一种面向产品绿色设计的知识协同聚类方法技术

本发明专利技术涉及知识聚类技术领域，且公开了一种面向产品绿色设计的知识协同聚类方法，包括步骤一、将产品绿色设计过程中所需要的知识约束在功能和属性两个方面，建立特征约束的知识模型，对知识的研究范围做了限定，步骤二、对不同知识做数据类型的区分，基于相似度计算考量，分别选择了相应的距离计算公式，步骤三、针对新的设计需求，首先，结合语义树对不同功能特征进行一层检索聚类。该面向产品绿色设计的知识协同聚类方法，可以有效的管理绿色设计知识，达到减少研发成本，提高产品设计的质量的目的，还可以对碎片化、异构化的知识进行处理，使纷繁复杂的数据可以快速且精准的协同聚类。

【技术实现步骤摘要】
一种面向产品绿色设计的知识协同聚类方法
本专利技术涉及知识聚类
，具体为一种面向产品绿色设计的知识协同聚类方法。
技术介绍
在当前大数据时代背景下，知识聚类在知识工程的发展进程中一直扮演着重要、积极的角色，它属于科技迅速崛起的产物，通过对分散型数据源和知识源的组织管理，结合客户需求对知识元素进行处理、转化和集成研究，从而获取到更有价值或可用性更高的新知识，同时对知识对象进行功能、属性和结构等方面的优化集成，提供基于知识的后续服务，而像产品绿色设计此类概念设计，在设计活动的每个阶段都需要大量的设计知识，然而在设计过程中，工程师通常花费大量的时间来处理上述分散型数据源，以获取到所需数据。虽然当下绿色设计知识的概念已经广为人知，但对产品绿色设计知识的研究仍然缺乏一套系统的方法，无法有效的管理绿色设计知识，达到减少研发成本，提高产品设计的质量的目的，而且，针对碎片化、异构化的知识缺乏联系，不易处理，无法对纷繁复杂的数据进行快速且精准的聚类处理。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种面向产品绿色设计的知识协同聚类方法，可以有效的管理绿色设计知识，达到减少研发成本，提高产品设计的质量的目的，还可以对碎片化、异构化的知识进行处理，使纷繁复杂的数据可以快速且精准的协同聚类等优点，解决了无法有效的管理绿色设计知识，达到减少研发成本，提高产品设计的质量的目的，而且，针对碎片化、异构化的知识缺乏联系，不易处理，无法对纷繁复杂的数据进行快速且精准的聚类处理的问题。(二)技术方案为实现上述的目的，本专利技术提供如下技术方案：一种面向产品绿色设计的知识协同聚类方法，包括以下步骤；步骤一、将产品绿色设计过程中所需要的知识约束在功能和属性两个方面，建立特征约束的知识模型，对知识的研究范围做了限定；步骤二、对不同知识做数据类型的区分，基于相似度计算考量，分别选择了相应的距离计算公式；步骤三、针对新的设计需求，首先，结合语义树对不同功能特征进行一层检索聚类，得到其一层功能相似度(FunctionRelevance，FR)，根据FR从样本库中检索出一定量的样本；步骤四、使用更深层次的第二层属性筛选聚类进行可行聚类方案的决策；步骤五、通过对具有不同数据类型的属性间的距离进行计算，引入协同算子，结合不同距离公式和改进的经典模糊C均值(FuzzyC-means，FCM)算法对协同相似度(CollaborativeRelevance，CR)进行计算,实现分层迭代的协同聚类效果和离散知识的集中化处理。优选的，所述步骤一中建立特征约束的知识模型，对知识的研究范围做了限定，将产品绿色设计过程中所需要的知识约束在功能和属性两个方面，建立基于特征约束的知识模型，在特征约束的知识模型中，特征约束是由功能特征的特征参数组成，同时，不同的功能特征包括不同的属性及其对应的值，这些特征参数限制了对知识的研究处于某种特定条件集合内。优选的，所述步骤二中相似度的计算是聚类计算的核心，而相似度的计算又高度依赖于每个样本之间的距离，相似度和样本距离在数量上成反比关系，距离越大则样本相似性越低，距离越小样本相似度越高，因此，相似度的计算可以通过距离的倒数来获得。优选的，所述步骤三中语义树(Semantictree，ST)是对文本进行分析识别，选取特征词以及它们的同义、同级或者有隶属关系的特征词通过树状形式表现出来，衡量语义树的属性主要有语义树高度、语义元路径、语义元高速和语义元深度，当输入设计需求从样本库中检索功能知识时，FR是一个关键因素，根据对语义树的分析，当两个语义元之间的深度d(s)的差异很小时，其关联程度就很高，当某些功能特征处于同层或者邻近层时可通过语义元之间的相似度来判定这些功能特征是否被同等需要，这里采用深度差的倒数来衡量两个语义元素的相关性，如下式所示：优选的，所述步骤四中使用更深层次的第二层属性筛选聚类进行可行聚类方案的决策时，特征约束的特点是约束变量的数据类型并不是统一的，数据类型分为语义型、数值型、模糊区间型和数组型四类，特征约束中出现的类型包含其中的几种至全部类型因此，在计算样本相似度时，需要首先考虑到特征之间的距离关系，则必须要面对不同数据类型的影响。优选的，所述步骤五中经典模糊C均值聚类算法采用如下公式计算；上述，公式(1)为FCM目标函数定义公式，其中，||xj-ci||表示样本xj到类中心ci的距离，ci为聚类中心，xj为数据样本，uij为隶属度，m为隶属度因子，J为目标函数，公式(2)为约束条件公式，公式(3)为隶属度uij计算公式，公式(4)为聚类中心迭代公式；在算法开设运行时，随机给uij或者ci其中一个赋值，只要赋值满条件即可，然后通过反复迭代，目标函数J逐渐趋于稳定值，最终得到满足需求的解，不同的功能特征包含N个属性特征，这N个属性特征由于具有不同的数据类型，每类属性特征串联起来，构成了特征约束的知识模型中的功能特征，其中，协同聚类要做的工作，就是在把功能特征分割成n个模糊类的前提下，生成每组功能特征的聚类子样本，然后通过子样本之间协同合作，引入协同算子对不同特征进行适量的强化或者弱化，生成特征约束的整体聚类样本；令Ui为隶属度矩阵，Ui＝{uij∈[0,1]}，pi为一层功能聚类后的样本，CO[i,j]是协同算子，dij(i＝1,2,…,n；j＝1,2,..,p)为距离函数，应用经典FCM聚类函数中的目标函数形式，并对其进行改进，加入协同算子后，得到如下具有协同效果的改进目标函数Ji；参考经典FCM算法中的迭代方式，引入拉格朗日乘子λ，将协同问题转化为非约束优化问题，得到：根据目标函数最小化必要条件：得到隶属度矩阵元素迭代公式：在确定好主要参数迭代方式后，得出协同聚类算法。优选的，所述协同聚类算法具体如下；输入：输入样本集X1,X2,..,Xn；选择：根据不同数据类型选择相应距离函数，聚类数目c，协同算子CO[i,j]，算法终止判据满足式：Di+1-Di≤δ初始化：初始化隶属度矩阵和算法终止阈值δ，根据其包含的属性特征的具体数据类型采用不同距离公式进行单独聚类，得到关于设计需求的初始聚类样本；计算：对隶属度矩阵不断进行迭代，直到满足终止判据。(三)有益效果与现有技术相比，本专利技术提供了一种面向产品绿色设计的知识协同聚类方法，具备以下有益效果：本专利技术在使用时，将产品绿色设计过程中所需要的知识约束在功能和属性两个方面，并建立特征约束的知识模型，根据特征参数限制对知识研究处于某种特定条件集合内，对不同知识做出数据类型的区分，然后通过距离计算公式获得的距离倒数获得不同知识的相似度，结合语义树对不同功能特征进行一层检索聚类，得到一层功能相似度，并从样本库中检索出一定量的样本，通过语义树对文本进行分析识别，将选取特征词本文档来自技高网...

【技术保护点】
1.一种面向产品绿色设计的知识协同聚类方法，其特征在于：包括以下步骤；/n步骤一、将产品绿色设计过程中所需要的知识约束在功能和属性两个方面，建立特征约束的知识模型，对知识的研究范围做了限定；/n步骤二、对不同知识做数据类型的区分，基于相似度计算考量，分别选择了相应的距离计算公式；/n步骤三、针对新的设计需求，首先，结合语义树对不同功能特征进行一层检索聚类，得到其一层功能相似度(Function Relevance，FR)，根据FR从样本库中检索出一定量的样本；/n步骤四、使用更深层次的第二层属性筛选聚类进行可行聚类方案的决策；/n步骤五、通过对具有不同数据类型的属性间的距离进行计算，引入协同算子，结合不同距离公式和改进的经典模糊C均值(Fuzzy C-means，FCM)算法对协同相似度(Collaborative Relevance，CR)进行计算,实现分层迭代的协同聚类效果和离散知识的集中化处理。/n

【技术特征摘要】
1.一种面向产品绿色设计的知识协同聚类方法，其特征在于：包括以下步骤；
步骤一、将产品绿色设计过程中所需要的知识约束在功能和属性两个方面，建立特征约束的知识模型，对知识的研究范围做了限定；
步骤二、对不同知识做数据类型的区分，基于相似度计算考量，分别选择了相应的距离计算公式；
步骤三、针对新的设计需求，首先，结合语义树对不同功能特征进行一层检索聚类，得到其一层功能相似度(FunctionRelevance，FR)，根据FR从样本库中检索出一定量的样本；
步骤四、使用更深层次的第二层属性筛选聚类进行可行聚类方案的决策；
步骤五、通过对具有不同数据类型的属性间的距离进行计算，引入协同算子，结合不同距离公式和改进的经典模糊C均值(FuzzyC-means，FCM)算法对协同相似度(CollaborativeRelevance，CR)进行计算,实现分层迭代的协同聚类效果和离散知识的集中化处理。


2.根据权利要求1所述的一种面向产品绿色设计的知识协同聚类方法，其特征在于：所述步骤一中建立特征约束的知识模型，对知识的研究范围做了限定，将产品绿色设计过程中所需要的知识约束在功能和属性两个方面，建立基于特征约束的知识模型，在特征约束的知识模型中，特征约束是由功能特征的特征参数组成，同时，不同的功能特征包括不同的属性及其对应的值，这些特征参数限制了对知识的研究处于某种特定条件集合内。


3.根据权利要求1所述的一种面向产品绿色设计的知识协同聚类方法，其特征在于：所述步骤二中相似度的计算是聚类计算的核心，而相似度的计算又高度依赖于每个样本之间的距离，相似度和样本距离在数量上成反比关系，距离越大则样本相似性越低，距离越小样本相似度越高，因此，相似度的计算可以通过距离的倒数来获得。


4.根据权利要求1所述的一种面向产品绿色设计的知识协同聚类方法，其特征在于：所述步骤三中语义树(Semantictree，ST)是对文本进行分析识别，选取特征词以及它们的同义、同级或者有隶属关系的特征词通过树状形式表现出来，衡量语义树的属性主要有语义树高度、语义元路径、语义元高速和语义元深度，当输入设计需求从样本库中检索功能知识时，FR是一个关键因素，根据对语义树的分析，当两个语义元之间的深度d(s)的差异很小时，其关联程度就很高，当某些功能特征处于同层或者邻近层时可通过语义元之间的相似度来判定这些功能特征是否被同等需要，这里采用深度差的倒数来衡量两个语义元素的相关性，如下式所示：





5.根据权利要求1所述的一种面向产品绿色设计的知识协同聚类方法，其特征在于：所述步骤四中使用更深层次的第二层属性筛选聚类进行可行聚类方案的决...

【专利技术属性】
技术研发人员：张雷，张光立，王青亚，陈二蒙，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34