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。     

一种由乘积蕴涵算子构造的模糊概念格

建立了形式背景下一种由乘积蕴涵算子构造的模糊概念格,给出了它的定义方式;讨论了它的性质和层次结构,并给出了一种计算模糊概念的算法。通过数值例子说明了此类概念格的构造方法。     

一种模糊概念格快速构造方法及其计算机实现

摘 要 在模糊形式背景下,讨论了模糊概念的一种定义方式及其性质,并由此定义了模糊概念格。文中给出了模糊概念格构造算法,并结合实例求出所有模糊概念,得到了对应的模糊概念格。该方法快捷有效,具有实际应用价值。     

模糊概念格构建的Bordat方法

概念格是近年来兴起的知识表示模型.现实世界中的事物大多具有不精确性特征,如何将若干模糊对象构建成一个概念格具有重要的理论与应用价值.选择适于构建精确概念格的Bordat方法,应用模糊集理论对其进行改进,重新定义了概念格的顶节点确定过程和子节点生成算法,提出了构建模糊概念格的Bordat方法,结合实例说明了其应用,即生成相关的模糊概念,同时构建与之对应的模糊概念格.该方法不仅保留了作为数据源的模糊形式背景的所有信息,而且所需生成的模糊概念数量少,方法简单快捷,易于计算机实现.     

基于决策重要度的概念认知学习模型

概念认知学习是模拟人类认知过程的概念学习方法,大多从概念相似性的角度出发,往往忽略先验决策信息的影响,造成有效信息的丢失.因此,文中提取先验决策信息,刻画决策重要性,提出基于决策重要度的概念认知学习模型,用于动态环境中的概念归类.首先,通过余弦相似度构造邻域粒,探讨概念认知的渐进过程.然后,面对动态环境,考虑到先验决策信息对后续学习的影响,进一步提出决策重要度和置信度,设计概念分类的计算方法.最后,通过仿真实验验证文中模型的有效性和优越性.     

基于模糊算子的煤矿瓦斯状态诊断研究

将模糊算子的运算方法引入到煤矿瓦斯状态研究中,设计了基于模糊算子的煤矿瓦斯状态诊断模型,然后将该状态诊断模型应用于工程实例。结果表明,模糊算子诊断方法更加科学有效,它具有实现简单、可移植性强、易扩展、易改进、诊断结果更加准确等优势。     

基于CP算法的概念格动态生成模型

介绍了一种基于形式背景分割(Context Partition)算法的概念格动态生成模型。算法利用提出的分割相关度的定义,根据用户需求对原形式背景进行不同规模的分割,由生成的兼容子背景构造概念格。实验证明,在各对象间的分割相关度差别较大的情况下,模型不但提高了概念格生成效率,而且使得生成的每个格节点与用户需求相关,提高了概念格的有用性。     

一种基于概念可辨识矩阵的概念约简方法

基于布尔因子分析的概念约简能够保持形式背景的二元关系不变。借鉴概念格中基于可辨识矩阵求解属性约简的思想,在形式背景上定义概念可辨识矩阵,基于此给出保持二元关系不变的概念约简方法。首先,在形式背景上定义一种新的可辨识矩阵,称之为概念可辨识矩阵。该矩阵的行和列都是形式概念,矩阵的每个元素是由属于所在行的形式概念的所有对象和属性对,但不属于所在列的形式概念的对象和属性对构成的集合。其次,研究概念可辨识矩阵与概念协调集之间的关系,利用概念可辨识矩阵给出概念协调集的判定方法。然后,利用概念可辨识矩阵详细讨论核心概念、相对必要概念和不必要概念的特征,进而分别给出判断这3类形式概念的方法。最后,给出基于概念可辨识矩阵寻找概念约简的步骤。     

基于模糊贝叶斯决策的核心概念抽取方法

为了提高特定领域核心概念抽取的效率,提出一种基于模糊贝叶斯决策的核心概念抽取方法。在特定领域内随机抽取大量文本并进行分词获取候选概念;然后采用TF-IDF算法计算候选概念的各项特征值,采用概念隶属度归一化处理候选概念特征值;最终通过贝叶斯决策计算候选概念为核心概念的概率。在财经领域相关数据集上进行文本核心概念抽取的实验结果表明,所提方法的F1值相比TextRank、LDA主题模型、word2vec词聚类模型、RNN、LSTM等的F1值有所提高。综合实验结果表明,基于模糊贝叶斯决策的核心概念抽取方法在核心概念抽取方面表现较好。     

Epistemological Approach to the Process of Practice

Systems based on symbolic knowledge have performed extremely well in processing reason, yet, remain beset with problems of brittleness in many domains. Connectionist approaches do similarly well in emulating interactive domains, however, have struggled when modelling higher brain functions. Neither of these dichotomous approaches, however, have provided many inroads into the area of human reasoning that psychology and sociology refer to as the process of practice. This paper argues that the absence of a model for the process of practise in current approaches is a significant contributor to brittleness. This paper will investigate how the process of practise relates to deeper forms of contextual representations of knowledge. While researchers and developers of knowledge based systems have often incorporated the notion of context they treat context as a static entity, neglecting many connectionists’ work in learning hidden and dynamic contexts. This paper argues that the omission of these higher forms of context is one of the fundamental problems in the application and interpretation of symbolic knowledge. Finally, these ideas for modelling context will lead to the reinterpretation of situation cognition which makes a significant step towards a philosophy of knowledge that could lead to the modelling of the process of practice.

基于模糊认知图的动态网格分布式资源调度

论文利用多代理的理论,通过网格节点自主选择任务来实现网格系统中的资源优化调度。由于各节点的自主性,对于任务分配方案将存在不同的支持度。论文采用模糊认知图,建立了对任务分配方案的支持度的协调控制策略,并在此基础上给出了一种智能的网格资源调度策略。考虑到各个网格节点的资源配置各不相同,提出了标准支持度的概念,保证了支持度协调策略的可行性和有效性。该调度策略无需存在处于上层的资源调度单元,各节点通过协调对任务分配方案的标准支持度即可实现网格资源的优化调度。该策略适用于分布式计算,并支持网格节点的动态变化,具有较好的实时性和鲁棒性。     

隶属函数分布对Fuzzy-PI控制器动态性能的影响

为研究模糊控制器的隶属函数分布对Fuzzy-PI控制器动态性能的影响,达到优化Fuzzy-PI控制器动态性能的目的,以二阶系统为研究模型,用模糊控制器来修正比例系数Kp及积分系数Ki,根据PI控制器参数自整定原则,通过改变输入变量误差E及误差变化率EC的隶属函数分布,在MatlabSimulink环境下仿真Fuzzy-PI控制器的输出。通过数据分析,得出了变量误差E及误差化率EC的隶属函数分布对上升时间、最大超调量、调整时间影响的规律。     

基于概率模糊认知图的Mstream攻击检测方法

提出了一种分布式拒绝服务攻击Mstream的检测方法。设计基于概率模糊认知图（PFCM）的Mstream攻击图,并以该图描述Mstream攻击,利用概率测度表述事件间的时序关系、约束关系和关系的不确定性,结合模糊理论设计基于PFCM的Mstream攻击检测算法。实验表明,该方法不但能准确检测出分布式拒绝服务攻击Mstream,而且还能判断出正在进行中的Mstream攻击的程度。     

Exterminating the Dynamic Change Bug: A Concrete Approach to Support Workflow Change

Adaptability has become one of the major research topics in the area of workflow management. Today's workflow management systems have problems dealing with both ad-hoc changes and evolutionary changes. As a result, the workflow management system is not used to support dynamically changing workflow processes or the workflow process is supported in a rigid manner, i.e., changes are not allowed or handled outside of the workflow management system. In this paper, we focus on a notorious problem caused by workflow change: the dynamic change bug (Ellis et al.; Proceedings of the Conference on Organizational Computing Systems, Milpitas, California, ACM SIGOIS, ACM Press, New York, 1995, pp. 10–21). The dynamic change bug refers to errors introduced by migrating a case (i.e., a process instance) from the old process definition to the new one. A transfer from the old process to the new process can lead to duplication of work, skipping of tasks, deadlocks, and livelocks. This paper describes an approach for calculating a safe change region. If a case is in such a change region, the transfer is postponed.     

因果关系,贝叶斯网络与认知图

因果关系在预测和推理中具有重要的作用.贝叶斯网络已被用于构建诊断和决策系统.近年来模糊认知图得到了重视.模糊认知图为结构性知识与因果推理提供了又一个理论框架.本文简单介绍贝叶斯网络与认知图及其推理方法在智能系统中的应用.     

A Game Theoretic Approach to the Analysis of Dynamic Networks

A model of dynamic networks is introduced which incorporates three kinds of network changes: deletion of nodes (by faults or sabotage), restoration of nodes (by actions of “repair”), and creation of nodes (by actions that extend the network). The antagonism between the operations of deletion and restoration resp. creation is modelled by a game between the two agents “Destructor” and “Constructor”. In this framework of dynamic model-checking, we consider as specifications (“winning conditions” for Constructor) elementary requirements on connectivity of those networks which are reachable from some initial given network. We show some basic results on the (un-)decidability and hardness of dynamic model-checking problems.     

一种建立粗糙数据模型的监督模糊聚类方法

提出了在输入-输出积空间中利用监督模糊聚类技术快速建立粗糙数据模型(rough data model,简称RDM)的一种方法.该方法将RDM模型的分类质量性能指标与具有良好特性的Gustafson-Kessel(G-K)聚类算法结合在一起,并通过引入数据对模糊类的推定隶属度的概念,给出了将模糊聚类模型转化为粗糙数据模型的方法,从而设计出一种通过迭代计算使目标函数最小的两个必要条件方程来获取RDM模型的有效算法,将Kowalczyk方法的多维搜索过程变为以聚类数目为参数的一维搜索,极大地减少了寻优时间.与传统的粗糙集理论和Kowalczyk方法相比,提出的方法具有更好的数据概括能力和噪声数据处理能力.最后,通过不同的数据集实验测试,结果表明了该方法的有效性.     

基于动态模糊模型的稳定模糊状态反馈控制器的遗传算法实现

分别从级数和Ｌｙａｐｕｎｏｖ稳定的角度分析了基于动态模糊模型的离散模糊系统的稳定性，得到了稳定性的充分条件。并在此基础上给出了对模糊状态反馈控制器参数进行优化设计的一种遗传算法实现策略。仿真例子表明了其优越性。