基于Sugeno模糊积分神经网络分类器融合方法在手写数字识别中的应用

神经网络是模式识别中一种常见的分类器.针对同一个分类问题,构建多个分类器并把多个分类器进行融合可以提高分类系统的分类正确率、改善系统的稳健性.首先介绍了Sugeno模糊积分及Sugeno模糊积分神经网络分类器融合方法的一般原理,而后将其应用于手写数字识别,通过实际的案例验证了该融合方法的有效性和可行性.     

基于遗传算法和模糊积分的多分类器集成

多分类器联合是解决复杂模式识别问题的有效办法。模糊积分是其中一种多分类器联合方法。但是对于模糊积分。如何计算模糊积分密度是一个尚未解决的问题。本文提出了一种基于模糊积分和遗传算法的分类器集成方法，该方法利用遗传算法计算模糊积分密度函数，再利用模糊积分把分类器输出信息联合起来。实验结果表明，该方法比其他方法能够得到更好的识别性能。     

一种模糊分类器集成的方法

提出了一种基于模糊积分的模糊分类器集成的方法，该方法能在模糊分类器生成过程中，进一步减少主观因素的参与成份，使分类模器具有更好的稳定性和更高的分类识别率。给出了基于隶属度矩阵的模糊积分密度确定方法，介绍了基于模糊积分的分类器集成算法。用权威的数据集作为实验数据集，将提出方法与已有的分类器集成方法进行实验比较，评测了所提出方法的有效性。     

基于模糊积分和粒子群算法的多分类器融合

使用模糊积分的方法将多个分类器进行融合可以提高分类精度,但是如何得到最优的模糊测度是一个尚未解决的问题。本文根据模糊测度Sugeno积分的理想特性,用模糊测度代替各个分类器的权值,利用粒子群算法全局搜索的优势,将模糊测度对应于粒子,并随速度和位置并不断调整,从而得到全局最优的模糊测度。通过仿真实例验证了新的多分类器融合模型具有较低的分类错误率,并能有效地提高分类精度。     

基于分类器联合的表情识别

提出了一种基于分类器联合的人脸表情识别方法。首先采用CKFD算法在双决策子空间中提取两类表情特征并融合;分别利用最近邻、最小距离和神经网络三种子分类器进行识别;最后运用模糊积分对子分类器的识别结果进行融合。基于JAFFE的实验结果表明,它是一种有效的表情识别方法。     

基于模糊积分和遗传算法的分类器组合算法

将多个分类器进行组合能提高分类精度。基于模糊测度的Sugeno和Choquet积分具有理想的特性,因此该文利用其进行分类器组合。然而在实际中难以求得模糊测度。该文利用两种方法求取模糊测度,一是分类器对样本数据的分类能力,另一种是根据遗传算法。这两种方法均考虑了每个分类器对不同类的分类能力不同这一经验知识。实验中对UCI中的几个数据库进行了测试,同时将该组合方法应用于一多传感器融合工件识别系统。测试结果表明了该算法是一种计算简便、精度较高的分类器组合方法。     

基于模糊积分分类器融合的人脸识别

提出一种基于模糊积分分类器融合的人脸识别算法。对人脸图像进行小波变换,选取合适的小波基函数及有效的分解层数,提取低频分量系数作为分类特征设计分类器。对原图像采用2DPCA进行特征提取设计另一分类器,采用模糊积分的算法融合2个分类器并得出最终分类识别结果。实验结果表明,模糊积分能够有效融合分类器的互补信息,提高系统的分类性能,从而提高人脸识别率。     

基于线性判别分析的Choquet积分的符号模糊测度提取

在解决分类问题时,建立在Choquet积分上的分类器以其非线性和不可加性的特点,扮演着越来越重要的角色。由于Choquet积分中的符号模糊测度可以描述各特征对结果的影响,因此Choquet积分在解决数据分类及融合 问题方面具有显著的优势。但是,关于Choquet积分符号模糊测度值的求解,学术界一直缺乏有效的方法。目前最常用的方法是遗传算法,但是遗传算法在解决符号模糊测度值的优化问题时存在算法较为复杂、耗时较长等缺陷。由于符号模糊测度值在Choquet积分分类器中是决定性的重要参数,因此设计出一种有效的符号模糊测度提取方法十分必要。文中提出基于线性判别分析的Choquet积分符号模糊测度的提取方法,推导出在分类问题下Choquet积分的符号模糊测度值的解析式表达,其能够有效、快速地得出关键性参数。分别在人工数据集及基准实际数据集上进行测试与验证,实验结果表明所提方法能有效解决Choquet积分分类器中符号模糊测度的优化问题。     

基于粒子群模糊密度自适应赋值的多分类器融合算法

使用模糊积分进行融合时模糊密度的选取对于融合效果起着关键的作用,不同的模糊密度赋值就会得到不同的模糊测度,形成不同的融合函数,从而导致不同的融合识别结果。故本文提出一种用粒子群的方法对模糊密度进行自适应赋值,实验证明了谊方法的可行性。     

两种模糊密度确定方法的实验比较

信息融合方法是减少决策不确定性的有效途径和热点问题.本文研究模糊积分信息融合方法中的重要问题-模糊密度的确定方法,对其中两种典型的确定方法进行了细致的比较研究.基于公开而有效的13个UCI标准数据集,进行了成员分类器选择实验、不同融合方法比较实验等,并采用了描述分析、秩次分析、探测性显著性分析,最后与文献[4]中最优单分类器、文献[53中Bagging,Boosting and random forests的最优融合结果进行了对比.结果显示,基于可能度的模糊积分方法优于基于可信度的模糊积分方法、优于文献[5]中最优融合结果;基于可信度的模糊积分方法与文献[5]中最优融合结果总体相当,优于简单平均融合方法,也优于文献[4]中最优单分类器.     

并行计算和稀疏存储在模糊积分上的应用

近年来很多学者开展了模糊积分的相关研究,并将模糊积分应用于各种分类问题,而模糊测度的确定则是模糊积分计算的重点和难点。本文将并行计算和稀疏存储应用在模糊积分求解上,分别解决模糊积分计算中的时间复杂度和空间复杂度问题,并提出一种高效率模糊积分算法—基于并行和稀疏框架的模糊积分(Parallel and Sparse Frame Based Fuzzy Integral,简称PSFI)。实验表明,随着计算资源的增加,PSFI算法的加速比和效率下降较低。在变量存储上,PSFI算法在较多特征的数据集上对存储空间减少数千倍。最后,本文提出的PSFI算法相比之前提出的多重模糊积分(Multiple Nonlinear Integral, MNI)算法,有较高的分类准确率。     

考虑决策者权重和核心评级的模糊排序方法

决策者的专业背景、评价对象属性的受关注度均存在显著差异,而鲜有模糊多属性决策（Fuzzy Multiple Attribute Decision-making,FMAD）方法考虑决策者权重和属性核心评级对评价结果的作用,对此设计积分式模糊排序方法（Integral Fuzzy Ranking Method,IFRM）。在模糊理论的基础上,将语言变量量化为三角模糊数;根据个体评价与集结评价间的差距,更新决策者权重直至稳定;运用熵权法计算核心评级的信息熵,确定属性权重及评价对象的综合集结模糊评级,并基于积分式模糊偏好,给出任意两个方案间的偏好度,进而形成置信度最大的排序。以某品牌的共享单车为例,对比了常见多属性决策（Multi-Attribute Decision-making,MAD）方法的特点和方案排序结果,分析表明IFRM方案的排序结果有较高的一致性与置信度,对于解决模糊MAD问题具有可行性、有效性和优越性。     

Performance analysis of fractional order fuzzy PID controllers applied to a robotic manipulator

A two-link robotic manipulator is a Multi-Input Multi-Output (MIMO), highly nonlinear and coupled system. Therefore, designing an efficient controller for this system is a challenging task for the control engineers. In this paper, the Fractional Order Fuzzy Proportional-Integral-Derivative (FOFPID) controller for a two-link planar rigid robotic manipulator for trajectory tracking problem is investigated. Robustness testing of FOFPID controller for model uncertainties, disturbance rejection and noise suppression is also investigated. To study the effectiveness of FOFPID controller, its performance is compared with other three controllers namely Fuzzy PID (FPID), Fractional Order PID (FOPID) and conventional PID. For tuning of parameters of all the controllers, Cuckoo Search Algorithm (CSA) optimization technique was used. Two performance indices namely Integral of Absolute Error (IAE) and Integral of Absolute Change in Controller Output (IACCO) having equal weightage for both the links are considered for minimization. Numerical simulation results clearly indicate the superiority of FOFPID controller over the other controllers for trajectory tracking, model uncertainties, disturbance rejection and noise suppression.     

Picture-Neutrosophic Trusted Safe Semi-Supervised Fuzzy Clustering for Noisy Data

Clustering is a crucial method for deciphering data structure and producing new information. Due to its significance in revealing fundamental connections between the human brain and events, it is essential to utilize clustering for cognitive research. Dealing with noisy data caused by inaccurate synthesis from several sources or misleading data production processes is one of the most intriguing clustering difficulties. Noisy data can lead to incorrect object recognition and inference. This research aims to innovate a novel clustering approach, named Picture-Neutrosophic Trusted Safe Semi-Supervised Fuzzy Clustering (PNTS3FCM), to solve the clustering problem with noisy data using neutral and refusal degrees in the definition of Picture Fuzzy Set (PFS) and Neutrosophic Set (NS). Our contribution is to propose a new optimization model with four essential components: clustering, outlier removal, safe semi-supervised fuzzy clustering and partitioning with labeled and unlabeled data. The effectiveness and flexibility of the proposed technique are estimated and compared with the state-of-art methods, standard Picture fuzzy clustering (FC-PFS) and Confidence-weighted safe semi-supervised clustering (CS3FCM) on benchmark UCI datasets. The experimental results show that our method is better at least 10/15 datasets than the compared methods in terms of clustering quality and computational time.     

Fuzzy set theory applications in production management research: a literature survey

Fuzzy set theory has been used to model systems that are hard to define precisely. As a methodology, fuzzy set theory incorporates imprecision and subjectivity into the model formulation and solution process. Fuzzy set theory represents an attractive tool to aid research in production management when the dynamics of the production environment limit the specification of model objectives, constraints and the precise measurement of model parameters. This paper provides a survey of the application of fuzzy set theory in production management research. The literature review that we compiled consists of 73 journal articles and nine books. A classification scheme for fuzzy applications in production management research is defined. We also identify selected bibliographies on fuzzy sets and applications.     

模糊控制理论的发展应用与展望

介绍了模糊控制理论的发展概况及在许多领域应用进化过程。在此基础上,论述了模糊控制理论应用的一般特点。指出了模糊控制理论应用中需要解决的问题,单纯模糊控制在某些情况下,难以适应不同的运行状态,影响了控制效果。实际应用中需要将模糊控制或模糊推理思想与其他成熟的控制理论与方法结合起来应用,以达到更理想的控制效果。展望了模糊控制理论的发展方向。由于模糊控制技术是当今比较先进的控制技术,因此,它有着广阔的应用前景。     

直觉模糊二元合成补IFMT三I方法

针对构造直觉模糊蕴涵算子(IFIO)沿用Fuzzy集一元补导致出现的问题,对直觉模糊集(IFS)隶属函数和非隶属函数进行合成求补运算,提出了二元合成补的概念。给出了二元合成补的一些性质,证明了IFS的标准补和对合补是二元合成补的两个特例。构造了基于二元合成补的R0型IFIO,并应用于直觉模糊拒取式(IFMT)问题的三I方法。结果表明,基于二元合成补的IFIO构造方法简单,构造出的IFIO容易满足IFS定义的要求,具有的性质适合IFMT三I方法,并能保证该方法在一定条件下是还原算法。     

多变量模糊控制的现状与发展（Ⅰ）：关于分层,自学习,自适应等问题

回顾了多变量模糊控制近年来的发展过程，着重介绍近年来出现的一些新研究方向，并对当前该研究领域的热点课题：模糊模型的辨识、多变量模糊自校正控制、模糊解耦、模糊分层控制、模糊神经网络的研究现状以及它们的发展趋势作了进一步讨论。     

基于T-S模糊推理优化KPI的应用

模糊系统是一种基于知识或基于规则的系统,它的核心就是由所谓的IF-THEN规则所组成的知识库.模糊推理就是针对给定的系统输入,综合运用知识库中的模糊推理规则,获得系统输出的过程.而T-S模糊模型的基本思想是将正常的模糊规则及其推理转换成一种数学表达形式.本文拟将绩效考核与模糊推理的优越性进行有效的结合,研究讨论出T-S模糊推理在绩效考核中的应用.以验证其收敛性及优越性.     

图像分割的改进的加权模糊聚类算法

利用模糊聚类算法对图像进行分割是一种比较经典的方法,但是标准的FCM算法并没有考虑像素的空间信息对聚类结果的影响。利用S函数将空间信息转为模糊聚类算法的目标函数的权值,从而使目标函数更合理。实验结果表明,改进算法较标准的FCM算法具有更好的分割效果。