[发明专利]加权模糊规则提取算法

摘要

本发明公开了一种加权模糊规则提取算法，用于解决数值型数据集的多目标优化问题，适合应用于流程生产企业。通过从历史数据库中选取系统处于稳定运行状态下的历史数据，形成多变量组成的大数据集，并对数据集中的每个性能变量赋予不同的权重等级，再根据不同的外部条件将大数据集划分成若干个小数据集。数据挖掘过程依据性能变量的权重等级，由高到低逐个进行，并使用模糊C均值聚类算法对每个性能变量的数据进行分区，最终从每个小数据集中找到所有性能指标综合最佳的数据项，将其作为规则提取出来。然后将各个小数据集中挖掘得到的规则合并，形成整个系统的知识库，从而指导和优化实际的生产过程。

主权项

加权模糊规则提取算法，其特征在于，包括以下输入、输出和步骤：输入：n个数据项Z_i(1≤i≤n)组成的数据集D，其中，每条数据项包含m个可操作变量(m≥1)和t个性能变量(t>1)，各个性能指标的权重等级(1表示最高，2表示次高，以此类推)；输出：一条优化规则；第1步：采用模糊C均值(FCM)聚类算法，对数据集D中权重等级最高性能指标的所有数据进行聚类，得到该性能指标的模糊分区A₁(k)和隶属度矩阵U₁，A₁(k)表示性能指标的第k个模糊分区，其中1≤k≤3，即模糊分区包括低、中、高3个部分，分别用Ls，Ms，Hs表示，性能指标的每条数据项可用它的模糊分区来描述；第2步：根据权重等级最高性能指标的聚类结果，从数据集D中选出其隶属于最优模糊分区中的数据项，形成数据集D₁，D₁中含有n₁个数据项，且n₁<n，即做第一次剪枝处理；接着对权重等级次高的性能指标做模糊聚类处理，再从数据集D₁中选出其隶属于最优模糊分区中的数据项，形成数据集D₂，D₂中含有n₂个数据项，且n₂<n₁，即做第二次剪枝处理；以此类推，直至处理完权重等级在前t‑1个的性能指标，形成含有n_t–1个数据项的数据集D_t–1；第3步：在D_t‑1中，选出第t个性能指标为最优值的数据项，定义为Z_o，Z_o即为输出的优化规则。