决策融合的模糊积分方法

提出了一种基于模糊积分方法的多传感器决策融合算法．模式分类实验表明,该算法可以有效提高融合系统的正确分类率．     

基于加权模糊推理网络的文本自动分类方法

针对数据挖掘中的文本自动分类问题,提出了一种基于加权模糊推理网络的分类方法．网络的基本信息处理单元为模糊推理神经元,融合了模糊逻辑能够较完整的表达领域规则和先验知识以及神经网络自适应环境的优点．根据模糊推理规则的量化表示形式和微分方程数值解的动力学思想推导出网络一种新的学习算法．该算法以文本特征谓词的真度作为分类依据,体现了模糊分类的思想以旅游站点网页分类为例验证了该方法的有效性。     

一种个有参数学习能力的决策融合方法

提出了一种基于模糊积分方法的多决策融合算法,通过对训练数据的学习来确定每个传感器的重要程度。分类实验表明,该算法可以有效提高融合系统的分类率。     

一种挖掘概念漂移数据流的模糊积分集成分类方法

针对隐含概念漂移和噪声的数据流,提出一种基于模糊积分融合的数据流分类方法(fuzzy integral ensemble classifiers for mining data streams, FI-MDS)。将模糊积分融合方法与集成综合技术有效结合起来,首先通过基分类器对识别样例进行分类得到决策剖面,然后再用模糊积分融合方法得到最终的分类结果,同时引入动态权值更新以提高算法的适应性。实验结果表明,与传统的数据流分类算法相比,该方法提高了概念漂移的检测精度,有效地解决了数据流中复杂分类问题,具有良好的分类性和健壮性。     

航天器诊断系统的多观测模糊融合技术研究

为解决航天器诊断系统中冗余多观测信息存在不确定性时的数据融合与冲突处理问题，给出了一种基于模糊理论的多观测融合算法，对算法进行了数学描述．该算法以模糊测度理论为背景，首先将冗余观测数据进行模糊化表示，然后按照模糊融合理论进行结果融合，最后进行模糊融合结果的可靠性评估．该算法解决了冗余观测存在不准确信息时的诊断问题．通过航天器诊断系统中的实测数据实例，说明了算法的实用性．     

基于模糊积分的多分类器融合文本分类研究

提出一种基于模糊积分的多神经网络分类器融合文本分类方法,利用Sugeno模糊积分作为融合工具,将BP神经网络、RBF神经网络及采用K-means算法的RBF神经网络等多种文本分类器相结合,取得了更加优化的中文文本分类结果。     

变结构模糊神经网络在信息融合中的应用

针对多传感器信息融合方法的复杂性和多样性问题,依据智能融合理论,采用模糊逻辑和神经网络技术,提出了一种用于机器人多传感器信息融合的变结构模糊神经网络方法,并对其进行仿真．仿真结果表明,该融合算法的有效性是一种比较实用的融合方法．     

一种构建分类系统的新方法

为了自动获取分类规则并构建高性能的分类系统，研究了一种新方法．应用模糊集软化数量型属性的划分边界，提出了模糊分类关联规则的挖掘算法，给出了基于模糊分类关联规则的分类系统构建方法．结果表明，基于模糊分类关联规则构建的分类系统具有较好的精度和可解释性．     

一种双波段红外图像弱小目标融合检测新算法

提出了一种基于模糊推理的双波段红外图像弱小目标融合检测新算法．首先分别得到双波段红外差分图像,根据差分图像的噪声特性引入隶属度函数来衡量像素点灰度变化程度,对多帧差分图像进行融合,按照“IF…THEN…”规则分别完成单一波段融合后的图像模糊推理,提取目标运动航迹,最后通过融合双波段的航迹实现弱小目标的检测．仿真实验结果表明,该算法通过模糊推理克服了 “硬”判决带来检测概率低的缺点,利用双波段红外图像融合提高了检测性能,可以有效地检测出低信噪比红外图像序列中的弱小运动目标．     

基于关联性的动态分类模型—以皮肤与体质为例

关联性识别对于系统演化规律的确定意义重大,从测试数据累积、更新的视角,针对皮肤指标与中医体质之间的关联性进行探索,构建分类模型。提出基于建模数据动态修订决策树和模糊朴素贝叶斯融合算法的权重,建立具有较好分类及解释性的分类模型。其中决策树采用最佳后剪枝方式,避免过拟合弊端;朴素贝叶斯算法则通过定义指标归属区间的模糊隶属度来解决属性分类中存在的随机与模糊性。实证结果表明随着建模数据的变化,分类模型的融合权重动态调整,目前模型的准确率为86.7%,高于独立决策树、朴素贝叶斯的83.3%和80%,亦高于对照组小数据分类模型的76.7%。可见此动态分类模型可有效利用参与建模的数据信息识别出外在皮肤与内在体质之间的关联性,为皮肤-体质间的定量研究奠定了基础。目的：针对人体面部皮肤状态指标与中医体质类型之间的关联性进行科学、定量研究,从测试数据持续累积与知识发现深入推进的过程视角,尝试揭示人体内在中医体质与外观皮肤状态指标间的复杂动态演化规律。方法：本文综合小样本条件下决策树的良好归纳特性及大样本条件下贝叶斯算法分类准确率高的优势。提出基于建模数据量会不断增多的趋势,构建可自适应修订决策树和模糊朴素贝叶斯融合分类算法的权重,以适用于测试数据从小到大积累过程中分类模型均具有较好分类特性及可解释性的应用要求。其中决策树采用最佳后剪枝方式,避免了常规决策树存在的过拟合弊端;朴素贝叶斯算法则通过定义指标归属区间的模糊隶属度来解决皮肤属性测试与分类中存在的随机性与模糊性。结果：实证结果表明本文提出的分类模型的融合权重可动态调整且随着建模数据的增多分类精度会相应提高。目前对应151个建模数据的分类模型的分类准确率为86.7%,高于独立决策树、朴素贝叶斯的83.3%和80%,亦高于对照组80个建模数据对应分类准确率的76.7%。结论：可见此皮肤—体质动态分类模型通过有效利用参与建模的数据信息,能识别出人体面部外观皮肤状态指标与内在中医体质之间的复杂关联性,建立的分类模型具有较好的精度与可解释性,为基于数据驱动的中医理论的科学化、智能化发展进行了有益的探索。     

利用数据融合来解决目标识别问题

提出了一种用于目标识别与分类的改进算法,以模糊数学和Ｄ－Ｓ证据理论作为其数据融合的工具,通过比较基于融合信息进行分类与单传感器分类的结果,说明多传感器数据融合的优越性。     

机械系统工作可靠度的模糊神经网络分类方法

提出一种用于机械系统工作可靠度评价的模糊神经网络方法，该方法采用模糊系统配置神经网络。该网络由输出层、模糊量词层、模糊规则层、模糊分类评价层和决策层构成，给出一个算例说明本模型的应用方法。     

基于多特征融合的运动物体识别方法研究

为了实现运动目标的实时检测,本文基于多特征融合,提出了一种运动物体分级识别方法.首先通过对运动目标的分割,分析得到各个物体的形状矩特征、面积大小及运动速度.对上述特征,采用支持向量机方法对其矩特征进行快速的一级分类,然后对一级分类结果及各物体的面积、速度等信源根据其对分类的重要程度,采用模糊积分技术进行多特征融合分类.实验表明,本方法具有较强的学习能力及较高的识别精度,可有效地应用于道路监控等系统.     

基于小波变换的模糊航迹关联算法

航迹关联是实现分布式多传感器信息融合的关键技术.针对传统的模糊关联算法正确关联率低的问题,基于小波变换对传统的模糊关联算法进行了改进,提出一种新的航迹关联算法.首先,通过小波分析对目标航迹数据序列进行处理,获取新的航迹特征;然后,采用模糊均值聚类法确立隶属度函数、综合相似度和阈值判决准则,完成对已获取的新航迹特征的分类关联.仿真实验表明：与模糊算法相比,该算法的正确关联率提高约0.30.     

基于模糊积分多分类器融合的JPEG 图像隐写算法识别

提取和恢复嵌入信息是隐写分析的最终目的,嵌入算法识别是秘密信息提取的前提。目前研究者针对隐写算法识别提出了多种隐写分析系统,但这些系统各有优缺点,因此实际应用中难以取舍。文章提出基于模糊积分的多分类器融合方法来识别JPEG图像隐写算法。实验结果表明,相对于单个隐写分析系统,通过分类器融合后识别精度提高约5%。     

基于信息融合的超谱图象分类方法研究

针对高数据维给超谱图象有效信息提取和分类造成的困难，引入了自适应子空间分解方法进行数据源的划分，并在此基础上进行了基于信息融合的超谱图象分类研究，在根据超谱数据本身特点获得的子窨上进行信息融合，有利于分类特征的集中和提取，实验结果表明，利用自适应子空间分解方法划分数据源是有效的，基于小波变换的特征层融合和基于意见一致性理论的决策层融合适合超谱图象的分类。