一种无确定度的逆向云算法

逆向云发生器实现了定量数据到定性概念的转化,有着重要的理论意义和应用价值.有确定度的逆向云算法缺乏实用性,而已有的无确定度逆向云算法由于估计误差的原因,会出现超熵为虚数问题.本文提出了一种基于统计方法的,无需确定度的逆向云新算法,合理改进了超熵估计方法,确保了逆向云发生器的有效性.最后通过应用实例验证了新算法的正确性和实用性.     

无确定度逆向云模型新算法

针对现有结果未揭示决定云模型雾化特性的本质因素以及无确定度逆向云模型算法误差较大这两个问题进行研究。通过对正向云模型的数学分析, 指出云滴定量数据的标准差决定云模型雾化特性, 提出用熵和超熵的比值度量云滴离散程度, 称为雾化因子。分析和实验表明, 云分布对应雾化因子取值在3~18之间, 当其大于18时, 云分布退化为正态分布, 无确定度逆向云模型算法不再适用。在此基础上, 利用云分布四阶原点矩来估计云模型的数字特征, 提出一种新的无确定度逆向云模型算法, 不同雾化因子和云滴数量的对比实验结果表明, 所提算法在对云模型数字特征估计的准确性与稳定性方面优于现有算法。     

逆向云在定性评价中的应用

现有的定性评价存在主观性和随意性大的缺点，缺乏客观性和精确性,云模型是一种定性与定量之间相互转换的有效工具，逆向云可以实现定量数值与定性概念的自然转换，从而得出一个用精确数值表示的定性概念．该文分析并给出了逆向云发生器的具体算法，并对还原的各特征值进行了误差分析．最后将该算法应用到射击评判上，评价结果不仅有射击准确度的评价，而且有运动员心理素质的分析，比仅仅用环数来评价一个运动员更准确、更具体．     

大数据交叉映射融合的逆向云算法仿真

大数据融合可以提升工作效率、保证数据安全。逆向云算法根据数据之间的关联性交叉映射,对不同类型数据执行逆向处理。而传统逆向云算法,分析大数据离散度的能力不强,致使计算结果的偏差较大,因此研究大数据交叉映射融合的逆向云算法。算法将原有算法作为基本理论,利用梯度联合函数反演,根据交叉梯度约束条件确定数据离散形式,捕捉数据交叉规则;依照已知节点数据的物理量,对未知节点数据插值,通过源数据项、目标数据项建立函数映射关系,得出隐含关联;按照关联度匹配数据特征,域隐含层特征函数对域网络参数反向微调,至此实现逆向云算法。实验结果可知:与传统的基于鲁棒性的大数据逆向云算法相比,上述算法分析大数据之间离散度的能力更强,得到的参数结果偏差极小。由此可见,所研究的逆向云算法的计算结果更加精确。     

一种新的逆向云算法

云模型是一种可以有效地实现语言值表示的定性概念与其定量表示之间不确定性转换的模型。文章对正态云作了较深入地概率统计分析,指出了现有逆向云算法的不足,并提出了一种新的精确度更高的逆向云算法,最后通过模拟实验比较了新算法与原逆向云算法。     

曲线拟合的逆向云改进算法

逆向云发生器是从定量数据到定性概念的转化模型。在逆向云生成算法中, Ex 的估计值对En和He的估计有比较大的影响,直接使用样本均值进行参数估计会导致较大的误差。本文通过深入研究云模型的相关算法,对逆向云生成算法进行改进。文中利用样本均值作为非线性拟合函数的初值,把拟合函数的返回参数作为Ex的估计值,改善了随机选取拟合初值造成结果不稳定现象,实现对逆向云参数优化。通过与其他几种逆向云生成算法进行对比,仿真结果表明：改进后的逆向云生成算法有较好的稳定性并且有较高的精度。     

基于坐标变换的圆柱体点云数据拟合方法

为了解决工程测量中圆柱体点云数据的拟合问题,论文通过迭代逼近法求解圆柱体中轴线方向向量,再将点云数据按照中轴线方向进行坐标变换到与竖直方向平行,最后通过拟合平面圆形得到圆柱体的模型参数,将三维的非线性拟合问题转换为二维的线性拟合问题,降低了处理的复杂度,也避免了非线性最小二乘拟合过程中初值选取的问题,同时也能处理任意方...     

实现稳定双向认知映射的逆向云变换算法

人类对客观世界认知的不确定性主要通过认知的最小(基本)单元——概念反映出来。本文基于云模型理论,提出一种新的稳定逆向云变换算法,通过实验对比分析说明该方法的稳定性;再根据正向云变换由概念内涵生成概念外延及逆向云变换由概念外延形成概念内涵的特点,利用正向云变换算法和逆向云变换算法模拟人们对概念的稳定双向认知计算过程,即概念内涵与外延之间的稳定双向认知计算过程。     

一种基于云模型数据填充的算法

协同过滤推荐技术是现如今电子商务系统中最重要的技术之一.针对目前协同过滤推荐技术中存在的因数据极度稀疏而导致相似性度量不准,推荐质量严重受到影响的问题,利用云模型在定性知识表示及定性、定量知识转换时的作用,提出一种基于云模型的数据填充算法,它利用相似用户计算目标用户评分缺失项.利用经典实验数据进行验证比较,结果表明,即使在用户评分数据极端稀疏的情况下,利用此算法对数据进行填充之后,再采用传统的协同过滤推荐算法能取得较理想的推荐质量,从一定程度上解决了推荐系统中普遍存在的稀疏性问题.     

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.     

基于三角形中线的数据序列线性拟合算法

从石油测井数据解释的实际应用需求出发,提出一种新的基于三角形中线的数据序列分段算法。在扫描数据的过程中依次计算 3个连续数据形成的三角形中线长度,根据自定义的中线长度阈值选择反映序列趋势变化的关键转折点,实现数据序列的线性拟合。实验结果表明该算法具有良好的拟合质量和较高的效率。     

一种基于K均值预处理回溯的PAM算法

针对PAM算法在进行聚类时容易陷入死循环的缺陷,引用了回溯法来解决该问题。但是,加入回溯法的PAM算法具有计算量大迭代次数多的缺点,为了在PAM算法迭代过程中,尽量避免使用回溯法,于是进一步,提出了在进行PAM聚类前,采用K-means算法对数据进行预处理,从而获得粗糙中心点,然后找出一组与粗糙中心点最接近的数据作为初始中心点,再进行PAM聚类。从而得到基于K-means预处理回溯法的PAM算法（K-means Data Preprocessing Backward Search PAM,简称KDPBS-PAM）。实验结果表明,KDPBS-PAM算法极大地改善了PAM算法的性能。     

基于B样条曲线的断层离散数据平滑算法

通过二维断层图像进行三维对象重建是现今较为活跃的研究领域,而二维断层数据的质量将直接影响到三维重建的效果。提出了一种对医学断层离散数据在三维重建前进行预处理的方法,通过单层轮廓平面内平滑以及多层轮廓基于层间关系的B样条曲线拟合对原始数据进行了平滑处理,减少了重建后层与层之间的锯齿现象,使得在此基础上的三维重建效果得到了明显的改善。算法具有一定的通用性,同样适用于其它领域的数据处理。     

基于EM算法的ACPH分布数据拟合方法

ACPH分布继承了PH分布具有良好特性的特点,对其进行数据拟合的难度比PH大大降低。针对ACPH分布缺乏数值稳定拟合算法的问题,提出采用EM算法解决该问题,给出了ACPH分布数据拟合EM算法的理论推导,并通过3个拟合实例验证了算法的有效性。     

一种基于云模型的数据传输算法

分布式系统中的多个Excel文件中的数据如何高效地组织和传输,是一个常见的问题。实现了新的基于云模型的数据传输算法,利用正向云发生器实现网络流量的定性定量转换,利用虚拟云的算法获得了最终的传输云模型,通过分析云滴分布得到数据传输的方向和目的位置。实例验证表明,传输模型可靠,实现了网络流量的动态均衡,具有一定的实践意义和指导作用。     

基于B样条曲线的断层离散数据平滑算法

通过二维断层图像进行三维对象重建是现今较为活跃的研究领域，而二维断层数据的质量将直接影响到三维重建的效果。提出了一种对医学断层离散数据在三维重建前进行预处理的方法，通过单层轮廓平面内平滑以及多层轮廓基于层间关系的B样条曲线拟合对原始数据进行了平滑处理，减少了重建后层与层之间的锯齿现象，使得在此基础上的三维重建效果得到了明显的改善。算法具有一定的通用性，同样适用于其它领域的数据处理。