基于云模型的导航系统模糊可靠性评测分析

阐述基于云模型理论的飞行器导航系统模糊可靠性评测分析.云模型是一种新的实现 定性概念和定量数值之间转换的有力工具,用来统一刻划基于语言值的定性概念和数值表示之 间的相互映射关系.云的数字特征期望值Ex、熵En和超熵He三个数值表征,把模糊性和随机 性完全集成在一起,作为知识表示的基础.将其用于飞行器导航系统模糊可靠性分析及故障检 测,可有效地提高飞行器导航系统的可靠性分析.仿真结果说明了该分析方法的可行性和有效性.     

基于云模型和BP神经网络的入侵检测

云模型是进行定性定量转换的有效工具,正态云模型通过期望、熵和超熵构成特定结构发生器,这种特定结构使得正态云模型更具有普遍适用性,更简单、直接地完成了定性与定量之间的相互转换过程.结合 BP 网络局部精确搜索的特性,提出一种基于云模型与 BP 网络的入侵检测方法,将云模型和 BP算法有机结合.通过 KDD99 CUP 数...     

一种定性定量信息转换的不确定性模型——云模型*

目前,许多领域的研究进入到复杂系统阶段。从复杂系统描述与评价的角度来讲,严格、精确的数学描述几乎是不可能做到的,只有将定性定量的知识加以变换与集成才能获得关于系统的定性定量相结合的完整描述。因此,建立一个定性定量的不确定性转换模型,实现语言值与数值的互换,是复杂系统研究迫切需要解决的问题,也是其他领域研究需要解决的问题。从定性定量转换研究现状出发,综述了由李德毅院士提出的定性定量转换的不确定性模型——云模型。从云模型提出背景出发,讨论了云模型的理论基础、发展过程与研究现状;综述了云模型基本理论研究进展情况,云模型在质量评价、模式识别、控制等领域的研究进展。通过研究发现,云模型是定性定量转换的有力工具,并且已经比较成功地得到了应用,取得了重要的研究成果。如何进一步深化理论研究,研究不同领域中定性定量转换应用问题是加强和促进云模型研究的有效途径。     

定性规则的云表示

云模型是定性定量间的不确定转换模型，它将概念的模糊性和随机性集成在一起，利用云模型可以有效地表示基于语言值的定性规则。但已有的文献中，定性规则的云表示多种多样，文章根据各种云的内在联系提出了一维正态云的定性规则的统一表示。     

基于云模型的电子商务网站潜力评测模型

从投资者的角度对电子商务网站潜力进行评测需要准确、完整、自然的表达。作为一种普适的定性定量转换模型,云模型在评价领域已得到一定程度的应用。在网站潜力评测指标的评价和各指标权重的确定上均引入云模型,有效地减弱了该类研究中人为确定的主观性和理论计算的强硬区分,使结果更接近没有明确分界的自然语言评价。     

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．     

基于多维云模型的入侵检测

通过研究多维云模型机理，给出了定性与定量之间转换的云模型的形式化表示，用来反映语言值中蕴涵的模糊性和随机性，解释了多条定性规则同时被激活的不确定推理过程。实验采用了KDD99的测试数据，结果表明，该方法能够比较有效地检测真实网络数据中的未知入侵行为。     

云理论及其在空间数据发掘和知识发现中的应用

云理论是以研究定性定量间的不生转换为基础的系统处理不确定性问题的一新理论,包括云模型,虚云,云运算,云变换,不确定性推理等内容,云理论为数据发掘和知识发现中的许多基础性关键问题提供了新的解决方法,如概念和知识表达,定性定量转换,概念的综合与分解,从数据中生成概念和概念层次结构等。     

基于云模型的不确定性推理方法

云模型实现了定性概念与其定量表示之间的不确定转换,在云模型基础上构建的规则发生器能有效描述用自然语言表示的定性规则.在单条件单规则发生器基础上,进一步提出双条件单规则发生器的实现算法,给出了云推理系统的体系结构.将基于云模型的不确定性推理方法用于设计电机转速控制系统,并且与模糊推理方法进行了比较,验证了云推理方法的有效性和实用性.     

一种新的基于云理论和随机过程的可靠性评估方法

为解决系统可靠性评估中不确定性的问题和定性与定量信息转换的困难,结合随机过程可靠性分析方法和云理论,提出了一种新的可靠性评估方法.将云理论融合到随机过程可靠性分析方法中,利用云模型描述系统的状态转移.同时,构造系统定性评价中的云标尺,将系统可靠性评估中的定量变量和定性变量对应起来.该方法考虑了系统可靠性评估中的随机性和模糊性,研究了系统可靠性中的定量表示和定性评价之间的对应关系,结果是语言值,很直观.通过这个方法,找到语言值描述的系统特性与定量数值描述的系统特性之间的对应关系,能够准确理解和使用这些系统评估中的语言值.最后用一个实例验证了该方法的适用性.     

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．     

一维正态云的概率统计分析

一维正态云是一种非常重要并且具有普适性的云模型．为了进一步完善云模型的理论基础，基于概率理论对一维正态云的性质进行了较深入全面的分析，首次从不同角度形象直观地展示了正态云．此外，从统计学的角度揭示了原逆向云算法存在较大误差的根源，并构造了一种新的更精确的一维逆向正态云算法．     

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。     

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。     

基于云模型的单路口交通信号自适应控制方法研究

为了减少车辆通过路口的延误,提出了一种基于云模型的单路口交通信号自适应控制方法;使用云模型作为信号控制的基础模型,利用云模型中的正态云发生器和前件云发生器算法分别对道路交通信息进行处理并产生自适应的控制规则,以实现单路口交通信号的自适应控制;通过仿真实验,结果表明,使用云模型作为控制方法,比较传统控制方式更具智能化,更接近于人脑思维过程的控制方法,这也是将来交通信号控制的发展方向。     

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。     

A novel hesitant fuzzy linguistic hybrid cloud model and extended best-worst method for multicriteria decision making

Developing effective and accurate model to handle complex uncertainties of linguistic assessments in multicriteria decision making (MCDM) has important theoretical significance and practical value of engineering. This paper proposes a novel hesitant fuzzy linguistic hybrid cloud (HFLHC) model that integrates hesitant fuzzy linguistic term set and cloud model to handle the hesitancy, fuzziness, and randomness of linguistic expression. The normal cloud and trapezium cloud are integrated to represent hybrid-length linguistic variables of HFLHC model, which can effectively avoid evaluation information loss and distortion. Aiming at applying HFLHC model to MCDM, some hybrid operations for normal cloud and trapezium cloud are developed. Moreover, an improved method for aggregating multiple linguistic concepts into an integrated trapezium cloud in HFLHC model is proposed, with consideration of the different representation region of each linguistic concept. Furthermore, a novel HFLHC-based best-worst method is proposed to obtain optimal criteria weights with developing a HFLHC optimization programming model and a modified consistency ratio. Finally, an illustrative example of sustainable supplier selection is presented. Several comparative analyses demonstrate that our method can provide more consistency and greater reliability.     

云发生器的软件实现*

用MATLAB实现了云发生器,包括正向云发生器和逆向云发生器。正向云发生器的核心技术是用中心极限定理生成正态随机数。对随机数产生的原理进行了阐述,通过用云表示定性概念“青年”对实验结果进行了分析。     

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。