第二章现代工业系统的理论基础-2.pptVIP

浙江大学现代制造工程研究所 顾新建 祁国宁 目录 第一节 系统空间优化理论 第二节 系统时间优化理论 第一节 系统空间优化理论 2.1.1 系统论：系统集成优化的理论基础 2.1.2 分形几何理论：分形企业的理论基础 2.1.3 模式识别理论：现代工业系统有序化的理论基础 2.1.4 相似论：成组技术的理论基础 2.1.5 层次分析法：工业系统方案设计和优化的理论基础 2.1.6 仿生学：现代工业系统理论创新的重要源泉 2.1.3 模式识别理论：现代工业系统有序化的理论基础 现代工业系统有序化或条理化的目的是降低工业系统的熵，即提高系统的有序度。 在这方面，模式识别理论可以发挥很大的作用。 1、工业系统分类问题 工业系统分类对象有产品、零件、过程、信息、知识等。用于分类的对象称为样本。 定义2.1： 工业系统分类问题是，设有n个样本（如零件），记作 ； 每个样本都有m个特征,记作 ， i=1,2,…,n。通过对样本特征的分析，根据一定的应用目标，将具有一定相似性的样本分类成组，记作 。 复杂系统的解决方案有多种，不存在普适的方法 具体的分类方法有很多种，各种分类方法所解决的子问题不同，所采用的分类原理不同，所利用的样本特征信息不同，所要求的样本特征描述方法不同，以及所得到的分类结果形式不同。 样本分类问题的分解 定义2.2：样本特征代码化，即对与样本分类有关的样本特征用数码的形式加以表示。 定义2.3：样本特征选择，即对样本分类有不同影响的样本特征给予不同的权重。 定义2.4：聚类分析的定义是：在模式空间G，若给定n个样本 ，按相互类似的程度找到相应的区域 ，使各 ，归入其中一类，而不同时属于两类，即： 记聚类分析结果为f（x）。 定义2.5：模式分类器分为有监督学习的和无监督学习的，其定义分别是： ①有监督学习的模式分类器设计的定义是：利用已知类别标号的训练集 ，确定执行由模式空间到解释空间这一映射的算子R[f(x)],即模式分类器的结构参数； ②无监督学习的模式分类器则是直接利用待分类的样本，其实质是将聚类分析与有监督学习的模式分类器的设计这两个过程结合在一起。 定义2.6：模式分类器分类的定义是：利用学习到的映射R[f(X)]　对样本x进行分类，分类结果为C(X)。 人们对聚类分析和模式分类器设计进行了大量研究。 前者提供的是分类结果,后者则提供模式分类器的结构，可以对新零件直接分类。 聚类分析的结果可以为模式分类器设计提供训练样本。 采用句法模式识别法时相应的四个子问题是：①基元选择；②聚类分析；③语法推理；④句法识别。 2、样本特征选择 在设计一个模式分类器以前，首先要考虑样本特征提取和数据压缩问题。 一般采用分类编码系统。分类编码系统往往要适应多方面的需要，对于某一分类问题并非各码位都有相同重要的影响。 所以为了提高分类效果，必须进行模式预处理和特征选择。 1）特征码位的选择 例如，在一般零件分类时，只考虑对结构形状及工艺影响较大的主要码位上的特征项的相似性，而不考虑全部码位上的相似性，否则分类的结果必然会出现分组数过多、而每组零件数很少的问题，并且使分类效率降低。 特征码位的选择方法 （1）对样本特征作统计分析,将那些特征值都相同（如都为0或1）的码位舍去。 （2）对样本特征间的相关性作统计分析,特征间相关系数： 且 i≠j, 越大，两个码位上的特征越相关。可从相关系数很大的样本特征对中去掉一个特征。 （3）人工判别选择码位。 2）特征权重的选择 各码位的特征对分类的影响是不同的，若在分类中对这些特征“一视同仁”，则势必影响分类效果。 当已知聚类分析结果时，由一些感知器算法和神经网络算法可以较容易地得到特征权重。 特征权重的选择与应用目标有很大关系，其选择目前主要还是靠人工判别。 特征的隶属函数是另一种意义上的权重，主要是针对那些具有模糊概念的特征设计的，它表达了样本具有某些特征的程度。 隶属函数μ(x)在[0,1]之间取值，μ(x)值越大，说明样本具有该特征的程度越高，样本特征的隶属函数的设计主要依赖于人工判别。 权重的确定是普遍性的难题！ 在样本分类中，如何确定权重是一个既关键又无规范可循的问题，而权重值的大小对结果的影响又举足轻重。 经常使用的确立权重的方法有：直接经验法、专家咨询法、排序法、环比法、优序图法、逐步调整法和层次分析法等