一种基于多维关联函数的相似实例检索方法

文档序号:6635258阅读:177来源:国知局
一种基于多维关联函数的相似实例检索方法
【专利摘要】一种基于多维关联函数的相似实例检索方法,首先,该方法通过变斜率方法改进侧距,构建基于改进侧距的多维侧距模型;其次,在多维侧距计算相对复杂下,建立具有良好降维效果的多维关联函数;然后给出基于多维关联函数的三级低碳产品检索方法。本发明提供一种能减少数据维度计算、提高检索效率、得到更加准确可靠结果的基于多维关联函数的相似实例检索方法。
【专利说明】一种基于多维关联函数的相似实例检索方法

【技术领域】
[0001] 本发明涉及低碳设计【技术领域】,尤其是一种基于多维关联函数的相似实例检索方 法。

【背景技术】
[0002] 低碳设计作为面向节能的生态化设计技术之一,是在保证产品应有的功能、质量 和寿命等前提下,综合考虑碳排放和高效节能的现代设计方法,并且在面向节能生态化设 计、轻量化设计和模块设计等方面展开重点研究。产品碳足迹的分析与建模是低碳设计方 法研究的基础,目前大多数的研究将产品的低碳需求只集中在产品碳足迹的量化计算,分 析过程较为繁杂,并且忽略了产品资源消耗的影响。
[0003] 低碳产品在发展过程中为了满足市场的需求不断更新换代,产品实例的种类和数 量也随之快速增长。并且,复杂产品具有不同量纲的多重属性,传统方法是先计算单一属性 相似度,再集成求解出全局属性的相似度,但是无法体现出多维属性输入和单维属性输入 的差别。多维关联函数的构建,能够准确和形式化的描述低碳需求与源产品实例的定量距 离,并以此为基础构建相似度模型,输出实例相似度,为设计知识重用提供设计质量保障。


【发明内容】

[0004] 为了克服现有技术检索时存在的数据维数过多而产生的"维数恐惧"的不足,本发 明通过多维关联函数构建相似度模型,运用空间索引技术和降维技术,对空间进行分割,缩 小空间求解维度,将高维数据降至低维,提供了一种基于多维关联函数的相似实例检索方 法。
[0005] 本发明解决其技术问题所采用的技术方案如以下内容:
[0006] -种基于多维关联函数的相似实例检索方法,该方法包括如下步骤:
[0007] (1)、面向低碳设计的侧距
[0008] 假设产品某属性的节域X =< c,d >,Xtl为该属性的最优点值,则X到区间X的左 侧距表示为:

【权利要求】
1. 一种基于多维关联函数的相似实例检索方法,其特征在于:该方法包括如下步骤: (1) 、面向低碳设计的侧距 假设产品某属性的节域X=<C,d>,X(I为该属性的最优点值,则任意一点X到区间X的左侧距表示为:
当a= £^时,曲线最低点为= 当& - ¥趋近过程中,左侧距曲 线、右侧距曲线分别在区间[C,X(1]、[X(1,d]上向内凹起,其公式为:
(2) 、基于低碳实例的三维侧距构建 假设点P落于η维空间的某一区域,过最优点O和点P的直线与η维封闭空间的边 框交点为P1和P2,可知s弋且! A6丨e/#,则η维右侧距表示为: 12
S1表不为一个实际产品需求的多维区间,即S1 ,Δ^表不为第i个维 度的长度; Fr(S1)表示为每个维的长度端点向其他维垂直映射所构成的封闭的多维区间的边界; P1表示为多维区间的点〇与P所在直线和Fr(S1)的交点; d(P,P1)表示为点P与点P1的线性距离; (3) 、基于低碳设计的多维关联函数构建 假设存在两区间Xtl =<a,b>,X=<c,d>,Z〇d,且空间的几何中心与输入多维 参数最优值〇重合,则多维关联函数表示为:
其中S2为产品设计要求多维属性空间,4=(ΑτΓ,Δχ22',··.,Λ〇,Λ< (4) 、基于多维关联函数的低碳实例相似度检索 对产品需求进行低碳和成本需求提取,先对这两者做二维的一级检索,确定出低碳和 成本中至少有一个匹配的产品实例,作为二级检索的实例源,这样的目的是为了减少不必 要的数据计算、无效结果的输出、凸显低碳设计的重要性;再输入产品性能需求,做多维数 据的二级检索,计算基于多维关联函数的相似度值,把实例源又划分为产品性能需求全满 足和产品性能需求不全满足这两个实例域;最后输入多维产品零部件需求,再次划分上层 的低碳实例域,输出产品零部件需求匹配与不匹配的产品实例集:
贝1J,产品需求与产品实例相似度为: Simil (PR1=X(OiSimj(PR ,P1), J=I
2.如权利要求1所述的一种基于多维关联函数的相似实例检索方法,其特征在于:所 述步骤(4)中,基于多维关联函数的相似度检索方法的过程如下: 第一步:判定产品需求类型,确定产品需求点值及转换获取需求区间值; 第二步:依据产品需求区间值构建多维经典域空间S1和多维可拓域空间S2 ; 第三步:结合产品实例属性点Pt和最优点Xtl,构建直线和n-D维空间; 第四步:依据点Pt求解方程给出Pt所属区域; 第五步:降维计算Kn_D(Pt); 第六步:判断Kn_D (Pt),计算Sim(PRi,Pt); 第七步:记录该产品实例检索级别的Sim(PRpPt); 第八步:结束。
【文档编号】G06F17/15GK104462018SQ201410673409
【公开日】2015年3月25日 申请日期:2014年11月21日 优先权日:2014年11月21日
【发明者】赵燕伟, 洪欢欢, 任设东, 陈尉刚 申请人:浙江工业大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1