一种模糊XML模型的概念设计方法

XML(Extensible Markup Language)已经成为Web上数据表示与交换的标准,而信息的不精确性和不确定性又广泛存在于现实世界应用中。虽然模糊信息在关系数据库框架下已经被广泛讨论,但是传统的关系数据库模型及其模糊扩展形式不能满足表示和处理Web上复杂模糊对象的需要。基于可能性分布,研究在XML模型和IFO数据模型—一种概念数据模型中进行模糊信息建模,给出把模糊IFO数据模型映射成模糊XML DTD模型的形式化方法。     

动态模糊数据模型研究

动态模糊数据在我们的研究对象中普遍存在 ,基于此 ,文中给出了动态模糊数据模型 .该模型的建立 ,为人们用计算机处理这类数据推动了理论依据 .     

模糊XML DTD到UML数据模型的转换

在很多现实世界应用中存在着大量的不精确性和不确定性信息,正是由于这个原因,基于各类数据模型的模糊数据建模的研究已经广泛展开,当前互联网上存在大量的电子数据资源,而XML已经成为Web上信息表示和交换的标准.基于可能性分布理论,识别出XML文档多粒度数据模糊性,提出了模糊XML和UML数据模型,在此基础上给出了从模糊XML模型到模糊UML类图的形式化转化方法.     

人工智能中概念的模糊量化

一、引言当试图让计算机具有思考某些哲学问题的能力时,我们面临着巨大的困难,但人类终究会去做这件事,解决复杂问题的方法往往是分解问题,从能够突破的地方首先突破。本文讨论定性概念的模糊量化问题,计算机只能处理数据不能处理定性的东西,所以对原来定性的问题要用计算机处理,概念的量化是关键。对从来没有量化的概念进行量化时会遇到方法论和概念重定义等问题。定性概念从定性走向定量是研究的深     

动态模糊数据的扩展模型研究

数据模型是建立系统的核心，在我们的对象中，具有动态模糊性的数据是普遍存在的，文献[1]对一般的动态模糊数据模型作了初步研究，基于此，本文作更深入的研究，给出了动态模糊数据的测度理论，动态糊数据的扩展模型，该模型的建立，为人们用计算机处理这类问题提供了理论依据。     

一种新的分布式数据模型的规范说明

在大规模的分布环境下,尤其是当部分网络处于偶联的状态下,数据的分布和访问引发了相当的理论和实践问题.本文从全国人口信息系统的范例出发,提出并定义了数据的典型树状结构的分布,并对该分布模型作出了详细的规范说明.     

一种新的直觉模糊时间序列预测方法

针对现有直觉模糊时间序列预测模型论域区间划分和序列数据直觉模糊化预处理方法存在的问题,提出了一种新的直觉模糊时间序列预测算法,通过引入滑动窗口参数准确反映不确定数据集的分布特性,利用可调参的直觉模糊C均值聚类算法优化论域区间划分标准,基于直觉模糊范数定义语言变量直觉模糊集,有效地提高了复杂环境下时序系统的预测精度。最后,通过典型实例验证了该方法的有效性和优越性。     

由蕴涵算子构造的一种模糊概念格

WilleR.提出的形式背景对象与属性之间具有明确的关系。但在实际生活中,人类认识的大量知识都是模糊的。因此研究对象与属性之间模糊的、不精确关系的模糊形式背景具有重要的意义。文章给出了在模糊形式背景下一种新的模糊概念的定义方式,讨论了它的性质,并给出了计算模糊概念的算法。最后给出了一个实例说明了在这种定义方式下形成的模糊概念格。     

一种基于关系模型的模糊数据库系统模型

数据库管理系统的广泛应用,使得数据库的研究也随之快速发展,如何表达模糊数据,如何执行模糊查询越来越成为数据库研究的重要课题之一,提出一个基于关系模型的模糊数据库系统的理论模型,利用模糊集的方法表达模糊数据,模糊查询和模糊关系,最后给出了一个模糊数据库系统实现的例子。     

一种模糊矢量相关信息检索模型

矢量相关模型ＶＣＭ是当前流行的信息检索模型之一。本文将模糊集理论和方法引入检索模型的构造,提出了一种模糊矢量相关模型ＦＶＣＭ,从而对其理论结构及用户检索模式的表达机制做了模糊化改进。初步实验表明,新模型克服了原模型的一些固有缺陷,有利于提高系统查准率和查全率。     

Fuzzy rough DEA model: A possibility and expected value approaches

Uncertainty is certain in the world of uncertainty. Measuring the performance of any entity in such an uncertain environment is unavoidable. Fuzzy rough data envelopment analysis (FRDEA) provides a room to evaluate the relative efficiency of homogenous entities, widely known as decision making units (DMUs) in the data envelopment analysis (DEA) literature. This paper attempts to create a fuzzy rough DEA model by integrating the classical DEA, fuzzy set theory, and rough set theory, which apparently provide a way to accommodate the uncertainty. Moreover, in contrast to the probability approach, this paper provides a pavement to measure the relative efficiency of any given DMUs in line with the possibility approach along with the fuzzy rough expected value operator.     

一种基于属性的模糊聚类算法及其应用研究

运用模糊集理论,对基于属性的模糊聚类从概念、原理、算法等方面做了深入的论述,最后给出了一个应用实例,实践证明该算法是有效的。     

Risk analysis using FMEA: Fuzzy similarity value and possibility theory based approach

Fuzzy numerical technique for FMEA has been proposed to deal with the drawbacks of crisp FMEA and fuzzy rule based FMEA approaches. Fuzzy numerical approaches based on de-fuzzification also suffer from the drawback of providing arbitrary priority ranks of failure modes even when their membership functions overlap. To overcome this drawback we developed a new methodology integrating the concepts of similarity value measure of fuzzy numbers and possibility theory. Similarity value measure has been applied to group together failure modes having similar amount of risk value. The possibility theory has been used for checking for conformance guidelines. Two case studies have been shown to demonstrate the methodology thus developed. The proposed methodology is more robust in nature as it does not require arbitrary precise operations like de-fuzzification to prioritise the failure modes. Application of possibility theory is new to the domain of risk analysing using FMEA.     

基于Vague集的广义模糊关系数据模型

在现实世界中,许多数据常常是不完全的或模糊不清的,因此,扩充传统的关系模型来表示不精确、不完全和模糊数据已成为数据库领域的一个重要的研究方向。Vague集是模糊集概念的推广,它具有强大的处理不精确数据的能力,并为不精确、不完全和模糊知识的表示提供了一种有效的手段。该文在已有的模糊关系数据模型的基础上,提出了模糊关系数据库的一种基于Vague集的广义模糊关系数据模型VGFRDM。     

基于模糊集的数据挖掘研究与应用

关联规则的挖掘是数据挖掘的重要研究内容之一,该文探讨了模糊集在这方面的使用,提出了模糊关联规则的概念,研究了模糊关联规则的性质及其挖掘算法,并将其应用于炼油工业的一个实例中。     

一种基于模糊理论的一致性数据融合方法

在多传感器检测系统中,每个传感器只能得到环境的部分信息。为作出合理的决策,并识别出有错误的传感器,有必要将传感器的局部观测值组合成全局估计。利用模糊集合理论中的隶属函数获得各传感器的局部决策,并采用“决策距离”的概念对各个传感器的一致性进行检验     

一种基于加权特征的可能模糊聚类方法*

利用数据点特征权重的概率约束关系和可能分布,提出了分别建立在概率和可能加权特征方式之上的改进可能模糊聚类的两种模型。其中建立在可能约束之上的改进PCM算法扩展了原算法,具有更广泛的适用性。实验结果表明,算法能够实现不同概率权重或可能分布特征条件下的模糊聚类,扩展了改进的PCM算法,适用性更广。与PCM及其改进算法相比,聚类的效果较为明显。     

Formal translation from fuzzy EER model to fuzzy XML model

XML has been the de facto standard of data representation and exchange over the Web. In addition, fuzzy data are inherent in the real-world applications. Although fuzzy information has been extensively investigated in the context of relational database model, the classical relational database model and its fuzzy extension to date do not satisfy the need of modeling and processing complex objects with imprecision and uncertainty on the Web. Based on fuzzy sets, this paper concentrates on fuzzy information modeling in the EER (enhanced entity-relationship or extended entity-relationship) model and the fuzzy XML model. In particular, the formal approach to mapping the fuzzy EER model to the fuzzy DTD (document type definition) model is developed.     

Fuzzy linear programming approach to multiattribute decision making with multiple types of attribute values and incomplete weight information

In the classical Linear Programming Technique for Multidimensional Analysis of Preference (LINMAP), the decision maker (DM) gives the pair-wise comparisons of alternatives with crisp truth degree 0 or 1. However, in the real world, DM is not sure enough in all comparisons and can express his/her opinion with some fuzzy truth degree. Thus, DM's preferences are given through pair-wise comparisons of alternatives with fuzzy truth degrees, which may be represented as trapezoidal fuzzy numbers (TrFNs). Considered such fuzzy truth degrees, the aim of this paper is to develop a new fuzzy linear programming technique for solving multiattribute decision making (MADM) problems with multiple types of attribute values and incomplete weight information. In this method, TrFNs, real numbers, and intervals are used to represent the multiple types of decision information. The fuzzy consistency and inconsistency indices are defined as TrFNs due to the alternatives’ comparisons with fuzzy truth degrees. Hereby a new fuzzy linear programming model is constructed and solved by the possibility linear programming method with TrFNs developed in this paper. The fuzzy ideal solution (IS) and the attribute weights are then obtained. The distances of alternatives from the fuzzy IS can be calculated to determine their ranking order. The implementation process of the method proposed in this paper is illustrated with a strategy partner selection example. The comparison analyzes show that the method proposed in this paper generalizes the classical LINMAP, fuzzy LINMAP and possibility LINMAP.