भाग विनिर्माण प्रक्रिया को खनन निर्णय नियम मा अनुसन्धान

डाटा खानी को क्षेत्र मा, सामान्यतया प्रयोग वर्गीकरण विधिहरु मा समर्थन वेक्टर मशीनहरु, तंत्रिका नेटवर्क, Bayesian वर्गीकरण, आदि शामिल छन् माथिको एल्गोरिदम मुख्य रूप बाट अनियमित डाटा वितरण को लागी उन्मुख छन्, ठूलो डाटा को समर्थन मा भरोसा गरी रहेको छ, र को माध्यम बाट आफ्नो सम्भावित संघ सम्बन्ध खनन। समान उपाय। यो व्यापक रूपमा गल्ती निदान को रूप मा क्षेत्रहरुमा प्रयोग गरीन्छ। जे होस्, मशीनरी निर्माण उद्योग मा, भागहरु (जस्तै आकार, सटीकता, आदि) को फीचर मापदण्डहरु को डिजाइन मानकीकृत भएको छ, र वास्तविक ईन्जिनियरि in् मा, डाटाबेस मा प्रत्येक भाग मात्र एक प्रक्रिया मार्ग संग मेल खान्छ। तेसैले, प्रक्रिया डाटा को दोहोरिने दर अपेक्षाकृत उच्च छ, र डाटा को मात्रा सानो छ, जो माथि उल्लेखित एल्गोरिथ्म प्रशोधन को लागी उपयुक्त छैन। तसर्थ, शोधकर्ताहरु प्राय: प्रक्रिया निर्णय नियमहरु को खनन मार्गदर्शन गर्न कुनै न कुनै सेट सिद्धान्त को उपयोग।

खनन निर्णय नियम अघि, हामी पहिले डाटा को विश्वसनीयता सुनिश्चित गर्नुपर्छ। यो हो किनभने वास्तविक ईन्जिनियरि in् मा, काम को स्थिति सधैं वास्तविक समय मा परिवर्तन हुँदैछ। आदेश मा विशेष कामकाजी परिस्थितिहरु द्वारा उत्पन्न एटिपिकल डाटा को एक सानो मात्रा मा निर्णय बाट प्रभावित हुन बाट बच्न को लागी, डाटा पूर्व भविष्यवाणी गर्न को लागी आवश्यक छ। ह्यान्डल। तसर्थ, साहित्य सामान्यतया सामान्य प्रक्रिया डाटा प्राप्त गर्न को लागी समर्थन र विश्वास को गणना को विधि को उपयोग गर्दछ।

विस्तारित नराम्रो सेट मोडेल को आधार मा, प्रक्रिया प्राथमिकता ज्ञान समानता, समानता, र प्राथमिकता को यौगिक सम्बन्ध द्वारा खानी छ, जो प्रमाणित गर्दछ कि प्रक्रिया प्राथमिकता ज्ञान सीधा डिजाइनर को निर्णय ले मार्गदर्शन गर्न सक्छ, र कुनै न कुनै सेट सिद्धान्त को आवश्यकता छैन। प्रक्रिया नियम व्यवहार्यता मूल्यांकन लि rule्क, जो अरु भन्दा राम्रो छ। खानी विधि सरल र अधिक सीधा छ।

कुनै न कुनै सेट सिद्धान्त खनन परिणाम कम सन्निकटन सेट र नकारात्मक क्षेत्र, साथै सीमा क्षेत्र को अनिश्चित नियमहरु बाट प्राप्त नियमनकारी नियमहरु सामेल छन्। क्रम मा अधिक पूर्ण रूप मा सीमा क्षेत्र, झाhang Z. एट अल को प्रक्रिया नियमहरु को खान को लागी। सटीकता पारित गर्न को लागी एक चर परिशुद्धता कुनै न कुनै सेट मोडेल को उपयोग खनन प्रक्रिया मा परिवर्तन पछि, माथिल्लो सन्निकरण सेट को दायरा प्रभावी ढंगले कम छ। गुणात्मक ज्ञान संघ सम्बन्ध मा एक ज्ञान फ्यूजन मोडेल, जो प्रभावी ढंगले अधिक निर्णय नियमहरु को खान सक्नुहुन्छ बनाउन को लागी म्याप गरीएको छ।

कुनै न कुनै सेट तर्क को मुख्य प्रक्रिया न्यूनतम विशेषता कमी प्राप्त गर्न को लागी हो। चेन हाओ एट अल। समावेशी अन्तराल र सकारात्मक क्षेत्र को कारण कमी विसंगतिहरु को विश्लेषण। निरंतर वर्गीकरण दर र लगातार सकारात्मक डोमेन संग चर परिशुद्धता कुनै न कुनै सेट मोडेल को लागी, सामग्री आधारित फरक मैट्रिक्स र विशेषता कोर न्यूनतम विशेषता घटाउने विधि प्राप्त गर्न को लागी। अनुमानी कमी एल्गोरिथ्म को उपयोग गरेर, पहिले कोर विशेषता प्राप्त, र विशेषता निर्भरता गणना। निर्भरता को आरोही क्रम को अनुसार, विशेषता र कर्नेल विशेषता बारी मा संयुक्त छन्, र अन्त मा न्यूनतम विशेषता कमी प्राप्त, विचार
नमूना वितरण को inhomogeneity छिमेक कुनै न कुनै सेट को आधार मा सुधार गरीएको छ, र K- निकटतम छिमेकी रफ सेट मोडेल प्रस्तावित छ, जो प्रभावी ढंगले गुणहरु को एक ठूलो संख्या हटाउँछ। निर्णय नियम खनन मुख्य रूप मा दुई प्रकार मा विभाजित छ, एक प्रेरक खनन छ र अर्को कटौती छ। खनन विधि। अपरिवर्तनीय खनन को मुख्य विचार जटिल डाटा सेट मा सार्थक निर्णय लेने को नियम को सारांश छ। जब लक्ष्य प्राप्त हुन्छ, लक्ष्य को विशेषता मापदण्डहरु अनुसार निर्धारित नियम को सशर्त विशेषताहरु मेल खाने, ताकि मिल्ने आवश्यकताहरु लाई पूरा गर्ने निर्णय गर्ने नियमहरु लाई निकाल्ने। कटौती खनन को मुख्य विचार धेरै निर्णय उपसेट को एक संयोजन मा निर्णय सामग्री विभाजित गर्न को लागी छ, र निर्णय डेटा को उपयोग को दायरा मा मेरो डाटा सेट को उपयोग गर्न को लागी। जब लक्ष्य प्राप्त हुन्छ, लक्ष्य अनुसार
लक्षित विशेषता प्यारामिटर उपयुक्त निर्णय गर्ने उपसमुदाय निकाल्छ, र यो आवश्यक निर्णय गर्ने सामग्री मा पुनर्गठन। यसको विपरीत, अनुमानित खनन को निर्णय नियम अधिक विविध छन् र आवेदन को एक व्यापक गुंजाइश छ, र प्रेरक खनन कडा बाधाहरु छन्, जो नियमहरु को विश्वसनीयता सुनिश्चित गर्न सक्छन्।

माथि उल्लेखित कागजातहरुमा, प्रशोधन विधिहरु को अधिकांश प्रेरक खनन हो। जे होस् निर्णय नियमहरु को विश्वसनीयता प्रभावी ढंग बाट ग्यारेन्टी छ, बलियो बाधा पनि डाटा को कम उपयोग को लागी जान्छ र निर्णय नियम आधार को पूर्णता लाई सीमित गर्दछ। यसबाहेक, यद्यपि चर परिशुद्धता कुनै न कुनै सेट प्रभावी ढंगले सीमा क्षेत्र घटाउन सक्छ, सटीक मूल्य मुख्य रूप मैनुअल अनुभव द्वारा सेट गरीएको छ, र धेरै धेरै मानव कारकहरु निर्णय नियम को विश्वसनीयता कम हुनेछ। तसर्थ, कसरी सीमा क्षेत्र घटाउने र निर्णय गर्ने नियमहरु को विश्वसनीयता सुनिश्चित गर्न को आधार मा नियमहरु को लचीलापन मा सुधार गर्न को लागी खनन प्रक्रिया निर्णय गर्ने नियम को मुख्य अनुसन्धान दिशा हो।

यो लेख को लिंक भाग विनिर्माण प्रक्रिया को खनन निर्णय नियम मा अनुसन्धान

पुनर्मुद्रण कथन: यदि त्यहाँ कुनै विशेष निर्देशनहरु छन्, यस साइट मा सबै लेख मूल छन्। कृपया पुनः मुद्रण को लागी स्रोत संकेत गर्नुहोस्: https: //www.cncmachiningptj.com/，thanks

PTJ CNC शपले उत्कृष्ट मेकानिकल गुणहरू, शुद्धता र धातु र प्लास्टिकबाट रिपिटेबिलिटीका साथ पार्टहरू उत्पादन गर्दछ। Ax अक्ष सीएनसी मिलिंग उपलब्ध छ।उच्च-तापक्रम मिश्र दायरा inclouding inconel मशीनिंग,मोनेल मशीनिंग,Geek Ascology मशीनिंग,कार्प mach mach मशीनिंग,हस्टेलोय मशीनिंग,नाइट्रोनिक 60० मशीनिंग,Hymu mach० मशीनिंग,उपकरण स्टील मशीनिंग, आदि। एयरोस्पेस अनुप्रयोगहरूको लागि आदर्श।सीएनसी मशीनिंग धातु र प्लास्टिकबाट उत्कृष्ट यांत्रिक गुणहरू, सटीकता र दोहोरिने क्षमताको साथ अंशहरू उत्पादन गर्दछ। --अक्ष र--अक्ष सीएनसी मिलिंग उपलब्ध छ। हामी तपाईंलाई आफ्नो लक्ष्य पुग्न मद्दतको लागि सबैभन्दा मूल्यवान सेवाहरू उपलब्ध गराउन रणनीति बनाउँछौं, हामीलाई सम्पर्क गर्नुहोस् (हामीलाई सम्पर्क गर्नुहोस् बिक्री@pintejin.com ) तपाइँको नयाँ परियोजना को लागी सीधा।