基于AFS理論的復雜概念分解及其應用.pdf

1、在現(xiàn)實生活中，復雜概念是不容易被機器所識別的。特別是有些復雜概念即使人類自身也是根據(jù)直覺來判斷，并且不一定能準確做出準確判斷。因此，AFS理論通過對人類對復雜概念的認識、識別和分析，以及在復雜概念下采集的樣本的相互比較和排序，期望找到復雜概念和簡單概念之間的規(guī)律，并通過機器學習和識別，可以讓機器像人一樣進行思考和判斷復雜概念，進而在某些場合可以代替人做識別和判斷。因為數(shù)據(jù)量的巨大以及故障之間關系的復雜，使得復雜故障的診斷和識別非常困難。

2、因此，機器學習等人工智能方法的引入，可以大大減輕人類自身的工作量和工作難度。
　　 本文在AFS理論的基礎上，將復雜概念分解引入復雜故障診斷中。AFS理論是一種新的模糊數(shù)學的分析方法。在AFS理論中，關于集合和格理論的方法是近代數(shù)學常用的分析問題的方法之一?？梢愿鶕?jù)數(shù)據(jù)的屬性和相互關系，建立起一套機器學習和人工智能的方法，并廣泛應用于模式識別，故障診斷和機器學習中。本文在AFS理論的基礎上，通過探討格理論，布爾矩陣和二元關系以及

3、相關聯(lián)系，得到一種將復雜概念分解成簡單概念的算法。并將復雜概念的分解方法應用到復雜故障診斷中，其方法容易理解，易于解釋，實現(xiàn)起來比較方便，因此具有很強的實際操作性，有望更廣泛地應用于機器學習和識別。概念分解的局限性在于，根據(jù)人的直覺，可以把樣本排序并分解成簡單概念。因為很多概念是多變的，不同的人會有不同的結論。因此得到的簡單概念并不一定是一致的。需要找到許多共通的規(guī)律并讓機器識別，并且可以通過這些有共通性的簡單概念的組合去讓機器識別不同