的具有共同特性的數據集，并根據傳統預測模型適應于小量或中等規模數據集的特點進行預測。同時，利用自組織神經網絡SOM對數據庫中的時序數據進行聚類分析，挖掘出了頻繁時序模式。IFSSIM采用模型庫、知識庫、數據庫、方法庫四庫協同的特有的體系結構，針對多目標、多任務而形成多層、異構、分布式新型預測支持系統。它包括：
(1)數據庫是根據實際應用背景，經過確定預測目標與預測方向、搜集和分析資料、提煉主要因素等一系列步驟最后形成的用于預測的數據集合；
(2)基礎知識庫是基于粗糙集的知識庫，該知識庫是根據等價類求解而得到的；分類知識庫是在粗糙集的理論基礎上，利用概念格的完備結點的特性，而構造的哈斯圖，圖中每個結點代表一分類知識；時序模式庫是利用自組織神經網絡SOM進行聚類所挖掘出的頻繁模式，其表示形式是一組線段斜率的反正切值所構成的向量；
(3)推理機制是在所挖掘知識的基礎之上，通過應用邏輯推理，得出相應的結論。不同的知識有不同的推理機制，我們采用樹的寬度優先的策略與向量距離尺度計算查詢方法；
(4)對于數據庫，有不同的挖掘算法與模型的計算方法，由此構成方法庫；
(5)經典預測模型有其特有的適用范圍，不同的模型適用于不同的應用背景，為了使模型具有廣泛的應用領域，預測模型庫管理使用戶在應用預測模型時不必考慮模型在技術實現上和過程上的細節；
(6)集成化預測模型產生器是針對不同的預測模型，構造并產生選擇條件，以進行模型選擇；
(7)系統自學習是根據預測結果，進行自動的系統自適應調整，以便最終選擇出適應于應用環境的預測模型；
(8)控制平臺是系統模型的中心環節，它一方面使數據庫、模型庫、知識庫、方法庫能協同工作；另一方面，利用模型產生器選擇預測模型，并控制系統自動分析預測結果，進行學習。同時與用戶進行交互。其主要功能有：
·自動選擇挖掘算法，形成挖掘知識庫；
·針對不同的知識，選擇不同的推理機制以進行推理；
·控制預測模型產生器，從經典預測模型庫中選擇預測模型；
·根據不同的模型與挖掘手段，從方法庫中選擇對應的方法或算法；
·利用可視化技術將基礎知識庫呈現給用戶；
·支持知識庫、方法庫、模型庫和數據庫協同工作；
·根據預測結果的分析與系統自學習的結果，優化控制平臺，最終使系統預測模型適應實際應用環境；
·通過接口模塊與用戶進行交互；
(9)用戶界面是IPSSIM不可缺少的組成部分，它用來通過接口模塊和控制平臺與系統模型進行交互，良好的用戶界面應具有多樣性、有效性、方便性、一致性和容錯性等。
2.4.4基于知識發現的計算機輔助創新智能系統CAIISKD總體結構
1) 總體結構（如圖19所示）
圖19 CAIISKD結構模型
上一頁 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] 下一頁
|
