产品设计KBE实例解析.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * 产品设计2 主讲人：曾富洪 攀枝花学院 * 11.4.5 知识繁衍 知识繁衍(Knowledge Evolving, KE)就是指从大量数据中发现新知识、总结新规律、建立数学模型的过程。KE与数据库中知识发现(Knowledge Discovery in Database, KDD)和数据挖掘(Data Mining, DM)的研究紧密结合，是现代人工智能理论研究的热点，是解决CAD, CAE双向集成的重要途径之一。 KDD是从数据集中识别出有效的、新颖的、潜在有用的以及最终可以理解的模式的高级处理过程。 其中数据集是指一个有关事实(F)的集合，它用来描述事物有关方面的信息，是进一步发现知识的原材料 模式是一个用语言(L)来表示的表达式(E)，它可用来描述事物有关方面的特性。 * 11.4.5 知识繁衍 2) 数据挖掘过程 * 11.4.5 知识繁衍 2) 数据挖掘过程 (1) 数据选择 根据相关领域的问题描述，从数据中提取相关的数据用于知识发现。 (2) 数据预处理 数据预处理主要是对前一阶段产生的数据进行处理，检查数据的完整性和一致性，处理其中的无用数据，并补充丢失的数据。 (3) 数据转换 数据转换主要是根据数据挖掘算法的要求，进行离散型数据与连续型数据间的相互转换，对数据集进行分类，对数据项进行计算机组合等。 * 11.4.5 知识繁衍 2) 数据挖掘过程 (4) 数据挖掘 数据挖掘是KE最关键的步骤，是技术的难点所在。它运用选定的数据挖掘算法，从数据中提取需要的知识创建可能形成知识的模式，并用一种特定的方式表达出来。 (5) 知识解释和评估 对于数据挖掘后得到的模型，有可能是没有实用价值的，也有可能不能准确反映数据的真实意义，甚至在某些情况下与事实相反，因此需要对其进行评估，确定哪些是有效的模式 ，然后将发现的知识用易于理解的方式表示出来，同时对知识发现过程中的某些处理阶段进行优化。 * 11.4.5 知识繁衍 2) 数据挖掘过程 (6) 知识运用 发现知识是为了运用知识。知识运用有两种方法：一种是运用知识本身所描述的关系和结果，实现决策支持；另一种是对根据数据产生新的问题，利用知识解决它。 数据挖掘从人工智能发展而来，因此人工智能中的技术成果都可以移植到数据挖掘中来。统计、聚类、因子分析等在数据挖掘中都有应用。然而这些技术使用时必须根据数据本身的特点，采用多种技术相互集成的方法。 * 11.4.6 知识集成与管理 1) 知识集成与管理的内涵 (1) 知识集成及其内涵 知识集成的方式是多方面的，主要针对两大类知识：显性知识(编码型知识)和隐性知识(会意型知识)，知识创新实质上是显性知识与隐性知识之间交互作用的一个螺旋式上升过程。知识集成有四种方式： ①会意型知识之间的集成： ②编码型知识之间的集成： ③从会意型知识到编码型知识的集成： ④从编码型知识到会意型知识的集成。这4类方式分别对应了社会化、联合、外化和内化过程 * 11.4.6 知识集成与管理 1) 知识集成与管理的内涵 (1) 知识集成及其内涵 产品创新 技术创新 会意型知识 编码型知识 从会意型知识到编码型知识的集成 从编码型知识到意型知识到的集成 会意型知识的集成 编码型知识的集成 * 11.4.6 知识集成与管理 1) 知识集成与管理的内涵 (2) 知识管理及其内涵 与知识集成相关的另一重要概念是知识管理。知识管理有着广泛的内涵，知识管理在本质上包涵了知识的组织发展过程，并寻求将信息技术所提供的对数据和信息的处理能力以及人的发明创造能力这两方面进行有机的结合。知识管理要求致力基于任务的知识创新、传播并具体地体现在产品、服务和系统中。 * 11.4.6 知识集成与管理 2）知识集成和管理框架 有效的知识管理需要集成化的技术与工具来实现知识的获取、表示、编码、管理和传递，即建立一个高效的知识管理系统。知识管理系统研究的目标是将基于计算机的知识管理系统和基于人际网络的沟通系统进行集成，形成具有认知能力和创新能力的知识网络。 获取 应用 分发 存储 知识管理 * 表格、语义词组、逻辑短语、数据表、图形、工程参数、试验/实验曲线、配方和工艺诀窍的可视化表达工具，表达经整理后的原始设计知识 建模工具 KBE系统软件开发平台 将设计知识和逻辑推理等功能嵌入CAD系统中，UG／Open++、objextARX，toolKit等 11.5 KBE系统开发工具 * 11.6 KBE系统开发实例