三支决策在工业大数据中的应用

被引:6
作者
于洪
杨雪梅
机构
[1] 重庆邮电大学计算智能重庆市重点实验室
关键词
三支决策; 工业大数据; 认知;
D O I
10.16152/j.cnki.xdxbzr.2021-04-001
中图分类号
TP18 [人工智能理论]; TP311.13 [];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 1201 ;
摘要
当前,我国正处于工业化和信息化的深度融合时期,发展基于工业大数据的人工智能新技术是实现从制造大国向制造强国迈进的战略举措。三支决策是一种符合人类认知的智能信息处理模式,文中提出结合三支决策的思想来解决工业大数据中的一些问题。首先,归纳总结了工业大数据新的特点,分析了工业大数据智能决策面临的挑战;然后,对三支决策在工业大数据的应用进行了举例阐述;最后,探讨了未来的研究方向。
引用
收藏
页码:505 / 515
页数:11
相关论文
共 27 条
[1]   大数据智能决策 [J].
于洪 ;
何德牛 ;
王国胤 ;
李劼 ;
谢永芳 .
自动化学报, 2020, 46 (05) :878-896
[2]   基于数据特征的加热炉钢温预报模型 [J].
杨英华 ;
石翔 ;
李鸿儒 .
东北大学学报(自然科学版), 2019, (03) :305-309
[3]   基于TOPSIS的三支决策评价模型 [J].
孙作雨 ;
于洪 ;
王国胤 .
数据采集与处理, 2018, 33 (05) :891-899
[4]   工业大数据技术综述 [J].
王建民 .
大数据, 2017, 3 (06) :3-14
[5]   热轧生产线加热炉建模与控制研究综述 [J].
于勇 ;
李小华 .
控制工程, 2017, 24 (01) :1-7
[6]   过程工业大数据建模研究展望 [J].
刘强 ;
秦泗钊 .
自动化学报, 2016, 42 (02) :161-171
[7]  
1780加热炉ACC模型的应用与优化[J]. 陈玉庭,唐顺.梅山科技. 2015 (04)
[8]   浅谈大型铝电解槽的电解温度与过热度 [J].
王有山 ;
梁学民 ;
康晓东 ;
刘静 .
轻金属, 2012, (12) :35-38
[9]   铝电解质过热度预测模型研究 [J].
曹丹阳 ;
曾水平 ;
李晋宏 .
轻金属, 2010, (10) :35-38
[10]   基于RBF网络的钢坯温度预报软测量模型研究 [J].
姜磊 ;
王德慧 ;
朱里红 .
热加工工艺, 2009, 38 (21) :93-96