直觉模糊条件推理与可信度传播

针对直觉模糊逻辑及命题演算,基于直觉指数所表征的中立证据中支持与反对的程度呈均衡状态的假设,提出利用隶属度与犹豫度计算直觉模糊逻辑命题真值的对称合成方法,给出直觉模糊逻辑命题的运算规则。重点研究了基于直觉模糊逻辑的条件推理方法,包括直觉模糊蕴涵式推理、条件式推理、多重式推理、多维式推理及多重多维式推理等;推导了相关的推理合成运算公式。针对带有可信度因子的直觉模糊逻辑推理,包括典型的、加权的及狭义的直觉模糊推理;分析了规则中的可信度因子传播对结论可信度的影响;给出了相关的计算结论真值的公式。     

基于推理和多属性决策的空中目标攻击意图判断模型

研究了空中目标攻击意图判断问题。基于知识推理方法可以利用专家知识,但高精度下计算速度慢,难以满足实时性要求;多属性决策方法计算速度快,但无法利用专家知识。结合两者优点提出了基于直觉模糊产生式规则推理(IPR)和多属性决策的空中目标攻击意图判断模型,直觉模糊产生式规则推理利用专家知识对目标相对独立特征进行高精度推理,获得相对独立特征的攻击意图可能性;多属性决策综合各相对独立特征攻击意图可能性获得目标攻击意图。最后应用一个实例对该模型进行了验证,结果合理且计算速度快,满足实时性要求。     

一种基于超盒表示的规则提取方法

提出一种从训练样本提取基于超盒表示的模糊规则的方法,用于模式分类.这种方法把模式空间划分成模糊超盒,作为模糊规则的前件,规则的后件是相应的类别名称,同时给出每一条模糊规则的置信度.模糊分类规则从训练样本通过学习算法提取.规则提取方法可以分为,对于单个训练模式进行规则前件和后件的局部在线学习,和对于全部训练模式进行循环学习.实验显示规则提取的过程,说明通过这种方法能够获得有效的模式分类规则.     

基于案例和MAX-MIN云推理的UCAV双层战术决策

针对无人作战飞机空战过程中的战术决策问题,借鉴认知心理学双重加工理论,提出了一种案例推理与MAX-MIN云推理机制相结合的双层战术决策方案。首先,将飞行员作战经验案例化以构建案例库,将问题情境和案例库中的源案例进行相似度匹配以实现第一层基于案例推理的启发式决策,若是低于相似度阈值则转向第二层基于MAX-MIN云推理的分析决策,用前件云发生器对空战特征属性云化以形成属性云滴;然后,结合定性规则,采用MAX-MIN云推理算法得到规则云滴,进而得出战术决策方案。仿真结果表明,提出的双层战术决策可有效实现无人作战飞机空战战术决策,决策时间符合空战实时性要求。     

流量异常检测中的直觉模糊推理方法

针对网络流量特征属性不确定性和模糊性的特点,将直觉模糊推理理论引入异常检测领域,该文提出一种基于包含度的直觉模糊推理异常检测方法。首先设计异常检测中特征属性的隶属度与非隶属度函数,其次,给出基于包含度的强相似度计算方法并生成推理规则库,再次给出多维多重式直觉模糊推理规则,最后建立异常检测中的直觉模糊推理方法。通过对异常检测标准数据集KDD99的实验,验证该方法的有效性,与常见经典异常检测方法对比,该方法具有更良好的检测效果。     

一种自适应模糊PID控制器应用仿真

研究了一种误差驱动型自适应模糊PID控制器在二阶时滞系统中的应用。选择系统的稳态误差和误差变化率为PID参数自适应模糊调整的前件变量，将前件变量模糊化为7个论域期间，建立了PID参数调整的模糊规则表，查表得PID参数的后件参数，采用极大值反模糊化规则得到具体PID控制参数。仿真结果表明采用该控制器后系统的调节时间大大缩短，控制效果令人满意。     

属性权重不确定的直觉模糊多属性决策的威胁评估方法

在直觉模糊集的框架下,重点研究了目标属性值为区间数且权重完全未知,决策者对方案具有偏好信息的问题,提出一种属性权重不确定的直觉模糊多属性决策的威胁评估方法。首先,针对上述问题,建立了直觉模糊区间判断矩阵,给出了目标属性为区间数的指标值规范化处理方法;其次,分析了决策者对方案中所涉及的目标属性、属性权重及决策者权威度,建立了群决策的方案偏好模型;再次,针对目标属性值在某一区间内变化的特点,给出了直觉模糊区间值的接近度与理想解的定义,建立了最优属性权重约束优化模型;最后,以典型的威胁评估实例验证了该方法可同时反映主观和客观信息对目标威胁评估的影响,可有效避免因部分传感器失效或受外界环境因素影响以及决策者主观经验所带来的偏差,实际目标威胁评估结果验证了该方法的优越性。     

基于直觉模糊推理的入侵检测方法

将IFS理论引入信息安全领域,提出一种基于直觉模糊推理的入侵检测方法.首先,描述了入侵行为的特征属性、入侵检测的不确定性,以及现有入侵检测方法的特点与局限性,给出了原始数据预处理的方法.其次,将入侵特征属性直觉模糊化,建立了特征属性的直觉模糊集合及其隶属函数与非隶属函数.再次,建立了系统推理规则,设计了推理算法和清晰化算法.最后,选择KDDCUP 99的入侵检测数据集,验证了方法的有效性.     

基于自适应神经网络的模糊推理

传统专家系统的模糊知识规则库比较简单,系统在推理过程中几乎不能获得新知识,不能进行推理自学习,当系统遇到复杂并行综合模糊规则时,推理机制几乎无法实现.所以将复杂模糊规则进行正向推理处理就显得重要,并将处理后的规则前件作为神经网络的输入,结合径向基函数网络的优点建立新的模糊推理机,并通过推理迭代次数n的变化来改变学习率因子的方法进行网络推理自学习.     

基于项权值排序挖掘的跨语言查询扩展

为了改善自然语言处理应用中长期存在的主题漂移和词不匹配问题,本文首先提出一种加权项集支持度计算方法和基于项权值排序的剪枝方法,给出面向查询扩展的基于项权值排序的加权关联规则挖掘算法,讨论关联规则混合扩展、后件扩展和前件扩展模型,最后提出基于项权值排序挖掘的跨语言查询扩展算法.该算法采用新的支持度和剪枝策略挖掘加权关联规则,根据扩展模型从规则中提取高质量扩展词实现跨语言查询扩展.实验结果表明,与现有基于加权关联规则挖掘的跨语言扩展算法比较,本文扩展算法能有效遏制查询主题漂移和词不匹配问题,可用于各种语言的信息检索以改善检索性能,扩展模型中后件扩展获得最优检索性能,混合扩展的检索性能不如后件扩展和前件扩展,支持度对后件扩展更有效,置信度更有利于提升前件扩展和混合扩展的检索性能.本文挖掘方法可用于文本挖掘、商务数据挖掘和推荐系统以提高其挖掘性能.     

决策表中基于条件信息熵的近似约简

属性约简是粗糙集理论的重要研究内容,已有效应用于机器学习、数据挖掘等领域.基于条件信息熵的属性约简可有效推广代数观下的属性约简,但存在抗噪声弱且某些情况下冗余属性多的不足.为此,本文在引入决策表中基于条件信息熵的近似约简概念后,提出决策表中基于条件信息熵的近似约简算法,该算法可有效增强抗噪性,且可依据实际应用的需要有效地对冗余属性进行取舍.最后,本文侧重通过选择不同精度下的约简属性子集在Benchmark上进行了分类器的性能测试.     

A Knowledge Reduction Algorithm Based on Conditional Entropy

1　ＩｎｔｒｏｄｕｃｔｉｏｎＳｏｍｅｉｎｄｕｓｔｒｉｅｓ ,ｉｎｃｌｕｄｉｎｇｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓａｎｄｃｒｅｄｉｔｃａｒｄｓ ,ｈａｖｅｉｎｔｅｒａｃｔｉｖｅｒｅｌａｔｉｏｎｓｈｉｐｗｉｔｈｃｕｓｔｏｍｅｒｓｔｈａｔｇｅｎｅｒａｔｅｍａｎｙｔｒａｎｓａｃｔｉｏｎｒｅｃｏｒｄｓ,ｗｈｉｃｈｍａｋｅｓｄａｔａｔｏｂｅｇｅｎｅｒａｔｅｄａｎｄｃｏｌｌｅｃｔｅｄａｔａｎｕｎｐｒｅｃｅｄｅｎｔｅｄｓｐｅｅｄ .Ｈｏｗｅｖｅｒ,ｔｈｅｓｅｄａｔａｈａｖｅｔｏｂｅｔｕｒｎｅｄｉｎｔｏｋｎｏｗｌｅｄｇ…     

基于直觉模糊粒化的信息熵属性约简算法

在直觉模糊关系中,对象之间通过隶属度和非隶属度的刻画使得拥有了更为优越的关系评估效果.为了对信息系统的不确定性达到更好的度量,首先引入基于直觉模糊关系对信息系统进行直觉模糊粒化,然后在粒化的结果中依据隶属度和非隶属度分别定义了信息熵的概念,并将它们结合作为直觉模糊关系下信息系统的信息熵,最后根据该信息熵构造一种属性约简算法.实验结果表明提出的算法具有较优的属性约简性能.     

基于直觉语言评价的电力变压器状态维修决策方法

研究电力变压器状态维修的决策方法对提高其运行安全和可靠性具有重要意义。针对当前变压器状态维修决策方法对定性评价信息处理的不足,文中结合直觉模糊集和语言评价法提出一种基于直觉语言评价的决策方法。为得到更为完备的决策信息,该方法首先引入直觉语言数形式以充分表达专家评语的肯定度、犹豫度;在此基础上,基于直觉语言熵定义并综合考虑多方面因素建立起优化模型来确定指标权值,同时利用直觉二元语言算子对专家群体决策信息进行集成运算,以进行方案优选。实例分析表明,该方法能涵盖更多的决策信息,并减小定性到定量转化过程中的信息量损失,使得决策结果更加客观、合理和全面。     

基于相对熵的直觉模糊聚类方法

在众多的模糊集中,直觉模糊集同时定义了信任度、非信任度和犹豫度,便于处理不确定信息.在不确定信息应用领域的背景下,重点研究了直觉模糊环境下的聚类问题,提出了基于相对熵的直觉聚类方法,并通过数值算例验证了方法的可行性和有效性.     

不完备信息系统中知识约简的一种启发式算法

不完备信息系统中的知识获取是粗集理论应用的难点。通过引入信息熵和条件信息熵，对信息系统中属性的必要性进行了定义；提出了一种基于条件信息熵的知识约简启发式算法，并指出该算法的时间复杂度是多项式的。通过实例说明，该算法能得到信息表的约简和决策表的最小相对约简。     

基于最大熵直觉模糊核聚类的目标跟踪算法

为了提高杂波环境下目标跟踪的正确关联率和实 时性,本文提出一种基于最大熵直觉 模糊核聚类的目标融合跟踪算法。先通过密度函数法确定初始聚类中心,再通过加入核函数 和放松对隶属度的限制,并且通过样本加权给离群点和样本点不同的权值,从而可以减少离 群点和噪声点的干扰,最后通过直觉指数引入直觉模糊集,得到改进后隶属度矩阵,以隶属 度矩阵作为关联概率进行目标与观测的关联,并用卡尔曼滤波进行目标模型的更新,提高目 标跟踪的正确关联率和实时性。实验表明,本文算法相对传统的模糊C均值聚类算法可以提 高目标正确关联率3%左右,并且在算法耗时方面平均减少了0.1 s,相 对于最大熵模糊C均值 聚类算法可以提高目标正确关联率1.9%左右,算法耗时平均减少0.4 s,表明本文算法在提 高目标跟踪正确关联率并增加算法实时性拥有更好的效果。     

基于直觉模糊集多属性决策的灰色关联分析法

基于直觉模糊集理论,提出了一种新的灰色关联分析方法来研究模糊多属性决策问题.首先,根据直觉模糊集的几何意义,引入了两个直觉模糊集之间的距离,且每个备选方案的评价值用直觉模糊值表示.其次,依据传统灰色关联分析方法的基本思想,通过计算每个方案对直觉模糊正、负理想方案的灰色关联度.然后计算备选方案对直觉模糊正理想方案的相对关联度度.最后,通过一个具体实例说明该方法的有效性和具体应用过程.     

基于隐藏单元条件随机场的多知识源融合改进自动语音识别置信度

鉴于自动语音识别(ASR)中置信度估计困难的问题,该文提出一种基于多知识源融合的策略来提高置信度的鉴别能力。具体做法是,首先选择关于识别结果的声学层、语言层和语义层等不同层次的信息,然后通过实验确定这些信息不同的组合方式,并以此为特征在隐藏单元条件随机场(Hidden-units Conditional Random Fields, HuCRFs)框架下计算识别结果的条件概率。最后将HuCRFs条件概率作为语音识别结果置信度的新的估计。实验首先证明了HuCRFs条件概率是比归一化的网格后验概率鉴别能力更强的一种置信度估计方法。同时基于HuCRFs条件概率置信度,对解码器一遍识别得到的网格重新搜索最佳候选序列,取得了相对一遍识别最佳候选序列绝对近2%的字错误率(CER)下降。同时,该文也对比了基于HuCRFs条件概率搜索的最佳候选序列和基于长语言模型网格重估的最佳候选序列的性能,进一步证明了使用HuCRFs条件概率作为置信度估计是一种更好的选择。