[发明专利]一种基于可拓聚类的云制造需求与资源的映射方法

说明书

一种基于可拓聚类的云制造需求与资源的映射方法，包括以下步骤：1)建立云制造资源的可拓物元模型；2)自拟云制造需求子集；3)确定云制造需求子集的经典域和节域；4)计算权重系数；5)建立关联函数；6)计算综合关联度；7)判断待聚类云制造资源样本所属的云制造需求子集类别；8)判断制造资源集合所属云制造需求类别完成映射；解决了可拓聚类算法对云制造需求与云制造资源的映射实现问题；本发明定量化的确定了云制造资源的关联度，人为干扰少、易于计算机系统实现、映射方法简便、映射效率高的特点。

技术领域

本发明属于云制造数据挖掘技术领域，具体涉及一种基于可拓聚类的云制造需求与资源的映射方法。

背景技术

云制造是一种将各类制造需求和制造资源虚拟化后构成资源云池，并进行统一管理的智能制造系统。云制造系统中的云制造需求是由相应的云制造资源来承担完成的，即要完成某一云制造需求，系统需要能快速准确的匹配到对应的云制造资源，因此，实现云制造需求与资源的映射是云制造的关键。

云资源池中具有相似功能的制造资源数目繁多，要实现云制造需求与云制造资源的高效准确映射，首先要实现对同类型云制造资源的聚类，形成候选云制造资源集合之后，最终完成云制造资源与云制造需求的映射。聚类分析是数据挖掘领域常用方法之一，目前已有多种聚类方法，大体可以分为五类：基于划分的方法、基于层次的方法、基于密度的方法、基于网格的方法和基于模型的方法。可拓聚类是一种基于可拓学理论模型进行数据聚类的方法，其中的关联函数将论域中的元素映射到实数轴上，可以定量地描述任一元素具有某一性质地程度，从最大程度上摆脱主观判断所带来的偏差，对云制造系统中制造需求与资源的映射具有良好效果。

现有的其他聚类方法，如K-means聚类、CURE聚类算法、BIRCH聚类算法等，均只是将类别相同的聚类对象据集在一起形成聚类集合，并不能直接判断该集合的具体内容，无法很好的应用到云制造系统中云制造需求与制造资源的映射上来。虽然可拓聚类可以直接判断聚类对象的所属类别，但是却要求提供被聚类对象的属性信息及其所属类别的属性范围，且聚类对象所属类别的各属性范围应该包含聚类对象的各属性信息。而对于云制造系统来说，要实现云制造需求与云制造资源集合的映射，云制造需求的类别应是能够完成该需求的云制造资源集合的所属类别，即该集合中的云制造资源必须能够完成相应的云制造需求，即云制造资源的属性值应大于云制造需求要求属性值的范围，这就与可拓聚类方法所要求提供的属性信息相悖，无法直接利用该方法完成制造资源集合的聚类。因此，为了满足云制造系统中云制造需求与云制造资源的映射要求，需结合可拓聚类算法寻找一种能够实现制造需求与资源映射的方法。

发明内容

为克服上述现有技术的不足，本发明的目的在于提供一种基于可拓聚类的云制造需求与资源的映射方法，在结合可拓学中的基本理论框架和现有的聚类分析方法的基础上，通过选择合适的自拟云制造需求子集，实现对云制造环境中的云制造资源的高效准确聚类，形成能够完成相应云制造需求的云制造资源集合，接着提出一种判断该制造资源集合所属云制造需求类别的判别方法，最终完成云制造需求与云制造资源的相互映射，人为干扰少、易于计算机系统实现、映射方法简便、映射效率高的特点。

为实现上述目的，本发明采用的技术方案是：一种基于可拓聚类的制造需求与资源的映射方法，

一种基于可拓聚类的云制造需求与资源的映射方法，其特征在于，包括以下步骤：

1)建立云制造资源的可拓物元模型；

2)自拟云制造需求子集；

3)确定云制造需求子集的经典域和节域；

4)计算权重系数；

5)计算关联函数；

6)计算综合关联度；

7)判断待聚类云制造资源样本所属云制造需求子集类别；

8)判断制造资源集合所属云制造需求类别完成映射。