正态云模型的统计分析

分析了正态云模型中云滴和其确定度的概率分布，定义了正态云模型的期望曲线，最后分析了正态云模型随参数变化其形态变化的趋势和规律．上述统计分析有一定的理论和应用价值，将有助于正态云模型在更广和更深的层面上发展完善．     

基于拟合的二维正态云模型

分析了现有的正向/逆向云生成器实现算法的不足之处,并在此基础上提出了基于拟合思想的正向/逆向云生成算法.通过将概念空间划分为几个子空间,然后再在各子空间上使用正向/逆向正态隶属云生成算法来拟合整个概念空间上问题的描述.在拟合过程中,子空间的划分数目是影响拟合效果的主要因素.通过一系列实验分析就子空间的划分数目给出了一个建议数目.最后,实例分析和比较结果表明了该算法的可行性和效率.     

基于正态云神经网络的齿轮泵的故障诊断研究

为了提高齿轮泵故障诊断的正确率,将正态云神经网络应用于其故障诊断中。将正态云模型和神经网络融合在一起构造了正态云神经网络,构造了云神经网络的结构,并且给出了各层的算法。通过云变换进行了系统的结构辨识,然后通过训练可以获得优化的人工神经权值和阈值,最后,将测试数据输入正态云神经网络,根据正态云神经网络的输出向量可以判断出齿轮泵的故障。进行了基于正态云神经网络的齿轮泵的故障仿真实例分析,结果表明,正态云神经网络能够准确地诊断出齿轮泵的故障,并且具有较高的故障诊断效率。     

正态云关联规则在预测中的应用

在信息处理领域,用数据挖掘方法发现关联规则和进行预测是两大热点,首先借助正态云模型来替代对数量属性论域的划分,并提出数量属性上的正态云关联规则的概念,接着给出挖掘正态云关联规则的方法,并利用已挖掘出的正态云关联规则进行预测,由于正态云模型较好地软化了数量属性论域的划分边界,从而使得挖掘出的正态云关联规则与预测的结果更容易被人理解。     

正态云隶属度函数确定的FSM方法

隶属度函数及其确定方法的研究具有重要意义。采用正态云模型表示的隶属度函数综合了模糊性和随机性,具有普适性;提出了确定隶属度函数的模糊减法均值聚类(FSM)方法,得到了最优聚类中心和数据的隶属度。实例仿真表明,采用该方法确定了石油钻井中总体积的正态云隶属度函数,解决了隶属度函数难以客观描述和难以确定的问题。     

正态云关联规则的预测方法

在信息处理领域,用数据挖掘方法发现关联规则和进行预测是两大热点.文中应用聚类的方法确定正态云的两个参数,并借助正态云模型来划分数量属性的论域,由此生成一系列的正态云关联规则.接着给出了正态云关联规则的挖掘和预测方法.由于用正态云表示的语言值能很好地表达抽象的概念,从而使得挖掘出的正态云关联规则与预测的结果更抽象、更容易被人理解.     

正态云概念的漂移性度量及分析

云模型把自然语言中定性概念的随机性和模糊性有机地综合在一起,通过正向云变换和逆向云变换实现了概念内涵与外延之间的相互转换。基于正态分布和高斯隶属函数的正态云具有普适性。文中通过正态云概念的外包络曲线,根据KL散度刻画分布函数之间差异的特性,定义了一种正态云概念的漂移性度量。最后,结合人类认知的特点,利用该方法以计算的方式对概念在认知过程中可能发生的漂移性进行了模拟研究和实验分析。     

基于正态云自适应遗传算法的无人机航路规划

为了克服标准遗传算法在无人机航路规划中存在的搜索速度慢、容易陷入局部最优等缺点,应用一种基于正态云改进的自适应遗传算法。建立无人机航路规划模型,将地理直角坐标系旋转,引入转弯角度约束,简化遗传编码的复杂度。改进算法由X条件云发生器产生种群的交叉概率和变异概率组成。正态云滴的稳定倾向性保护较优个体从而对全局最优值进行自适应定位,随机性保持个体多样性从而避免搜索陷入局部极值。仿真结果表明,该算法能使无人机在战场环境中快速地选择最优航路,规划的效率和成功率相对于标准遗传算法有明显提高,具有良好的应用前景。     

基于正态云模型的基本概率指派生成方法及应用

基本概率指派（Basic probability assignment, BPA）生成 是应用D S证据理论的关键环节和第一步,而如何生成BPA仍然是一个有待解决的问题。本文 提出一种基于云模型的BPA生成方法,首先,采用逆向云发生器生成每类样本在某属性下的 正态云模型。其次,利用前件云发生器得到待测样本在该属性下对每类样本的确定度期望。 再次,给出一种正态云模型交叠度计算方法,用确定度最大类的正态云模型与其他种类的最 大交叠度作为对全集的信任度。最后,对确定度进行归一化得到待测样本的BPA。实验结果 验证了该方法的有效性,此外,在样本数据较少情况下也能有效生成BPA。     

基于自适应正态云模型的灰狼优化算法

灰狼优化算法(GWO)是一种模拟狼群等级制度和捕食行为的群体智能算法,存在收敛精度低、易陷入局部最优解等问题,为提高GWO的算法性能,提出一种基于Tent映射和正态云发生器的改进灰狼优化算法(CGWO).在灰狼群初始化阶段引入Tent映射,增加种群个体多样性以提高算法的优化效率;在攻击猎物阶段采用正态云模型对狼群位置进行更新,使算法前期具有较好的随机性和模糊性,提高全局开发能力,助其跳出局部最优解.随着迭代次数增加,自适应调整正态云模型熵值,使后期随机性和模糊性随之减小,有效改善局部开发能力,提高其收敛精度.选用20个通用的标准测试函数对CGWO算法性能进行验证,分别从单峰、多峰以及复合函数寻优结果与多种优化算法进行对比分析.结果表明,在同等测试条件下,CGWO算法寻优效率和收敛精度更高,能很快跳出局部最优解,在全局搜索和局部开发能力上更为平衡.     

基于多维正态云模型的控制器研究

在分析一维正态云模型及规则推理的基础上,研究了N维正态云模型及规则推理,及其N维正态云模型规则推理结构,并研究给出了基于N维正态云模型的控制器的设计方法和步骤。通过三维正态云模型控制器的设计表明所给出的N维正态云模型控制器的设计方法是可行的。     

基于资源监控统计的云计算主动调度方法

现有的云计算资源调度策略没有考虑资源池的总体资源需求,造成了资源的损耗,影响虚拟机的正常运行．提出了一种基于资源监控统计的云计算主动调度方法,充分考虑资源池的总体资源需求情况,引入监控数据采集模块和监控数据分析模块,同时加入监控数据库作为系统的基础,定制一套适用于资源调度的虚拟机监控数据统计和分析的方法,使得基于监控统计数据的虚拟机调度方法可以轻松实现．     

云存储多异构文件联合延迟尾概率凸优化分析

随着擦除码技术的流行,分布式存储中高数据可靠性和高空间效率存储性能逐渐实现,但是降低尾部延迟仍然是一个有待解决的问题。为此,提出一种量化和优化擦除编码存储系统尾延迟的算法框架。对于任意服务时间分布和异构文件,推导给出尾部延迟上界。提出了一个优化模型,使得所有文件在服务器上放置的加权延迟尾概率和访问请求文件的服务器选择共同最小化,并证明了其非凸问题特性,以便采用一种高效的交替优化算法求解。此外,通过描述延迟分布尾部的渐近行为,以闭合形式对任意擦除编码存储的服务延迟的尾部指数进行数学量化,证明了基于概率调度的算法是（渐近）最优的。实验结果表明,在实际工作负载下擦除编码存储系统的尾部延迟显著降低。     

正态分布真随机数云模型发生器

云模型发生器多是基于伪随机数的发生器.在充分研究了随机数发生器、云模型的国内外发展现状的基础上,设计了一种产生高质量随机数的硬件实现方案,并使用软件的方法将均匀分布的真随机序列逐步转换成正态分布真随机数一维云模型,全面论述了一种基于真随机数的云模型发生器的实现方法,国内尚属首次,是对云模型研究的有益补充.     

云搜索算法的收敛性分析

本文通过对新提出的求解全局优化问题的云搜索算法[1]进行分析,可以看出算法的整个搜索过程包含飘移算子、降雨生云算子、收缩扩张算子。倘若收缩扩张算子失效,那么算法将在比较坏的情形下进行搜索。在此情形下,我们利用概率论的知识分析了算法的收敛性。分析结果表明,云搜索算法依概率1收敛到全局最优解。     

基于几何先验和深度学习的点云法矢估算

法矢是三维点云曲面最基本的几何属性.为解决传统几何估算子与基于学习技术中的问题,提出基于几何先验和深度学习的点云法矢估算方法.首先,使用一个多尺度曲面块选择方法保持点云的特征和细节,以降低后续深度网络的学习难度;然后,结合局部特征和几何先验知识设计一个法矢优化神经网络,输出精确点云法矢;最后使用合成模型数据和Microsoft Kinect V1扫描得到的真实模型数据进行验证,使用平均角度误差作为度量标准与主流方法进行对比,定量和定性分析结果表明文中方法在保持模型细节和噪声鲁棒性方面均明显优于对比方法.     

基于泛逻辑学的概率命题逻辑的研究与分析

概率逻辑是不确定推理的一个重要逻辑基础,但其目前还不太完善.泛逻辑学是何华灿教授在探索各种不确定性问题求解中建立起来的一种新的柔性逻辑体系.理论上,概率逻辑仅是泛逻辑学的一个特例.在对目前比较典型的几种概率逻辑模型进行分析的基础上,基于命题泛逻辑学的思想和方法,指出了概率命题逻辑中存在的一些主要问题,探讨了解决这些问题的思路与方法.