一种基于D-HS的低碳相似实例检索方法技术

一种基于D‑HS的低碳实例索引方法，包括：将低碳实例库属性区间等概率离散化，构建实例库虚拟网格化特征属性坐标；制定实例索引规则；目标实例检索，得到索引集；构建实例匹配度准则进行索引集补充；基于需求的模糊性，构建不同数据类型特征属性的局部相似度计算模型；采用模糊公理化方法，建立实例特征属性修改信息模型，作为评定相似实例可修改性准则，构建实例检索相似度和修改信息的双重标准；数据库实例及索引更新；数据库实例达到规定数目时，对实例属性区间重新划分，构建新的网格化坐标，并更新实例库中各实例的坐标。本发明专利技术能有效提高检索的效率及正确性，同时提高了检索实例的可修改性。

A Low Carbon Similar Case Retrieval Method Based on D-HS

A low-carbon case index method based on D_HS includes: discretizing attribute intervals of low-carbon case base with equal probability to construct virtual grid feature attribute coordinates of case base; formulating case index rules; retrieving target case to obtain index set; constructing case matching criteria to supplement index set; building local feature attributes of different data types based on fuzziness of demand Similarity calculation model; Fuzzy axiomatization method is used to establish case feature attribute modification information model, which is used as a criterion to evaluate the modifiability of similar cases, and double standards of case retrieval similarity and modified information are constructed; database instances and index updates; when the number of database instances reaches a specified number, the attribute interval of instances is re-divided, NEW grid coordinates are constructed, and more. The coordinates of each instance in the new instance library. The invention can effectively improve the efficiency and correctness of retrieval, and at the same time improve the modifiability of retrieval examples.

【技术实现步骤摘要】
一种基于D-HS的低碳相似实例检索方法
本专利技术涉及一种低碳相似实例检索方法。
技术介绍
根据用户低碳需求，在产品实例库中准确、高效地检索获得相似产品实例是设计人员借助计算机辅助设计系统对现有低碳实例设计知识重用的关键。而目前产品实例检索系统普遍存在系统效用问题及检索结果可修改性问题。检索效用问题是指为使实例库实例设计知识尽可能覆盖需求知识，确保相似实例检索的准确性，需要不断扩充实例库实例数量，但当实例数量达到一定数目时，实例检索的准确性基本稳定，而检索效率下降。检索结果可修改性问题是指在按照传统的相似度方法检索获取的产品实例属性与需求属性综合相似度最高，但是无法保证检索获得实例的可修改性，部分属性参数可能无法通过变换以满足需求。本专利技术提出一种基于D-HS(最高离散化相似度)的低碳相似实例检索方法，该方法可以快速获取相似实例索引集，同时方便实例库中动态数据的更新和维护。基于用户需求的模糊性，构建不同数据类型特征属性的局部相似度计算模型；采用模糊公理化方法，建立实例特征属性修改信息模型，作为评定相似实例的可修改性准则，从而构建实例检索相似度和修改信息的双重标准，使检索结果更加合理，进而解决系统效用问题及检索结果可修改性问题。
技术实现思路
本专利技术要克服现有技术在实例库检索过程中的效用低下的问题，提出一种基于D-HS的低碳相似实例检索方法，实现更快速、更合理地检索。本专利技术解决其技术问题所采用的技术方案是：一种基于D-HS的低碳相似实例检索方法，包括如下步骤：S1：低碳实例库区间等概率离散化及索引规则：对各属性i的各实例按照属性值从小到大排序，ci(c1),ci(c2),…,ci(cN)；划定每区间段的实例数Int(N/Li)，区间段的上下界为区间内实例属性i最大值和最小值，索引规则如公式(1)所示：式中，N为实例库中产品实例总数，Li为自定义的第i维属性区间数；ci(c(liΔδi))为实例库中第(liΔδi)个实例c的第i维属性ci的属性量值。所述的实例库，由N个实例c组成，每个实例包含M个质量特征属性cS11：依据M维质量特征属性的量值，对实例库中N个实例进行M次升序排序，同时确定各维度属性区间数L，构建实例库虚拟网格化特征属性坐标(Li,Lj,Lk,…)；S12：依据实例库中各个实例自身M维属性量值，生成单个实例ci的虚拟网格坐标(li(ci),lj(ci),lk(ci),…)；S2：目标实例检索：将目标索引实例落入区域按S1中的索引规则，得到索引集S。S21：输入目标检索实例q，依据qi(q)的属性量值定位坐标(li(q),lj(q),lk(q),…)，并记录相同属性区间坐标下的产品实例ci的标识号；S22：将与目标实例q的M维属性均在同一区间的实例(各维坐标相同)构成相似索引集S；S3：实例集补充：构建实例匹配度准则，对S2中获得的索引集S进行补充，避免边缘相似实例的遗漏，如公式(2)所示，获得补充集Sb；式中，cj(ci)表示实例ci的第j个属性cj的量值，qj(q)表示目标实例q的第j个属性qj的量值；函数Match具备以下特性：Match(cj(ci),qj(q))＝1，S31：索引集S为空集的情况下，为提供与目标实例拥有较多相同属性区间的实例库实例作为索引实例，定义属性匹配度常数Const，根据实际检索条件值设置Const值，获得补充集Sb，如公式(3)所示，获得索引集S0，如公式(4)所示。Sb＝{ci:SA(ci,q)≥Const,Const≤M}(3)S4：相似度与修改难度计算：索引集S0＝S+Sb中的实例进行相似度与修改难度计算：对实例进行相似度和修改难度的计算，得到合适的可重用的相似实例或相似实例集；S41：基于需求的模糊性，构建不同数据类型特征属性的局部相似度计算模型如公式(5)-(8)所示，及全局相似度如公式(9)所示；式中，m1表示属性量值为精确值的属性数目，ωj为第j个精确值特征属性的权重。式中，m2表示属性量值为模糊数值型的属性数目，k(ck)为属性ck的一维关联函数值，ωk为第k个模糊数值型特征属性的权重。式中，m3表示属性量值为语义型的属性数目，μ(cl)表示属性cl的模糊值，ωl为第l个语义型特征属性的权重。式中，m1+m2+m3＝M,S42：采用模糊公理化方法，建立实例特征属性修改信息模型，作为评定相似实例可修改性准则，构建实例检索相似度和修改信息的双重标准。S5：实例库更新：将成功修改后的重用实例进行标识码的编码，作为新的实例添加到实例库中，并依据其属性量值定位坐标；S6：区间划分更新与坐标更新若当前实例库中实例数N’≥(1+10％)N，则需要对M维属性重新划分区间，构建新的网格化坐标，并更新实例库中各实例的坐标。本专利技术在实现每一次索引时，能避免索引区域实例分布不均匀的问题，同时将遗漏的边缘相似实例添入索引集中，避免高相似实例的遗漏，能有效提高检索的效率及正确性，同时提高了检索实例的可修改性。与现有技术相比，本专利技术的有益效果表现为：1.等概率划分属性区间，使各区间实例数均匀，避免实例过度聚集或过度分散，造成索引效果不好的问题；2、提出匹配度原则，对相似实例索引集进行补充，避免边缘相似市里的遗漏；并且当索引集为空集的情况下，提供与目标实例拥有较多相同属性区间的实例作为索引实例；3.方便实例库中动态数据的更新和维护；4、引入相似度及修改难度双重标准，使检索结果更合理。附图说明图1为本专利技术方法操作流程图。图2为实施例中属性A1-A5等概率网格划分图。图3为实施例中属性A6-A9等概率网格划分图。图4为实施例中索引集S0中产品实例相似度与修改信息量值对比分析图。具体实施方式下面结合附图和实施例例对本专利技术作进一步说明。实施例本实例以某数控裁床厂针对某型号数控裁床所需的真空泵实例库中151个实例为样本。包括以下步骤：S1:对产品实例每维属性进行网格划分，构建实例库属性维度坐标和各个实例坐标。首先对实例库中151实例的各维属性参数进行标准归一化处理，对每维属性按照参数值排序，设定每维属性的区间数；其中，属性A1-A6区间数为5，属性A7-A9区间数为3,由实例等概率分布公式(1)，计算机自动获取每维属性各区间段中实例数目，同时标定各实例所在每维属性的区间数号作为实例在网格中的坐标。图1,图2为实例库中151个实例每维属性等概率划分结果。所述属性反映用户需求的9个属性A1-A9分别为：抽气速率(A1)，极限压力(A2)，运行功率(A3)，噪声(A4)，成本(A5)，环保性能(A6)，故障率(A7)，维修便捷性(A8)，材料回收率(A9)。S2：确定需求实例q在实例库网格中的坐标，本案例以真空泵各属性推荐值作为需求实例索引值，获得如表1所示的需求实例q的坐标点。表1需求实例q各属性坐标li(q)S21：获取与需求实例q在相同网格坐标下的所有实例，构成索引集S；同时由式(2)计算实例ci与需求实例q的属性匹配度SA(ci,q)，计算结果如表2所示。表2实例ci与需求实例q的匹配度S22：补充索引实例集：由所述表2可知，属性匹配度SA(ci,q)＝9时对应的实例集合为空集，即索引实例集S＝；设定公式(3)中匹配度阈值Const＝4，补充索引实例集；共得25个实例构成相似索本文档来自技高网...

【技术保护点】
1.一种基于D‑HS的低碳相似实例检索方法，包括如下步骤：S1：低碳实例库区间等概率离散化及索引规则：对各属性i的各实例按照属性值从小到大排序，ci(c1),ci(c2),…,ci(cN)；划定每区间段的实例数Int(N/Li)，区间段的上下界为区间内实例属性i最大值和最小值，索引规则如公式(1)所示：

【技术特征摘要】
1.一种基于D-HS的低碳相似实例检索方法，包括如下步骤：S1：低碳实例库区间等概率离散化及索引规则：对各属性i的各实例按照属性值从小到大排序，ci(c1),ci(c2),…,ci(cN)；划定每区间段的实例数Int(N/Li)，区间段的上下界为区间内实例属性i最大值和最小值，索引规则如公式(1)所示：式中，N为实例库中产品实例总数，Li为自定义的第i维属性区间数；为实例库中第(liΔδi)个实例c的第i维属性ci的属性量值。所述的实例库，由N个实例c组成，每个实例包含M个质量特征属性c；S11：依据M维质量特征属性的量值，对实例库中N个实例进行M次升序排序，同时确定各维度属性区间数L，构建实例库虚拟网格化特征属性坐标(Li,Lj,Lk,…)；S12：依据实例库中各个实例自身M维属性量值，生成单个实例ci的虚拟网格坐标(li(ci),lj(ci),lk(ci),…)；S2：目标实例检索：将目标索引实例落入区域按S1中的索引规则，得到索引集S。S21：输入目标检索实例q，依据qi(q)的属性量值定位坐标(li(q),lj(q),lk(q),…)，并记录相同属性区间坐标下的产品实例ci的标识号；S22：将与目标实例q的M维属性均在同一区间的实例(各维坐标相同)构成相似索引集S；S3：实例集补充：构建实例匹配度准则，对S2中获得的索引集S进行补充，避免边缘相似实例的遗漏，如公式(2)所示，获得补充集Sb；式中，cj(ci)表示实例ci的第j个属性cj的量值，qj(q)表示目标实例q的第j个属性qj...

【专利技术属性】
技术研发人员：赵燕伟，朱芬，谢智伟，徐晨，桂方志，任设东，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33