2.4.3 基于信息挖掘的智能预测支持系统IFSSIM

1) 总体结构（如图18所示）

图18 IFSSIM总体结构模型

2) 主要模块与功能

IFSSIM应用数据挖掘技术，在粗造集与概念格理论与技术方法的基础上，对数据库进行了粗分类，将海量数据分为小的具有共同特性的数据集，并根据传统预测模型适应于小量或中等规模数据集的特点进行预测。同时，利用自组织神经网络SOM对数据库中的时序数据进行聚类分析，挖掘出了频繁时序模式。IFSSIM采用模型库、知识库、数据库、方法库四库协同的特有的体系结构，针对多目标、多任务而形成多层、异构、分布式新型预测支持系统。它包括：

(1)数据库是根据实际应用背景，经过确定预测目标与预测方向、搜集和分析资料、提炼主要因素等一系列步骤最后形成的用于预测的数据集合；

(2)基础知识库是基于粗糙集的知识库，该知识库是根据等价类求解而得到的；分类知识库是在粗糙集的理论基础上，利用概念格的完备结点的特性，而构造的哈斯图，图中每个结点代表一分类知识；时序模式库是利用自组织神经网络SOM进行聚类所挖掘出的频繁模式，其表示形式是一组线段斜率的反正切值所构成的向量；

(3)推理机制是在所挖掘知识的基础之上，通过应用逻辑推理，得出相应的结论。不同的知识有不同的推理机制，我们采用树的宽度优先的策略与向量距离尺度计算查询方法；

(4)对于数据库，有不同的挖掘算法与模型的计算方法，由此构成方法库；

(5)经典预测模型有其特有的适用范围，不同的模型适用于不同的应用背景，为了使模型具有广泛的应用领域，预测模型库管理使用户在应用预测模型时不必考虑模型在技术实现上和过程上的细节；

(6)集成化预测模型产生器是针对不同的预测模型，构造并产生选择条件，以进行模型选择；

(7)系统自学习是根据预测结果，进行自动的系统自适应调整，以便最终选择出适应于应用环境的预测模型；

(8)控制平台是系统模型的中心环节，它一方面使数据库、模型库、知识库、方法库能协同工作；另一方面，利用模型产生器选择预测模型，并控制系统自动分析预测结果，进行学习。同时与用户进行交互。其主要功能有：

·自动选择挖掘算法，形成挖掘知识库；

·针对不同的知识，选择不同的推理机制以进行推理；

·控制预测模型产生器，从经典预测模型库中选择预测模型；

·根据不同的模型与挖掘手段，从方法库中选择对应的方法或算法；

·利用可视化技术将基础知识库呈现给用户；

·支持知识库、方法库、模型库和数据库协同工作；

·根据预测结果的分析与系统自学习的结果，优化控制平台，最终使系统预测模型适应实际应用环境；

·通过接口模块与用户进行交互；

(9)用户界面是IPSSIM不可缺少的组成部分，它用来通过接口模块和控制平台与系统模型进行交互，良好的用户界面应具有多样性、有效性、方便性、一致性和容错性等。

2.4.4基于知识发现的计算机辅助创新智能系统CAIISKD总体结构

1) 总体结构（如图19所示）

图19 CAIISKD结构模型

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23]  下一页