CN101901289B - 图像生成方法 - Google Patents
图像生成方法 Download PDFInfo
- Publication number
- CN101901289B CN101901289B CN2010102321390A CN201010232139A CN101901289B CN 101901289 B CN101901289 B CN 101901289B CN 2010102321390 A CN2010102321390 A CN 2010102321390A CN 201010232139 A CN201010232139 A CN 201010232139A CN 101901289 B CN101901289 B CN 101901289B
- Authority
- CN
- China
- Prior art keywords
- information entity
- circuit
- case
- information
- mode
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种图像生成方法,所述方法适用于包括案例库的图像生成系统,其中案例库存储有多个案例电路,每个电路的特征信息分别由包括至少一个信息实体的集合来描述;其中方法包括:根据用户对待生成电路的描述信息,生成待生成电路的第一信息实体集合;将该第一信息实体集合作为搜索关键字,从案例库中查找到具有第一信息实体集合中全部或部分信息实体的案例电路;根据预先设置的信息实体与每个案例电路的相关度,获取所述第一信息实体集合与查找到的案例电路的相关度;从所述查找到的案例电路中,选择相关度大于相关度阈值的案例电路作为目标电路;输出目标电路;通过接受用户对目标电路的修改,得到待生成电路。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像生成方法。
背景技术
信号调理电路有多种不同元器件组成,包括电阻、电容和传感器等。现有技术中,信号调理电路的生成方法是用户根据原来的设计经验设计出信号调理电路的草图,然后利用电路图作图软件例如Protel、AutoCAD等画出原理图和PCB图,再对生成的电路进行测试和调整得到用户满意的信号调理电路。由于信号调理电路中元器件个数和种类众多,且元器件的连接关系较复杂,用户在生成信号调理电路的过程中处理难度较高,处理时间较长,且不易于用户操作。
发明内容
本发明提供的一种图像生成方法,以解决现有技术中生成信号调理电路较复杂的问题。
为解决上述技术问题,本发明提供了如下技术方案:
一种图像生成方法,适用于包括案例库的图像生成系统,其中所述案例库存储有多个案例电路,每个案例电路的特征信息分别由包括至少一个信息实体的集合来描述,其中所述信息实体包括属性和数值;其中所述方法包括:
根据用户对待生成电路的描述信息,生成所述待生成电路的第一信息实体集合;
将所述第一信息实体集合作为搜索关键字,从所述案例库中查找到具有所述第一信息实体集合中全部或部分信息实体的案例电路;
根据预先设置的信息实体与每个案例电路的相关度,获取所述第一信息实体集合与查找到的案例电路的相关度;
从所述查找到的案例电路中,选择相关度大于预先设置的相关度阈值的案例电路作为目标电路;
输出所述目标电路;
通过接受用户对所述目标电路的修改,得到所述待生成电路。
进一步的,所述方法还具有如下特点:
所述信息实体用于描述所述案例库中电路的性能信息、应用场景信息或元器件特性信息,其中:
所述案例电路的性能信息包括所述案例电路输出信号的形式或者形式和数值的组合;
所述案例电路的元器件特性信息包括传感器需测量的非电物理量、输出信号的形式和特性中至少一个。
进一步的,所述方法还具有如下特点:所述第一信息实体集合可以通过如下任一方式确定,包括:
方式一:采用语义分析方式,将所述用户输入的描述信息转化成为信息实体,得到第一信息实体集合;
方式二:在判断方式一得到信息实体和所述案例库中信息实体的描述方式不一致时,将得到的信息实体中不一致的描述方式转换成所述案例库中信息实体的描述方式,得到第一信息实体集合;
方式三:从所述案例库中查找具有所述方式一或方式二中得到信息实体相同属性的信息实体,得到第一信息实体集合。
进一步的,所述方法还具有如下特点:
所述第一信息实体与所述查找到的案例电路的相关度是通过如下方式获取的:
采用如下公式计算所述第一信息实体集合与所述查找到的案例电路的相关度,所述公式为其中:
S表示所述第一信息实体集合中信息实体的总数;
ek表示所述第一信息实体集合中第k个信息实体;
Ci表示查找到的第i个案例电路;
表示所述第一信息实体集合中第k个信息实体ek在所述第一信息实体集合中所占的权重;
ρ(ek,Ci)表示第k个信息实体ek与第i个案例电路Ci的相关度;
如果所述第i个案例电路Ci的信息实体集合包括所述第一信息实体集合中的全部信息实体,则K=s;否则,K的取值由第i个案例电路Ci的信息实体集合和所述第一信息实体集合中相同信息实体的个数来决定。
进一步的,所述方法还具有如下特点:
所述信息实体与案例电路的相关度是在模拟或仿真的条件下根据调整该信息实体的属性值后案例电路的输出结果的变化确定的。
本发明提供的技术方案,根据用户所需电路的特征信息,从预先存储的信号调理电路中选择与用户所需电路相似的电路,使用户在该选择的电路上生成所需的电路,与现有技术中用户逐一生成相比,减少了用户的操作,降低了生成信号调理电路的复杂度,方便用户使用。
附图说明
图1为本发明提供的图像生成方法实施例的结构示意图;
图2为本发明提供的实现图1搜索目标电路的搜索装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明作进一步的详细描述。
图1为本发明提供的图像生成方法实施例的流程示意图。图1所示方法实施例适用于包括案例库的图像生成系统,其中所述案例库存储有多个案例电路,每个案例电路的特征信息分别由包括至少一个信息实体的集合来描述,其中所述信息实体包括属性和数值;所述方法包括:
步骤101、根据用户对待生成电路的描述信息,生成所述待生成电路的第一信息实体集合;
步骤102、将所述第一信息实体集合作为搜索关键字,从所述案例库中查找到具有所述第一信息实体集合中全部或部分信息实体的案例电路;
步骤103、根据预先设置的信息实体与每个案例电路的相关度,获取所述第一信息实体集合与查找到的案例电路的相关度;
步骤104、从所述查找到的案例电路中,选择相关度大于预先设置的相关度阈值的案例电路作为目标电路;
步骤105、输出所述目标电路;
步骤106、通过接受用户对所述目标电路的修改,得到所述待生成电路。
所述信息实体用于描述所述案例库中电路的性能信息、应用场景信息或元器件特性信息,其中:
所述案例电路的性能信息包括所述案例电路输出信号的形式或者形式和数值的组合,例如1~5V电压信号或4~10mA电流信号;
所述案例电路的元器件特性信息包括传感器需测量的非电物理量、输出信号的形式和特性中至少一个。
所述案例电路的应用场景信息可以为热电耦接口电路和汽车发动机转速信号缓冲调理电路等。
所述案例电路的元器件特性信息包括传感器需测量的非电物理量、输出信号的形式和特性中至少一个;例如,非电物理量可以为力、压力、重量、力矩、应力、应变、位移、速度、加速度、振动、冲击、温度、湿度和流量等;输出信号的形式可以为电流、电压、电阻、电感、电容、电荷、频率火阻抗等;传感器的特性信息包括测量范围、量程、线性度、精确度、灵敏度、分辨率和工作环境条件等。
在步骤101中,所述第一信息实体集合可以通过如下任一方式确定,包括:
方式一:采用语义分析方式,将所述用户输入的描述信息转化成为信息实体,得到第一信息实体集合;
对于方式一,例如,用户输入“运算放大器50~100”,采用语义分析方法,确定该输入信息的描述内容为运算放大器,该放大器的倍数为50~100,则生成一个信息实体为第一信息实体集合,现有技术中语义分析方法已在网络搜索引擎中的得到广泛应用,此处不再对该技术进行赘述。
方式二:在判断方式一得到信息实体和所述案例库中信息实体的描述方式不一致时,将得到的信息实体中不一致的描述方式转换成所述案例库中信息实体的描述方式,得到第一信息实体集合;
对于方式二:在预先设置一个同义词转换表,该同义词表记录有案例库中对同一描述信息的多种描述方式,例如运算放大器的其他描述方式可以为放大器、运算放大、集成运算放大运算放大电路和增益放大倍数等,将这些同义的信息实体分别代替描述运算放大器的信息实体,组成新的第一信息实体集合,具体如在后续查找案例电路中,如果一案例电路的信息实体集合不包括方式一得到的信息实体,则判断该案例电路是否包括该信息实体的具有同义的其他信息实体,如果包括,则同样认为该案例电路包括该方式一中的信息实体。例如,一案例电路不包括用于描述运算放大器的信息实体,但包括描述放大器的信息实体,则认为该案例电路包括运算放大器的信息实体。
方式三:从所述案例库中查找具有所述方式一或方式二中得到信息实体相同属性的信息实体,得到第一信息实体集合。
对于方式三,信息实体包括属性和数值,其中属性用于该信息实体的描述内容,该数值用于描述该内容的数值范围。对一案例电路的信息实体集合中的信息实体与方式一或方式二得到的信息实体具有相同的属性,但数值却不同时,由于可以通过调整案例电路的元器件、连接关系和元器件的性能来调整该信息实体的数值,所以也认为该案例电路包括该方式一或方式二得到的信息实体。例如一案例电路中放大倍数为30~40,可以通过修改,使放大倍数调整为50~100,本领域技术人员对调整放大倍数的方法是可知的,此处不再赘述。
在步骤103中,所述第一信息实体与所述查找到的案例电路的相关度是通过如下方式获取的:
采用如下公式计算所述第一信息实体集合与所述查找到的案例电路的相关度,所述公式为其中:
S表示所述第一信息实体集合中信息实体的总数;
ek表示所述第一信息实体集合中第k个信息实体;
Ci表示查找到的第i个案例电路;
ρ(ek,Ci)表示第k个信息实体ek与第i个案例电路Ci的相关度;
如果所述第i个案例电路Ci的信息实体集合包括所述第一信息实体集合中的全部信息实体,则K=s;否则,K的取值由第i个案例电路Ci的信息实体集合和所述第一信息实体集合中相同信息实体的个数来决定。
在上述公式中该可以为恒定值1,可以是不同信息实体的取值不同,该数值大小可以通过用户交互界面请求用户设置,用户根据自身对电路的需要,确定输入信息的重要性级别,搜索引擎根据用户对输入信息设置的重要性级别,确定该输入信息的权重,并设置有该输入信息得到的相关信息都具有该权重。
如果所述第i个案例电路Ci的信息实体集合包括所述第一信息实体集合中的全部信息实体,则K=s;否则,K的取值由第i个案例电路Ci的信息实体集合和所述第一信息实体集合中相同信息实体的个数来决定。
信息实体与案例电路的相关度是在模拟或仿真的条件下根据调整该信息实体的属性值后案例电路的输出结果的变化确定的。例如,对于一案例电路中的电阻为例进行说明,一个电阻的数值在该案例电路中为50欧,在模拟或仿真条件下,将该元器件调整为其他元器件或者调整该电阻的阻值,查看该案例电路的输出效果是否发生变化,如果当前输出效果与原始输出效果相差较大,则表示该元器件的选择和该元器件的大小对案例电路的输出效果有较大的关系,则认为该电阻及其取值与该案件的相关度较高,否则,相关度较低,本领域技术人员此时可根据经验对该相关度的大小进行配置,同理对该相关阈值的配置。
本发明提供的方法实施例,根据用户所需电路的特征信息,从预先存储的信号调理电路中选择与用户所需电路相似的电路,使用户在该选择的电路上生成所需的电路,与现有技术中用户逐一生成相比,减少了用户的操作,降低了生成信号调理电路的复杂度,方便用户使用。
图2为本发明提供的实现图1搜索目标电路的搜索装置的结构示意图。图2所示搜索装置包括:
确定模块201,用于根据用户对待生成电路的描述信息,生成所述待生成电路的第一信息实体集合;
搜索模块202,与所述确定模块201相连,用于将所述第一信息实体集合作为搜索关键字,从所述案例库中查找到具有所述第一信息实体集合中全部或部分信息实体的案例电路;
获取模块203,与所述搜索模块202相连,用于根据预先设置的信息实体与每个案例电路的相关度,获取所述第一信息实体集合与查找到的案例电路的相关度;
选择模块204,与所述获取模块203相连,用于从所述查找到的案例电路中,选择相关度大于相关度阈值的案例电路作为目标电路。
其中所述信息实体用于描述所述案例库中电路的性能信息、应用场景信息或元器件特性信息,其中:
所述案例电路的性能信息包括所述案例电路输出信号的形式或者形式和数值的组合;
所述案例电路的元器件特性信息包括传感器需测量的非电物理量、输出信号的形式和特性中至少一个。
所述确定模块确定所述第一信息实体集合的方式包括任意一种:
方式一:采用语义分析方式,将所述用户输入的描述信息转化成为信息实体,得到第一信息实体集合;
方式二:在判断方式一得到信息实体和所述案例库中信息实体的描述方式不一致时,将得到的信息实体中不一致的描述方式转换成所述案例库中信息实体的描述方式,得到第一信息实体集合;
方式三:从所述案例库中查找具有所述方式一或方式二中得到信息实体相同属性的信息实体,得到第一信息实体集合;
其中所述获取模块123用于:
S表示所述第一信息实体集合中信息实体的总数;
ek表示所述第一信息实体集合中第k个信息实体;
Ci表示查找到的第i个案例电路;
ρ(ek,Ci)表示第k个信息实体ek与第i个案例电路Ci的相关度;
其中信息实体与案例电路的相关度是在模拟或仿真的条件下根据调整该信息实体的属性值后案例电路的输出结果的变化确定的。
本发明提供的搜索装置,根据用户所需电路的特征信息,从预先存储的信号调理电路中选择与用户所需电路相似的电路,使用户在该选择的电路上生成所需的电路,与现有技术中用户逐一生成相比,减少了用户的操作,降低了生成信号调理电路的复杂度,方便用户使用。
下面以一个具体应用实例进行说明:
由于传感器和信号调理电路的学科特性,案例的描述具有极大的不确定性,不能以固定属性描述的案例结构来表达设计经验。这里用案例提取网(case-retrieval nets,CRN)作为设计案例的描述和提取结构,以动态属性结构描述案例,有效解决了上述问题。根据不同的查询问题,这个网状结构在内存中动态生成。
CRN中的案例是通过一个叫信息实体(Information Entities,IEs)的知识单元来描述的。IEs类似于传统CBR中案例描述的“属性-值”对,但它是一个原子结构,是CRN中知识的最小单元。通常情况下使用多个IEs来描述一个案例,不同案例由不同的IEs集合来描述。不同IEs之间有相似性关联,且每个IEs与它要描述的对应案例之间有相关性关联。
利用CRN解决问题包括以下3个基本步骤:
与待解决问题相关的IEs的激活。这个步骤可以看作是待解决问题的解析,将其转换成为信息实体的一个子集Q,可以采用语义分析的方法,把问题转化成为信息实体;还可以采用简单的词语匹配的方法,检查信息实体全集中的每一个实体,若出现在问题描述中或与问题描述的某一部分是同义的实体,则把该信息实体放在问题子集Q中。
在信号调理电路设计过程中,可以把传感器的信息、信号调理电路应用场合、信号调理应用特性要求和信号调理电路输出信号的形式和范围解析为IEs;在设计方案提出过程,则是具体的描述作为IEs。
CRN是根据具体问题实时建立的一个网状结构,然而,要根据问题生成CRN,需要案例库中存在如下两个关系:①信息实体间的相似性,如e1和e2,用σ(e1,e2)来表示。②信息实体2和案例描述之间的相关性,用ρ(e,c)来表示。
其中计算CRN中IEs间相似性具体包括:
CRN网络的节点连线包括两个关系,一个是信息实体间的相似性关系,一个是信息实体与一个实例间的相关性关系。而信息实体间的相似性提供了类似于传统相似性函数中相同属性不同属性值之间的比较关系。正因为有了这种关系,即使某一信息实体没有出现在自然语言的问题描述中,它依然可以通过与其他出现的信息实体的相似性关系,从而与问题联系起来,而它所描述的实例因此也有了与问题描述的相关关联值。然而,由上面可知,两个信息实体之间有相似性同时意味着这两个信息实体本来就是描述相同属性的,只是对应的属性值不同。因此,在判断两个信息实体是否相似以及相似的程度大小时,需根据它们对应的属性是否相同,以及值的相似程度来判断的。根据问题可以得到一个信息实体的子集,然而这个子集并不能完全准确地表达问题,通过信息实体之间的相似性,我们可以得到与问题描述相关的其他信息实体的集合,这是一种传播式的激活方式。通过这种方式,我们扩大了搜索的范围。这种传播式的激活可以有多次迭代,当迭代的次数为1时,构建出来的CRN网也称为基本CRN(Basic Case Retrieve Nets,BCRN)。
其中计算CRN中IEs与案例的相关性具体包括:
信息实体间的相似性计算完后,得到一个信息实体的子集,CRN也构建了一半,剩下的工作就是根据集合中的各个信息实体与相应的实例的相关性关系计算出实例与当前问题描述的关联值大小。而最终的实例提取就是以此为根据。在实际实现中,我们设置一个阀值,关联值超过阀值的实例被认为是备选的实例。
根据集合中的各个IEs与各案例的相关度,计算出案例与当前问题的关联程度。而最终的案例提取就以此为依据。
下面具体说明如何获取IEs间关系和IEs与案例的关系:
A、信号调理电路设计过程中的各种输入信息可以解析为一个IEs集合,其中待生成电路的IEs集合是案例库中IEs集合的子集。对于案例库中所有IEs:e∈E,症状描述中若出现该IEs,则有α0(e)=1,否则,有α0(e)=0。由于可能有同义词出现,可以建立一个同义词表,多个同义词对应一个IEs。而匹配过程则是先以关键词为基础对问题描述进行简单的字符串匹配或是相应的语义分析,得到关键字集合以后,再根据关键字与IEs的对应关系,将其转化成为信息实体全集E的一个子集Q。这一步也是问题的解析过程,得到解析后IEs的集合,也就是E1={e|α0(e)=1,e∈E},是通过存储在内存中α0(e)的值来表示该信息实体是否是与问题相关。
根据案例库中用于描述该案例库中全部电路的特性信息的信息实体集合,获取待生成电路的信息实体集合。
B、计算待生成电路的信息实体在案例库中对应的相似信息实体;
对于案例库中每一个IEs:e∈E,计算:
α1(e)=πe〔σ(e1,e)·α0(e1),σ(e2,e)·α0(e2),...σ(en,e)·α0(en)...,σ(es,e)·α0(es)〕
其中πe是一个加权函数,可以采用求最大值或是求和的算法;e1~es∈E是问题解析出来的IEs的集合,σ(en,e)表示IEs e和IEs en之间的相似性;α0(en)表示只迭代了一次,α0(en)的值来表示它是与问题相关的,其中n=1~S。这一步完成后,针对当前问题的CRN中各个IEs之间的相似性关联就建立起来了。
如果待生成电路的IEs e用于描述电路性能,包括输出信号的形式和/或数值,则如果特征信息全部满足,则配置该σ(en,e)为1例如案例库中的IEs en也是描述电路输出的信号形式和/或数值,且包括待生成电路的IEs e内的信号形式和/或数值,如果有部分满足,则配置该σ(en,e)为0.5,例如描述的输出信号形式相同,但信号的数值不一致,如未包括数值的上/下限等,其他情况配置该σ(en,e)为0。
如果待生成电路的IEs e用于描述电路的应用场景,如果案例库中的IEsen与待生成电路的应用场景相同,则配置该σ(en,e)为1;如果两者的应用场景相似或相近,配置该σ(en,e)为0.5;其他情况配置该σ(en,e)为0。
同理,处理用于描述待生成电路的元器件特性信息的IEs e的σ(en,e)处理方法相似。
通过E1以及上述公式,激活另一些IEs:e∈Es,它们满足α1(e)>0,这个激活过程可以通过以下公式进行无限的扩展:
αt(e)=πt(σ(e1,e)·αt-1(e1),σ(e2,e)·αt-1(e2),...,σ(es,e)·αt-1(es))
其中,e1~es∈Et-2,且Et-2={e|αt-1(e)=>m}。m是计算αt-1(e)时的一个阀值。当这种激活过程只进行了两步(即只计算到了αt(e))时,这种迭代的计算只进行了1次,因此,此时就是CRN的基础模型BCRN(Basic CRN)。
在传统CBR中,需要计算案例库中每一案例与当前问题对应的描述属性的两个属性值之间的相似程度,以反映问题描述与该案例的相似度。在CRN中,计算的αt(e)值就反映了这样一种属性值的相似度,反映出案例库中案例的“属性-值”对与所提问题的相关度。
优选的,根据案例库中信息实体描述的信息将案例库中全部信息实体分别三类,类别为性能信息、应用场景信息和元器件特性信息;在获取相似信息实体时,先获取待生成电路的信息实体描述的信息,从而确定该待生成电路的信息实体所属分类;将该待生成电路的信息实体与案例库中该类型的全部实体进行比较,比较的内容首先为属性,在确定该属性值的取值范围。
根据待生成电路的信息实体集合以及计算得到的相似信息实体集合,在案例库中查找具有上述信息实体中特征的电路作为目标搜索范围。
C、计算待生成电路的信息实体与目标搜索范围内案例的相关性关系
α2(C)=πc[ρ(e1,c)·α1(e1),...ρ(es,c)·α1(es)]
其中πc函数是一个加权函数。这时,IEs之间存在相似性关联[即α1(e)],而IEs与案例之间存在相关性关联
在基于案例推理的信号调理电路管理系统中,对于设计过程,根据具体的传感器信息和应用要求信息建立CRN,然后提取出与当前设计要求最相似的以前的案例(存储着设计经验),采用其设计结果经过案例修正,作为当前设计方案的建议设计结果,实现了基于案例推理的设计。
需要说明的是,函数πc(∧)的计算模型是否能正确反映问题与实例的相关程度就极为重要。常采用的一种方法是和或是加权和的函数。然而,采用这种方法会产生一个问题,那就是对于某个实例,当相关的信息实体个数很多,但每个信息实体对实例的关联度较小,能产生一个较大的关联值;当相关的信息实体个数少,但每个信息实体对实例的关联程度较大,也能产生一个较大的关联值。也就是说,影响实例与问题的关联值的大小有了两个因素,一个是实例的关联信息实体个数,一个是信息实体与实例的关联程度。当仅仅采用和或是加权和(例如平均值)的形式时,只是反映了信息实体与实例的关联程度,并没有反映出与实例关联的信息实体个数的信息。在某种情况下,需要一种“大而全”的实例来针对问题的解决,这时候,信息实体个数就较为重要,与问题相关的信息实体个数越多,则表示该实例涉及范围更“大”;而在另外一种情况下,需要“小而精”的实例,这时候,信息实体与实例关联度的平均值就更为重要。因此,我们必须设计一个模型,既能反映关联信息实体个数,又能反映信息实体与实例的关联度。
根据以上的分析,我们提出了下面的πc(∧)函数的一个计算模型,通过一个权值和来反映出上面所说的影响关联值的两个分量。
首先,我们假设CRN网中对于实例Ci,用NCi来表示Ci的相关实例的个数,令Mc=Max(NCi),i=1,2,...,n。对于第i个实例Ci,我们令∑i表示当前实例相关的信息实体关联度的和或加权和,则通常情况下(求平均值的形式):
S表示与当前实例相关的信息实体的个数
此时我们定义实例Ci的关联值函数有下面的形式:
其中q为一个加权数,是一个0~1之间的小数。
当q比较大时,反映了实例对相关信息实体个数的要求;当它比较小时,反映了信息实体相关性对实例关联值的影响。这样的一个模型较好地反映了影响实例关联值的两个分量的关系,在一般情况下,设定q=0.5.CRN中每一个α2(c)≠0的案例都是跟当前问题有关联的案例,只是它们与当前问题关联程度不同,而α2(c)值,就是案例c与当前问题关联程度的数值表示。这个数值可以称为关联值。我们可以提取出关联值最大的一个或几个案例作为当前问题解决的参考。
进一步的,案例学习是必不可少的一个环节,我们采用与案例推理的手段,把新案例解析成一个信息实体的子集,然后再设置这个子集中每个信息实体与新案例的相关度,当我们把案例存储到案例库中,并把这个案例与信息实体的对应的相关度存储起来时,就完成了一个案例的学习。
在案例学习中,由于案例来源不统一,因此必然会出现两个几乎完全相同的案例出现在系统中,如果它们都参加案例的推理,必然给案例推理造成效率的压力,这就是案例的冗余问题。我们采用一种解决方法是只存储其中一个案例和信息实体的相关性,而其它与这个案例几乎完全相同的案例则只保持与这个案例的链接,链接案例仍然能通过这个案例被查询到,然而,它们不参加案例的推理。
如何判断两个案例是否表达相近的含义,我们设计了下面的函数来完成判断:
令两个案例分别为C1、C2,E为系统信息实体的全集;则相似判断函数为:
可以看出,越不相近的两个案例的函数值会越大。实现过程中,设置一个阀值,当函数值小于这个阀值时,可以认为这两个案例过于相似,可以设置新加入的实例到旧实例的一个链接,从而形成一种冗余案例的处理方法。
案例的修正和学习案例的修正是CBR系统中一个重要的环节。因为提取出来的案例不可能完全与待解决问题吻合,因此,就要根据待解决问题以及一些修正规则,对提取的案例进行改编,以期能更加符合用户的要求。案例的修正也是基于案例推理系统的一个难点,在信号调理电路管理系统中,传感器和信号调理电路基础理论是案例修正规则的主要来源,也可以利用人工智能方法提取修正规则,作为案例修正的依据。
在信号调理电路管理系统设计案例的初始化过程中,领域专家要将各种信号调理电路的典型设计案例以标准术语进行描述,形成规范的IEs全集,并初始化相似度和相关度度量,然后知识工程师将这些典型设计案例输入系统,构造1个案例库:设计案例库。传感器信息、信号调理电路应用场合、信号调理应用特性要求和信号调理电路输出信号的形式和范围等信息是设计案例库的案例描述,而辨证的设计描述则是设计案例库的案例解决。
在系统使用过程中,具体案例的设计又可以以标准化术语(IEs)描述,根据其设计方案经过实验验证的效果判断是否加入案例库,成为以后设计的经验,实现案例的学习。并且,在学习过程中还要避免过于相似的案例存入案例库,造成案例库的冗余。
进一步的,案例的解释在在信号调理电路管理系统中有两个重要的目的,一是面向设计实现的解释,用于说明该设计方案的成因;二是面向系统使用者的解释,这种解释通过进一步的改造可以成为基于案例的信号调理电路的教学系统。
可以使用信号调理电路理论规则作为设计案例的解释,然而,基于规则的解释在分类设计类型应用中并不优于基于案例的解释。基于案例的解释(case-based Explanation,CBE)是基于案例的推理与解释技术的结合,这种结合主要在三个层次上:使用解释支持CBR的内部过程、利用CBR来生成解释、使用案例为外部用户解释系统的推理结果。在在信号调理电路管理系统中,可以提供以前案例设计过程和结果作为当前方案设计的解释。在设计过程中,根据当前已提供信息进行最相似案例查找,然后对这最相似的若干个案例进行比较,找出没有提供的且差异最大的“属性-值”对(也即信息实体),据此向用户提出问题,以明确传感器和信号调理电路的具体应用要求。通过这种交互反馈方式,进一步减小了系统设计产生错误的几率,提高了系统的精度;同时,也有助于使用该管理系统的电子工程师设计水平的提高。
综上所述,将基于案例推理技术用于信号调理电路管理系统是信号调理电路智能设计系统建设的一个新思路,能够有效解决信号调理电路管理系统在构建过程中的若干问题,总结起来,其优势主要有以下几点:对于不确定、不完全和不一致的信号调理电路设计方案信息有较强的适应能力,并可以利用基于案例的解释实现与用户的交互,以进一步明确具体应用信息,提高设计精度;案例提取网的结构决定了设计方案案例的知识获取非常方便,并且不会影响以前的案例,有效解决了知识获取瓶颈;大量的信号调理电路设计案例也是很好的案例来源;通过基于案例的解释进一步发展,可以生成信号调理电路案例教学系统,帮助年轻电子工程师迅速提高设计水平;随着系统的使用时间增长,案例不断增加,系统也可以逐渐改善推理性能,适应各种类型的信号调理电路的设计。
本领域普通技术人员可以理解上述实施例的全部或部分步骤可以使用计算机程序流程来实现,所述计算机程序可以存储于一计算机可读存储介质中,所述计算机程序在相应的硬件平台上(如系统、设备、装置、器件等)执行,在执行时,包括方法实施例的步骤之一或其组合。
可选地,上述实施例的全部或部分步骤也可以使用集成电路来实现,这些步骤可以被分别制作成一个个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
上述实施例中的各装置/功能模块/功能单元可以采用通用的计算装置来实现,它们可以集中在单个的计算装置上,也可以分布在多个计算装置所组成的网络上。
上述实施例中的各装置/功能模块/功能单元以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。上述提到的计算机可读取存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求所述的保护范围为准。
Claims (5)
1.一种图像生成方法,其特征在于,适用于包括案例库的图像生成系统,其中所述案例库存储有多个案例电路,每个案例电路的特征信息分别由包括至少一个信息实体的集合来描述,其中所述信息实体包括属性和数值;其中所述方法包括:
根据用户对待生成电路的描述信息,生成所述待生成电路的第一信息实体集合;
将所述第一信息实体集合作为搜索关键字,从所述案例库中查找到具有所述待生成电路全部或部分信息实体的案例电路;
根据预先设置的信息实体与每个案例电路的相关度,获取所述第一信息实体集合与查找到的案例电路的相关度;
从所述查找到的案例电路中,选择相关度大于相关度阈值的案例电路作为目标电路;
输出所述目标电路;
通过接受用户对所述目标电路的修改,得到所述待生成电路。
2.根据权利要求1所述的方法,其特征在于,
所述信息实体用于描述所述案例库中电路的性能信息、应用场景信息或元器件特性信息,其中:
所述案例电路的性能信息包括所述案例电路输出信号的形式或者形式和数值的组合;
所述案例电路的元器件特性信息包括传感器需测量的非电物理量、输出信号的形式和特性中至少一个。
3.根据权利要求1或2所述的方法,其特征在于,所述第一信息实体集合可以通过如下任一方式确定,包括:
方式一:采用语义分析方式,将所述用户对待生成电路的描述信息转化成为信息实体,得到第一信息实体集合;
方式二:在判断方式一得到信息实体和所述案例库中信息实体的描述方式不一致时,将得到的信息实体中不一致的描述方式转换成所述案例库中信息实体的描述方式,得到第一信息实体集合;
方式三:从所述案例库中查找具有所述方式一或方式二中得到信息实体相同属性的信息实体,得到第一信息实体集合。
4.根据权利要求1所述的方法,其特征在于,所述第一信息实体与所述查找到的案例电路的相关度是通过如下方式获取的:
S表示所述第一信息实体集合中信息实体的总数;
ek表示所述第一信息实体集合中第k个信息实体;
Ci表示查找到的第i个案例电路;
ρ(ek,Ci)表示第k个信息实体ek与第i个案例电路Ci的相关度;
如果所述第i个案例电路Ci的信息实体集合包括所述第一信息实体集合中的全部信息实体,则K=s;否则,K的取值由第i个案例电路Ci的信息实体集合和所述第一信息实体集合中相同信息实体的个数来决定。
5.根据权利要求1或4所述的方法,其特征在于,所述信息实体与案例电路的相关度是在模拟或仿真的条件下根据调整该信息实体的属性值后案例电路的输出结果的变化确定的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102321390A CN101901289B (zh) | 2010-07-15 | 2010-07-15 | 图像生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102321390A CN101901289B (zh) | 2010-07-15 | 2010-07-15 | 图像生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101901289A CN101901289A (zh) | 2010-12-01 |
CN101901289B true CN101901289B (zh) | 2012-05-02 |
Family
ID=43226822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102321390A Expired - Fee Related CN101901289B (zh) | 2010-07-15 | 2010-07-15 | 图像生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101901289B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172190B (zh) * | 2023-11-01 | 2023-12-29 | 启东市旭能电子科技有限公司 | 一种基于建立pcb预测模型的pcb设计方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101646020A (zh) * | 2008-08-01 | 2010-02-10 | 三洋电机株式会社 | 图像处理装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040103673A (ko) * | 2003-06-02 | 2004-12-09 | 삼성전자주식회사 | 평판 표시 장치 |
-
2010
- 2010-07-15 CN CN2010102321390A patent/CN101901289B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101646020A (zh) * | 2008-08-01 | 2010-02-10 | 三洋电机株式会社 | 图像处理装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101901289A (zh) | 2010-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nasraoui et al. | Tecno-streams: Tracking evolving clusters in noisy data streams with a scalable immune system learning model | |
CN108710663B (zh) | 一种基于本体模型的数据匹配方法及系统 | |
CN103714054B (zh) | 翻译方法和翻译装置 | |
CN101566988A (zh) | 一种模糊语义搜索方法、系统及设备 | |
JP6733809B2 (ja) | 情報処理システム、情報処理装置、情報処理方法および情報処理プログラム | |
WO2017199839A1 (ja) | 解析装置、解析方法、およびプログラムを記憶した記憶媒体 | |
KR20210043283A (ko) | 기계 독해 기반 지식 추출을 위한 시스템 및 방법 | |
CN116244418A (zh) | 问题解答方法、装置、电子设备及计算机可读存储介质 | |
CN111143539A (zh) | 基于知识图谱的教学领域问答方法 | |
CN115757804A (zh) | 一种基于多层路径感知的知识图谱外推方法及系统 | |
Albakour et al. | Exploring ant colony optimisation for adaptive interactive search | |
CN101901289B (zh) | 图像生成方法 | |
CN117521814A (zh) | 一种基于多模态输入和知识图谱的问答方法及装置 | |
CN109582953B (zh) | 一种资讯的言据支撑评分方法、设备和存储介质 | |
CN109472023B (zh) | 一种基于实体及文本联合嵌入的实体关联度衡量方法、系统及存储介质 | |
CN101901490B (zh) | 生成信号调理电路图像的系统 | |
Ferguson et al. | Capturing an architectural knowledge base utilizing rules engine integration for energy and environmental simulations | |
CN109684466B (zh) | 一种智能教育顾问系统 | |
CN111209745B (zh) | 一种资讯可靠性评价方法、设备和存储介质 | |
CN109558586B (zh) | 一种资讯的言据自证评分方法、设备和存储介质 | |
Shirgave et al. | Semantically Enriched Variable Length Markov Chain Model for Analysis of User Web Navigation Sessions | |
Naidu et al. | Bayesian network for E/M impedance-based damage identification | |
Torre-Bastida et al. | Query rewriting for an incremental search in heterogeneous linked data sources | |
Ji et al. | Data preprocessing method and fault diagnosis based on evaluation function of information contribution degree | |
Wang et al. | Knowledge graph-based semantic ranking for efficient semantic query |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120502 Termination date: 20130715 |