【知识工程】积累iNi次主动变换的传导知识挖掘

团购合买资源类别：文库，文档格式：PDF，文档页数：5，文件大小：2.85MB

第14卷第5期智能系统学报 Vol.14 No.5 2019年9月 CAAI Transactions on Intelligent Systems Sep.2019 D0:10.11992/tis.201804042 网络出版地址：http:/kns.net/kcms/detail/23.1538.TP.20180503.1148.005.html 积累N次主动变换的传导知识挖掘王丰，顾佼佼，林瑜（海军航室大学，山东烟台264001) 摘要：针对前N次可拓变换未引起与之相关的信息元发生传导变换，而N+1次主动变换才能引起与之相关的信息元发生传导变换的实际问题，运用可拓变换、传导效应等，并通过给出信息元某特征对于目标特征灵敏度的概念，深人挖掘此类可拓变换及其传导变换的传导知识。通过对某型导弹武器系统定型过程中的试验数据进行分析，表明该方法是对已有传导知识数据挖掘理论的完善和补充，使传导知识挖掘的理论更加丰富、全面。关键词：可拓学：可拓变换；数据挖掘：传导知识：灵敏度；武器系统定型：信息元中图分类号：TJ760文献标志码：A文章编号：1673-4785(2019)05-1035-05 中文引用格式：王丰，顾佼佼，林瑜.积累N次主动变换的传导知识挖掘.智能系统学报，2019,14(5)：1035-1039. 英文引用格式：VANG Feng,GU Jiaojiao,LIN Yu.Mining conducted knowledge by accumulating N active transformations[J. CAAI transactions on intelligent systems,2019,14(5):1035-1039. Mining conducted knowledge by accumulating N active transformations WANG Feng,GU Jiaojiao,LIN Yu (The Naval Aviation University,Yantai 264001,China) Abstract:Considering the fact that the N extensive transformations do not cause conductive transformation of related information elements,and only N+1 active transformation can cause conductive transformation of related information element,in this study,extensive transformation and conduction effect are applied,and the conducted knowledge of such extensive transformations and conductive transformation is deeply mined by giving the concept of sensitivity of a cer- tain feature of information elements related to target features.Through the test data analysis in the process of finalizing a missile weapon system,it is shown that this method is perfect and supplementary to the existing theory of data mining for conducted knowledge,and makes the theory of conducted knowledge mining more comprehensive. Keywords:extension;extension transformation,data mining;conduction knowledge;sensitivity;weapon system stereo- type;information element 相关性是可拓学)中进行主动变换及引起时间或场景的变化而不同。例如，某酒店在把饭传导变换的基础。复杂的相关关系网中，只有在菜价格提高后，其就餐人数并未发生变化，营业两个信息元之间存在相关性的前提下，当对其中额和利润增加了。某段时间后，该酒店再次将饭一个信息元特征的量值实施主动变换时，才会引菜价格进行了提高。本次提价后，酒店的就餐人起另一个信息元发生传导变换。然而，现实情况数、营业额和利润都减少了。目前，关于类似累中，当对一个信息元实施一次主动变换时，并不计的主动变换及传导效应的研究文献还未见。能引起与之相关的信息元发生传导变换。而只有对信息元某特征的量值而言，如何从累积多积累实施N次主动变换后，才能引起与之相关的次的主动变换中挖掘出有用的传导知识，将会对信息元发生传导变换。N非固定取值，也会随着分析所实施的主动变换有着至关重要的作用。为此，本文在主动变换、相关性、传导变换、传导效收稿日期：2018-04-23.网络出版日期：2019-05-22 通信作者：王丰.E-mail:1055478110@qq.com, 应的基础上，结合灵敏度的概念，重点研究某特

DOI: 10.11992/tis.201804042 网络出版地址: http://kns.net/kcms/detail/23.1538.TP.20180503.1148.005.html 积累 N 次主动变换的传导知识挖掘王丰，顾佼佼，林瑜（海军航空大学，山东烟台 264001）摘要：针对前 N 次可拓变换未引起与之相关的信息元发生传导变换，而 N+1 次主动变换才能引起与之相关的信息元发生传导变换的实际问题，运用可拓变换、传导效应等，并通过给出信息元某特征对于目标特征灵敏度的概念，深入挖掘此类可拓变换及其传导变换的传导知识。通过对某型导弹武器系统定型过程中的试验数据进行分析，表明该方法是对已有传导知识数据挖掘理论的完善和补充，使传导知识挖掘的理论更加丰富、全面。关键词：可拓学；可拓变换；数据挖掘；传导知识；灵敏度；武器系统定型；信息元中图分类号：TJ760 文献标志码：A 文章编号：1673−4785(2019)05−1035−05 中文引用格式：王丰, 顾佼佼, 林瑜. 积累 N 次主动变换的传导知识挖掘 [J]. 智能系统学报, 2019, 14(5): 1035–1039. 英文引用格式：WANG Feng, GU Jiaojiao, LIN Yu. Mining conducted knowledge by accumulating N active transformations[J]. CAAI transactions on intelligent systems, 2019, 14(5): 1035–1039. Mining conducted knowledge by accumulating N active transformations WANG Feng，GU Jiaojiao，LIN Yu (The Naval Aviation University, Yantai 264001, China) Abstract: Considering the fact that the N extensive transformations do not cause conductive transformation of related information elements, and only N+1 active transformation can cause conductive transformation of related information element, in this study, extensive transformation and conduction effect are applied, and the conducted knowledge of such extensive transformations and conductive transformation is deeply mined by giving the concept of sensitivity of a certain feature of information elements related to target features. Through the test data analysis in the process of finalizing a missile weapon system, it is shown that this method is perfect and supplementary to the existing theory of data mining for conducted knowledge, and makes the theory of conducted knowledge mining more comprehensive. Keywords: extension; extension transformation; data mining; conduction knowledge; sensitivity; weapon system stereotype; information element 相关性是可拓学[1-2] 中进行主动变换及引起传导变换的基础。复杂的相关关系网中，只有在两个信息元之间存在相关性的前提下，当对其中一个信息元特征的量值实施主动变换时，才会引起另一个信息元发生传导变换。然而，现实情况中，当对一个信息元实施一次主动变换时，并不能引起与之相关的信息元发生传导变换。而只有积累实施 N 次主动变换后，才能引起与之相关的信息元发生传导变换。N 非固定取值，也会随着时间或场景的变化而不同。例如，某酒店在把饭菜价格提高后，其就餐人数并未发生变化，营业额和利润增加了。某段时间后，该酒店再次将饭菜价格进行了提高。本次提价后，酒店的就餐人数、营业额和利润都减少了。目前，关于类似累计的主动变换及传导效应的研究文献还未见。对信息元某特征的量值而言，如何从累积多次的主动变换中挖掘出有用的传导知识，将会对分析所实施的主动变换有着至关重要的作用。为此，本文在主动变换、相关性、传导变换、传导效应的基础上，结合灵敏度的概念，重点研究某特收稿日期：2018−04−23. 网络出版日期：2019−05−22. 通信作者：王丰. E-mail：1055478110@qq.com. 第 14 卷第 5 期智能系统学报 Vol.14 No.5 2019 年 9 月 CAAI Transactions on Intelligent Systems Sep. 2019

·1036· 智能系统学报第14卷征的量值累积多次主动变换后，引起的传导变换2积累多次主动变换的传导效应的传导知识挖掘理论，丰富了可拓学的传导知识数据挖掘3理论。为传导知识的数据挖掘提供 6时刻，信息元了一个新方法和新思路，使传导知识数据挖掘理 01(to),c11, u(to) C12, 412(to) 论更加全面。 I(to) 1积累多次主动变换的传导特征 Cim,Uim(1o) 信息元为了方便，仅研究两个相关信息元之间的主 02(to),c21,21(t0) 动变换5及其传导变换。记信息元 C22, u22(to) 12(to)= 0(),C1, 1i(t) C12,1W12(t) C2n:u2n(to) I1(0=(0(t),C1(t),U1(t)= Cim> uim(t) 在tnn>o)时刻，当对信息元11①特征 (1) c,(i∈{1,2，…，m)的量值w.(n)积累实施n次主动 02(t),C21: u21(t) 变换p时，信息元120特征c2,je(1,2,…,n)的 C2, 122(t) I2(t)=(02(t),C2(t),U2(t)= 量值)才发生传导变换。则m次主动变换的传导效应川为Cm=山m)-,)。若Cm>0, uz(1) (2) 表明m次主动变换p使特征c2,Ge1,2,…,n)的 I1()的特征c1,i∈(1,2，…，m)与12(0的特征c2j∈ 量值增加了。若C<0,表明m次主动变换e {1,2,…,n)之间存在相关性，即c(1(0)~c2(L2()o 使特征c2e{1,2,…,n)的量值减小了。在时刻，当对信息元1()的特征c1,(ie{1,2,…, 3主动变换关于目标特征的灵敏度 m})的量值u:(o)实施一次主动变换p时，信息元 I2()的特征c2,(je{1,2,…,n)的量值山2o)没有发在解决实际矛盾问题中，若信息元12()的特生传导变换。征c2,(k∈1,2，…，n)是要改善的量值的特征，则当在t,时刻，对信息元I1(0)的特征c1,(i∈(1,2，…，称c2k为目标特征。 m)的量值.()累积实施2次主动变换p时，信 t时刻，对信息元I1()=(O(),C(),U()特征息元12)的特征c2,(je(1,2,…,nl)的量值2) c,(I=1,2,…,,r≤m)的量值u0进行主动变换，发生了传导变换山。都可以引起12()=（02()，c2,2(0）的量值发定义1称特征c2,0e{1,2,…,n)是信息元生变换。若数据库中有q个主动变换q个时刻 I1(①的特征c1,(i∈{1,2，…，m)累积2次主动变换 ,,…,g的数据，则 9的它传导特征。以此类推，可给出定义2。 I2)=（02(,c2k,2x(t,)）定义2称特征c2,je{1,2,…,n)是信息元 p∈{1,2，…，ql (3) L()的特征c1,(i∈{1,2，…，m)积累n次主动变换 I1(,)=（0(t,c,vh(tp)）,ie{l,2,…,m p的它传导特征。定义3若集合{cl,(l∈{1,2，…，n)中的元素 pe(1,2,…,q} (4) 均是信息元11（①特征c1,(ie{1,2,…,m)累积n次记主动变换的它传导特征，则称该集合为信息元乞(wp)-o》 l1()的特征c1,(ie{1,2…,m)累积n次主动变换p E 9 的它传导特征集。 (w2,-o》般情况下，若信息元I2(t)特征c2,Ge{1,2,…,n) E12=e1 是信息元I1()的特征c1,(i∈1,2，…，m)累积n次主动变换p的它传导特征，则在tm时刻，对信息 ∑(y1n(t,)-y1n(to) 元I(0特征c,(ie{1,2…,m)的量值(tm)经过 m次主动变换p后，特征c2,e{1,2,…,n)的量为yup)-(o),1=1,2,…,,r≤m,p∈1,2，…，ql,e 值2tm)也会发生传导变换。个时刻t1,2,…,t,e个主动变换的平均变化值

征的量值累积多次主动变换后, 引起的传导变换的传导知识挖掘理论，丰富了可拓学的传导知识数据挖掘[3-4] 理论。为传导知识的数据挖掘提供了一个新方法和新思路，使传导知识数据挖掘理论更加全面。 1 积累多次主动变换的传导特征为了方便，仅研究两个相关信息元之间的主动变换[5-8] 及其传导变换。记信息元 I1(t) = (O1(t),C1(t),U1(t)) =   O1(t), c11, u11(t) c12, u12(t) . . . . . . c1m, u1m(t)   (1) I2(t) = (O2(t),C2(t),U2(t)) =   O2(t), c21, u21(t) c22, u22(t) . . . . . . c2n, u2n(t)   (2) I1(t) c1i ,i ∈ (1,2,··· ,m) I2(t) c2 j(j ∈ {1,2,··· ,n}) c1i(I1(t)) ∼ c2 j(I2(t)) 的特征与的特征之间存在相关性，即。 t0 I1(t) c1i ,(i ∈ {1,2,··· , u1i(t0) φ I2(t) c2 j ,(j ∈ {1,2,··· ,n}) u2 j(t0) 在时刻，当对信息元的特征 m}) 的量值实施一次主动变换时，信息元的特征的量值没有发生传导变换。 t1 I1(t) c1i ,(i ∈ {1,2,··· , m}) u1i(t1) φ I2(t) c2 j ,(j∈ {1,2,··· ,n}) u2 j(t1) 当在时刻，对信息元的特征的量值累积实施 2 次主动变换时，信息元的特征的量值发生了传导变换[1]。 c2 j ,(j ∈ {1,2,··· ,n}) I1(t) c1i ,(i ∈ {1,2,··· ,m}) φ 定义 1 称特征是信息元的特征累积 2 次主动变换的它传导特征。以此类推，可给出定义 2。 c2 j ,(j ∈ {1,2,··· ,n}) I1(t) c1i ,(i ∈ {1,2,··· ,m}) n φ 定义 2 称特征是信息元的特征积累次主动变换的它传导特征。 {c2l},(l ∈ {1,2,··· ,n}) I1(t) c1i ,(i ∈ {1,2,··· ,m}) n φ I1(t) c1i ,(i ∈ {1,2,··· ,m}) n φ 定义 3 若集合中的元素均是信息元特征累积次主动变换的它传导特征，则称该集合为信息元的特征累积次主动变换的它传导特征集。 I2(t) c2 j ,(j ∈ {1,2,··· ,n}) I1(t) c1i ,(i ∈{1,2,··· ,m}) n φ tm I1(t) c1i ,(i ∈ {1,2,··· ,m}) u1i(tm) m φ c2 j ,(j ∈ {1,2,··· ,n}) u2 j(tm) 一般情况下，若信息元特征是信息元的特征累积次主动变换的它传导特征，则在时刻，对信息元特征的量值经过次主动变换后，特征的量值也会发生传导变换。 2 积累多次主动变换的传导效应 t0 时刻，信息元 I1(t0) =   O1(t0), c11, u11(t0) c12, u12(t0) . . . . . . c1m, u1m(t0)   信息元 I2(t0) =   O2(t0), c21, u21(t0) c22, u22(t0) . . . . . . c2n, u2n(t0)   tn (tn > t0) I1(t) c1i ,(i ∈ {1,2,··· ,m}) u1i(tn) n φ I2(t) c2 j ,(j ∈ {1,2,··· ,n}) u2 j(tn) m φ Cmφ = u2 j(tm)−u2 j(tn) Cmφ > 0 m φ c2 j ,(j ∈ {1,2,··· ,n}) Cmφ < 0 m φ c2 j ,(j ∈ {1,2,··· ,n}) 在时刻，当对信息元特征的量值积累实施次主动变换时，信息元特征的量值才发生传导变换。则次主动变换的传导效应[ 1 ] 为。若，表明次主动变换使特征的量值增加了。若，表明次主动变换[9-12] 使特征的量值减小了。 3 主动变换关于目标特征的灵敏度 I2(t) c2k ,(k ∈ {1,2,··· ,n}) c2k 在解决实际矛盾问题中，若信息元的特征是要改善的量值的特征，则称为目标特征。 t0 I1(t) = (O1(t),C1(t),U1(t)) c1l ,(l = 1,2,··· ,r,r ⩽ m) u1l(t) I2k(t)= ( O2(t), c2k , v2k(t) ) q q t1,t2,··· ,tq 时刻，对信息元特征的量值进行主动变换，都可以引起的量值发生变换。若数据库中有个主动变换个时刻的数据，则 I2k(tp) = ( O2(tp), c2k , v2k(tp) ) , p ∈ {1,2,··· ,q} (3) I1(tp) = ( O1(tp), c1i , v1i(tp) ) ,i ∈ {1,2,··· ,m} p ∈ {1,2,··· ,q} (4) 记 E11 = ∑e x=1 (v11(tp)−v11(t0)) q , E12 = ∑e x=1 (v12(tp)−v12(t0)) q ,··· , E1n = ∑e x=1 (v1n(tp)−v1n(t0)) q v1l(tp)−v1l(t0) l = 1,2,··· ,r,r ⩽ m p ∈ {1,2,··· ,q} e t1,t2,··· ,te e 为，，，个时刻，个主动变换的平均变化值。 ·1036· 智能系统学报第 14 卷

第5期王丰，等：积累N次主动变换的传导知识挖掘 ·1037· 归一化得性能1141u() Ev 振动值a, a(t) Ev= 盟)-o A()= 1=1,2,…,r≤m (5) 模块1m,41m(0) 记 B 性能21， W21(t) 平衡性能五，b() 2w,)-o》 IB(1)= D,= ,1=1,2,…,r,r≤m e 性能2m, u2(t)) 为由I0=(O(0),C1(0,U1()的特征c(l=1,2,…,n, 和Io(①=(2，整体性能c,c()0 r≤m)的变换所引起的12(t)=（02(),ck,2x()) 选取导弹武器系统的整体性能c(0作为目标 e个时刻的2(t,)-2u(to)的平均值。特征。通过表1数据，在第1次试验数据（对部归一化得件A实施第1次主动变换中，将其振动值减小 D= D內 max vzu(p)-vzu(to)' 0.001)中，部件B的平衡性能增加0.03，导弹武器 pe1,2.-c 系统的整体性能c并未发生变化。第2次试验数 1=1,2,…,rr≤m (6) E 据（对部件A实施第2次主动变换中，将其振动值称Lu=品，1=1.2，r≤m为特征G关于目减小0.001)中，部件B的平衡性能增加了0.01，导标特征c24的灵敏度。弹武器系统的整体性能c增加了0.002。称导弹 4实例分析武器系统的整体性能c是信息元I()的特征a累积2次主动变换6的它传导特征。假设某型导弹武器Q的导航系统4刀中，部通过计算，特征b的h(h=2,3,…,10)次主动件A和部件B存在相关关系。部件A某个模块的变换中的传导效应分别为振动值记为a(),部件B的平衡性能记为b(),导 C24=b(2)-b(6)=0.812-0.81=0.002, 弹武器系统Q的整体性能记为c(①)。在该导弹武 C30=b3)-b(to)=0.814-0.81=0.004, 器系统阁研究定型过程中，累计了大量的试验数 C46=b(ta)-b(to)=0.815-0.81=0.005 据。限于篇幅，通过10次试验数据，结合本文方 C56=b(t5)-b(t)=0.818-0.81=0.008 法挖掘部件A的振动值对导弹武器系统Q的整 C6=b(t6)-b(t6)=0.822-0.81=0.011, 体性能的传导知识。假设10次试验数据的量值 C76=b(t)-b(to)=0.819-0.81=0.009 如表1所示。 C84=b(ts)-b(to)=0.818-0.81=0.008, C6=b(tg)-b()=0.815-0.81=0.005 表110次试验数据的量值 Table 1 Values of 10 test data C10=b(to)-b(to)=0.813-0.81=0.003。从表1中可见，在第6次试验（对部件A实施试验次数 a(t) b(t) c(t) 第6次主动变换)中，目标特征c()的量值最 0 0.019 0.75 0.81 大。前6次主动变换关于特征a(t)的平均变换量 0.018 0.78 0.81 ∑(Va(t)-Vao(to)》 2 0.017 0.79 0.812 值为Eao= =0.004,归一化得， 5 0.016 0.81 0.814 E0=0.667。 0.015 0.82 0.815 目标特征c()的平均值为Dw= 0.014 0.85 0.818 6 0.013 0.86 0.822 wan.)-vamo》点2 5 =0.0062,归一化得，D=0.517。 > 0.012 0.865 0.819 则特征a()关于目标特征c()的灵敏度为 8 0.011 0.88 0.818 0.004 Leaw=0.0062 =0.645 0.01 0.89 0.815 10 本文仅通过对10次实验数据的分析研究，可 0.009 0.91 0.813 以得到特征a()关于目标特征c()的灵敏度大小。将导弹武器系统Q的整体性能、部件A和部在导弹武器系统定型、升级改造过程中必然会积件B分别用信息元刻画为累大量的实验数据，可以根据本文方法和思路

归一化得 E1l ′ = E1l max p∈{1,2,···,q} { v1l(tp)−v1l(t0) } l = 1,2,··· ,r,r ⩽ m (5) 记 Dr = ∑e x=1 (vkr(tp)−vkr(t0)) e ,l = 1,2,··· ,r,r ⩽ m I1(t) = (O1(t),C1(t),U1(t)) c1l(l= 1,2,··· ,r, r ⩽ m) I2k(t)= ( O2(t), c2k , v2k(t) ) e v2kl(tp)−v2kl(t0) 为由的特征的变换所引起的个时刻的的平均值。归一化得 Dl ′ = Dl max p∈{1,2,···,e} { v2kl(tp)−v2kl(t0) }, l = 1,2,··· ,r,r ⩽ m (6) L2kl = El ′ Dl ′ l = 1,2,··· ,r,r ⩽ m cl c2k 称，为特征关于目标特征的灵敏度[13]。 4 实例分析 a(t) b(t) c(t) 假设某型导弹武器 Q 的导航系统[14-17] 中，部件 A 和部件 B 存在相关关系。部件 A 某个模块的振动值记为，部件 B 的平衡性能记为，导弹武器系统 Q 的整体性能记为。在该导弹武器系统[18] 研究定型过程中，累计了大量的试验数据。限于篇幅，通过 10 次试验数据，结合本文方法挖掘部件 A 的振动值对导弹武器系统 Q 的整体性能的传导知识。假设 10 次试验数据的量值如表 1 所示。表 1 10 次试验数据的量值 Table 1 Values of 10 test data 试验次数 a(t) b(t) c(t) 0 0.019 0.75 0.81 1 0.018 0.78 0.81 2 0.017 0.79 0.812 3 0.016 0.81 0.814 4 0.015 0.82 0.815 5 0.014 0.85 0.818 6 0.013 0.86 0.822 7 0.012 0.865 0.819 8 0.011 0.88 0.818 9 0.01 0.89 0.815 10 0.009 0.91 0.813 将导弹武器系统 Q 的整体性能、部件 A 和部件 B 分别用信息元刻画为 IA(t) =   A, 性能11, u11(t) 振动值a, a(t) . . . . . . 模块1m, u1m(t)   IB(t) =   B, 性能21, u21(t) 平衡性能b, b(t) . . . . . . 性能2m, u2m(t)   IQ(t) = ( Q,整体性能c, c(t) ) 和。 c(t) ϕ ϕ IA(t) ϕ 选取导弹武器系统的整体性能作为目标特征。通过表 1 数据，在第 1 次试验数据 (对部件 A 实施第 1 次主动变换，将其振动值减小 0.001) 中，部件 B 的平衡性能增加 0.03，导弹武器系统的整体性能 c 并未发生变化。第 2 次试验数据 (对部件 A 实施第 2 次主动变换，将其振动值减小 0.001) 中，部件 B 的平衡性能增加了 0.01，导弹武器系统的整体性能 c 增加了 0.002。称导弹武器系统的整体性能 c 是信息元的特征 a 累积 2 次主动变换[2] 的它传导特征。 b h(h = 2,3,··· ,10) ϕ 通过计算，特征的次主动变换的传导效应分别为 C2ϕ = b(t2)−b(t0) = 0.812−0.81 = 0.002, C3ϕ = b(t3)−b(t0) = 0.814−0.81 = 0.004, C4ϕ = b(t4)−b(t0) = 0.815−0.81 = 0.005, C5ϕ = b(t5)−b(t0) = 0.818−0.81 = 0.008, C6ϕ = b(t6)−b(t0) = 0.822−0.81 = 0.011, C7ϕ = b(t7)−b(t0) = 0.819−0.81 = 0.009, C8ϕ = b(t8)−b(t0) = 0.818−0.81 = 0.008, C9ϕ = b(t9)−b(t0) = 0.815−0.81 = 0.005, C10ϕ = b(t10)−b(t0) = 0.813−0.81 = 0.003。 ϕ c(t) a(t) Ea(t) = ∑5 x=2 (va(t)(tx)−va(t)(t0)) 5 = 0.004 E ′ a(t) = 0.667 从表 1 中可见，在第 6 次试验 (对部件 A 实施第 6 次主动变换 ) 中，目标特征的量值最大。前 6 次主动变换关于特征的平均变换量值为，归一化得，。 c(t) Dc(t) = ∑6 x=2 (vc(t)(te)−vc(t)(t0)) 5 = D ′ c(t) = 0.517 a(t) c(t) 目标特征的平均值为 0.006 2，归一化得，。则特征关于目标特征的灵敏度为 La(t)c(t) = 0.004 0.0062 = 0.645 a(t) c(t) 本文仅通过对 10 次实验数据的分析研究，可以得到特征关于目标特征的灵敏度大小。在导弹武器系统定型、升级改造过程中必然会积累大量的实验数据，可以根据本文方法和思路，第 5 期王丰，等：积累 N 次主动变换的传导知识挖掘 ·1037·

·1038· 智能系统学报第14卷求得各个特征对目标特征的灵敏度分布，以寻求 1168-1174 对目标特征最有利的特征的量值。从而为定型、 [8]蔡文，杨春燕.评价信息元及其原信息元的获取方法)，改进提供关于各特征的理论参考数据。智能系统学报，2009,4(3：234238. CAI Wen.YANG Chunyan.A method for evaluation of in- 5结束语 formation-elements and acquirement of the original in- formation element[J].CAAI transactions on intelligent sys- 现实问题中，经常遇到前N次可拓变换未引 tems.2009,4(3):234-238. 起与之相关的信息元发生传导变换，而+1次主 [9]刘长亮，鲍传美，包化，等.可拓数据挖掘在高性能兵棋动变换才能引起与之相关的信息元发生传导变换推演系统中的应用).指挥信息系统与技术，2018,91)：的情况。本文为了挖掘N+1次积累主动变换的 62-67. 传导知识理论，将可拓变换、传导效应和灵敏度 LIU Changliang,BAO Chuanmei,BAO Hua,et al.Applic- 的概念引入到传导知识的挖掘中，充实和完善了 ation of extensible data mining in high performance war- 传导知识的挖掘理论。下一步，将结合该型导弹 gaming system[J].Command information system and tech- 武器系统工厂试验及设计、定型试验过程中产生 nology,2018,91):62-67. 的大量试验数据，利用计算机编程仿真，深入挖 [10]汤龙，杨春燕.复杂基元相关网下的传导变换[几.智能掘各项特征对该型战术导弹武器系统性能特征的系统学报，2016,11(1)：104-110 灵敏度，为其定型、列装和改进提供理论和实践 TANG Long,YANG Chunyan.Conductive transforma- 参考依据。 tion under complicated basic-element correlative network[J].CAAL transactions on intelligent systems, 参考文献： 2016.11(1):104110. [11]张园园，张巨伟，赵斌.安全领域不相容问题的数学分 [1]杨春燕，蔡文.可拓学[M.北京：科学出版社，2014：析).辽宁石油化工大学学报，2018,38(1)：55-59 21-78. ZHANG Yuanyuan,ZHANG Juwei,ZHAO Bin.Math- [2]蔡文，杨春燕，陈文伟，等.可拓集与可拓数据挖掘M ematical analysis of incompatible problems in security do- 北京：科学出版社，2008：1495 main[J].Journal of Liaoning Shihua University,2018, [3]杨春燕，蔡文.挖掘同对象信息元的传导知识.智能系 38(155-59. 统学报，2008,3(4)：305-308. [12]温树勇，李卫华.本体知识拓展分析树在可拓策略生成 YANG Chunyan,CAI Wen.Mining conductive know- 系统的应用[).智能系统学报，2014,9(1)：115-120. ledge in information elements possessed by an identical WEN Shuyong,LI Weihua.Application of ontology object[J].CAAI transactions on intelligent systems,2008, knowledge expansion analysis tree in the extension 3(4):305-308. strategy generation system[J].CAAl transactions on intel- [4]WANG Feng,ZHANG Jinchun,LI Rihua.Process ele- 1 ligent systems,.2014,91115-120. ment on expansion of the random process's mean function [13]韩睿，郑竞宏，朱守真，等.基于灵敏度分析的同步发电 and variance function[Cl//Proceedings of Extenics and In- 机参数分步辨识策略U.电力自动化设备，2012,32(5)： novation Methods-Proceedings of the International Sym- 74-80 posium on Extenics and Innovation Methods.Beijing, HAN Rui,ZHENG Jinghong,ZHU Shouzhen,et al.Step China,2013:29. identification of synchronous generator parameters based [5]郭强，邹广天.基于决策树分类的可拓建筑策划预测方 on sensitivity analysis[J].Electric power automation 法[J.智能系统学报，2017,12(1)：117-123 equipment,2012,32(5):74-80. GUO Qiang,ZOU Guangtian.Prediction methods for ex- [14]王丰，张磊，胡春万.基于多级优度评价方法的导弹武 tension architecture programming based on decision tree 器系统效能评估[).指挥控制与仿真，2017,39(3)： classification[J].CAAI transactions on intelligent systems, 74-77. 2017,12(1):117-123. WANG Feng,ZHANG Lei,HU Chunwan.Efficiency [6]YAN Siwei,FAN Rui,CHEN Yuefeng,et al.Research on evaluation of missile weapon system based on multi-level web services-based extenics aided innovation system[J]. priority degree evaluation method[J].Command control Procedia computer science,2017,107(C):103-110. &simulation,.2017,39(3):74-77. [7]LI Xingsen,LIU Haitao,CHEN Cheng,et al.A hybrid in- [15]花黄伟，杨春燕.可拓识别方法及其在无人车识别障碍 formation construction model on factor space and 物中的应用研究.广东工业大学学报，2016,33(4)： extenics[J].Procedia computer science,2017,122: 1-6

求得各个特征对目标特征的灵敏度分布，以寻求对目标特征最有利的特征的量值。从而为定型、改进提供关于各特征的理论参考数据。 5 结束语现实问题中，经常遇到前 N 次可拓变换未引起与之相关的信息元发生传导变换，而 N+1 次主动变换才能引起与之相关的信息元发生传导变换的情况。本文为了挖掘 N+1 次积累主动变换的传导知识理论，将可拓变换、传导效应和灵敏度的概念引入到传导知识的挖掘中,充实和完善了传导知识的挖掘理论。下一步，将结合该型导弹武器系统工厂试验及设计、定型试验过程中产生的大量试验数据，利用计算机编程仿真，深入挖掘各项特征对该型战术导弹武器系统性能特征的灵敏度，为其定型、列装和改进提供理论和实践参考依据。参考文献：杨春燕, 蔡文. 可拓学 [M]. 北京: 科学出版社, 2014: 21–78. [1] 蔡文, 杨春燕, 陈文伟, 等. 可拓集与可拓数据挖掘 [M]. 北京: 科学出版社, 2008: 14–95. [2] 杨春燕, 蔡文. 挖掘同对象信息元的传导知识 [J]. 智能系统学报, 2008, 3(4): 305–308. YANG Chunyan, CAI Wen. Mining conductive knowledge in information elements possessed by an identical object[J]. CAAI transactions on intelligent systems, 2008, 3(4): 305–308. [3] WANG Feng, ZHANG Jinchun, LI Rihua. Process element on expansion of the random process’s mean function and variance function[C]//Proceedings of Extenics and Innovation Methods-Proceedings of the International Symposium on Extenics and Innovation Methods. Beijing, China, 2013: 29. [4] 郭强, 邹广天. 基于决策树分类的可拓建筑策划预测方法 [J]. 智能系统学报, 2017, 12(1): 117–123. GUO Qiang, ZOU Guangtian. Prediction methods for extension architecture programming based on decision tree classification[J]. CAAI transactions on intelligent systems, 2017, 12(1): 117–123. [5] YAN Siwei, FAN Rui, CHEN Yuefeng, et al. Research on web services-based extenics aided innovation system[J]. Procedia computer science, 2017, 107(C): 103–110. [6] LI Xingsen, LIU Haitao, CHEN Cheng, et al. A hybrid information construction model on factor space and extenics[J]. Procedia computer science, 2017, 122: [7] 1168–1174. 蔡文, 杨春燕. 评价信息元及其原信息元的获取方法 [J]. 智能系统学报, 2009, 4(3): 234–238. CAI Wen, YANG Chunyan. A method for evaluation of information-elements and acquirement of the original information element[J]. CAAI transactions on intelligent systems, 2009, 4(3): 234–238. [8] 刘长亮, 鲍传美, 包化, 等. 可拓数据挖掘在高性能兵棋推演系统中的应用 [J]. 指挥信息系统与技术, 2018, 9(1): 62–67. LIU Changliang, BAO Chuanmei, BAO Hua, et al. Application of extensible data mining in high performance wargaming system[J]. Command information system and technology, 2018, 9(1): 62–67. [9] 汤龙, 杨春燕. 复杂基元相关网下的传导变换 [J]. 智能系统学报, 2016, 11(1): 104–110. TANG Long, YANG Chunyan. Conductive transformation under complicated basic-element correlative network[J]. CAAL transactions on intelligent systems, 2016, 11(1): 104–110. [10] 张园园, 张巨伟, 赵斌. 安全领域不相容问题的数学分析 [J]. 辽宁石油化工大学学报, 2018, 38(1): 55–59. ZHANG Yuanyuan, ZHANG Juwei, ZHAO Bin. Mathematical analysis of incompatible problems in security domain[J]. Journal of Liaoning Shihua University, 2018, 38(1): 55–59. [11] 温树勇, 李卫华. 本体知识拓展分析树在可拓策略生成系统的应用 [J]. 智能系统学报, 2014, 9(1): 115–120. WEN Shuyong, LI Weihua. Application of ontology knowledge expansion analysis tree in the extension strategy generation system[J]. CAAI transactions on intelligent systems, 2014, 9(1): 115–120. [12] 韩睿, 郑竞宏, 朱守真, 等. 基于灵敏度分析的同步发电机参数分步辨识策略 [J]. 电力自动化设备, 2012, 32(5): 74–80. HAN Rui, ZHENG Jinghong, ZHU Shouzhen, et al. Step identification of synchronous generator parameters based on sensitivity analysis[J]. Electric power automation equipment, 2012, 32(5): 74–80. [13] 王丰, 张磊, 胡春万. 基于多级优度评价方法的导弹武器系统效能评估 [J]. 指挥控制与仿真, 2017, 39(3): 74–77. WANG Feng, ZHANG Lei, HU Chunwan. Efficiency evaluation of missile weapon system based on multi-level priority degree evaluation method[J]. Command control &simulation, 2017, 39(3): 74–77. [14] 花黄伟, 杨春燕. 可拓识别方法及其在无人车识别障碍物中的应用研究 [J]. 广东工业大学学报, 2016, 33(4): 1–6. [15] ·1038· 智能系统学报第 14 卷

点击进入文档下载页（PDF格式）

已到末页，全文结束

点击下载（PDF格式）

浏览记录