基于隐马尔可夫模型的调频广播信号整点报时特性识别方法

由于整点报时与不报时是区分正常广播与“黑广播”的重要指标之一,因此文章提出一种基于隐马尔可夫模型的调频广播信号整点报时特性识别方法。利用静音识别算法将调频广播整点时刻频谱数据表示为0-1序列并在0-1序列中分析调频广播信号的静音序列变化规律,得到调频广播频谱数据的隐藏状态和观察状态的随机序列;通过子区间划分,分别获得初始隐藏状态转移矩阵和初始观察状态概率矩阵;采用Baum-Welch迭代学习算法,在调频广播整点时刻频谱数据训练样本集上对隐藏状态转移矩阵和观察状态概率矩阵进行训练学习,分别得到调频广播整点报时和不报时的隐马尔可夫模型,并给出调频广播信号整点报时特性识别算法。采用实测调频广播整点报时频谱数据进行整点报时特性识别实验,其结果表明,该方法可有效地识别调频广播信号整点报时特性,其整点报时特性的平均识别率为87.5%。该方法在快速发现“黑广播”方面具有一定的实用价值。     

一种基于支持向量机和遗传算法的自适应图像水印方法

提出一种基于支持向量机(SVM)和遗传算法(GA)的离散余弦变换(DCT)域盲数字图像水印方法.该方法能自适应于图像的局部特征.依据图像块的局部特性,利用SVM对图像块分类,自适应地确定水印嵌入强度,GA用来优化水印嵌入位置.实验结果表明该方法有较好的不可见性和较强对抗攻击的鲁棒性.     

模糊诱导有序加权平均算子

给出了诱导有序加权平均算子的矩阵表示,在此基础上提出了模糊诱导有序加权平均算子,讨论了模糊诱导有序加权平均算子的相关性质,并将模糊诱导有序加权平均算子用于一个投资决策实例分析中。     

基于OWGA算子和WAA算子的教师教学评价方法

主要介绍了OWGA算子的定义、性质及WAA算子的定义,并基于群决策方法,提出了一种基于OW-GA算子和WAA算子的教师教学评价方法,并通过实例验证了该方法的有效性.     

模糊语言项在论域上的标签表示

自然语言知识挖掘与分析处理是大数据与人工智能领域的研究热点,其中理解模糊语言概念是挖掘与分析处理自然语言知识的关键核心。语言变量中的模糊语言值是模糊语言概念的理论基础,模糊语言值由模糊语言值的名称（也称为模糊语言项）和论域上的模糊集构成,模糊语言项用来描述论域上的模糊集,论域上的模糊集用来表示模糊语言项的语义或含义。模糊数学中确定“模糊语言项与论域上模糊集之间描述与表示的关系”一直依赖于人的主观意愿,导致模糊语言值不是一个明晰的概念,即模糊语言项与论域上模糊集之间的对应关系无法相互明确确定。文章分析了模糊语言项的自然语言特性以及“模糊语言项描述论域上模糊集”的本质与关键,提出了模糊语言项集在论域上的标签映射及模糊语言项在论域上的标签表示,构建了模糊语言项与论域上对象之间的关联关系;基于模糊语言项在论域上的标签表示,提出了模糊语言项描述论域上模糊集的信任度,据此给出了模糊语言项语义的确定方法,构建模糊语言项与论域上模糊集之间的相互对应关系,使模糊语言值成为一个明晰的概念,模糊语言项与其语义共同形成了一种新的模糊语言值表示模型。文章将新的模糊语言值表示模型与已有基于论域上模糊集的模糊语言值计算模型和符号化的模糊语言值计算模型进行了比较分析,结果表明,新的模糊语言值表示模型改进或克服了已有模糊语言值计算模型的不足,是解决大数据环境下混合语言决策问题的可选有效工具,明晰的模糊语言值可广泛应用于自然语言知识挖掘与分析处理中。     

粗糙集的直觉模糊特殊集表示及其在属性约简中的应用

在近似空间〈U,θ〉的框架下,讨论了直觉模糊特殊集及直觉模糊特殊σ-代数的若干性质,给出了粗糙集的直觉模糊特殊集表示及生成方法.分析了直觉模糊特殊集之间的距离(Hamming距离和Euclidean距离)与决策规则的确定区域之间的关系,并使用Harmming距离或Euclidean距离实现了粗糙集理论中的属性约简.     

格蕴涵代数中的直觉模糊滤子

本文讨论格蕴涵代数中的直觉模糊滤子的概念及其性质。给出了直觉模糊格滤子与直觉模糊滤子的关系,得到了直觉模糊滤子的几个等价条件,为直觉模糊集在格蕴涵代数中的进一步应用奠定了理论基础。     

一种基于等价关系的模糊多属性语言决策方法

提出一种基于等价关系的模糊评价语言值排序方法,分析该排序方法的相关性质,证明了该排序方法确保模糊评价语言值之间的序关系是一种线性序关系,从而保证模糊多属性语言决策最优解的唯一性。实例分析表明,本研究提出的排序方法能够克服已有预序关系带来的不足,是一种可选的模糊多属性语言决策方法。     

改进的一分类支持向量机的邮件过滤研究

服务器端存在多个用户,且人们对邮件内容的理解和认可程度不同,因此邮件过滤中涉及到不确定信息的处理。就邮件内容来看,邮件过滤通常涉及到隐私,不利于大量收集样本并评价打分。因此提出了一种基于改进的一分类支持向量机的邮件过滤方法。该方法优点在于：（1）用户只需为不确定性很强的待区分邮件给出隶属度;（2）只需收集和训练一类邮件样本,便可以建立邮件分类模型;（3）把隶属度首次引入到1-SVM中,并且由隶属度的值的大小来确定惩罚因子的值。通过仿真实验验证了该方法的有效性。     

在不完备信息系统中上、下近似的模糊化

在不完备信息系统中,对象存在不确定性。基于对象的不确定性,讨论一种不完备信息系统中上、下近似的模糊化,即,上、下近似是论域上的一对模糊集合。一方面,在不完备信息系统中,集合的上、下近似由相似关系确定;另一方面,由于*的存在,使得对象具有不确定性。因此,首先定义了对象的不确定性程度和对象之间的相似度;然后利用对象之间的相似度,通过逻辑关系和相应的函数运算,分别给出了对象隶属于上、下近似集合的隶属度,形式地,该过程可理解为上、下近似集合的模糊化。实例分析说明在不完备信息系统中,考察对象对于上、下近似的隶属度能更直观、合理地反应对象隶属于某一集合的上、下近似的情况。