正态分布真随机数云模型发生器

云模型发生器多是基于伪随机数的发生器.在充分研究了随机数发生器、云模型的国内外发展现状的基础上,设计了一种产生高质量随机数的硬件实现方案,并使用软件的方法将均匀分布的真随机序列逐步转换成正态分布真随机数一维云模型,全面论述了一种基于真随机数的云模型发生器的实现方法,国内尚属首次,是对云模型研究的有益补充.     

一种基于云模型的数据传输算法

分布式系统中的多个Excel文件中的数据如何高效地组织和传输,是一个常见的问题。实现了新的基于云模型的数据传输算法,利用正向云发生器实现网络流量的定性定量转换,利用虚拟云的算法获得了最终的传输云模型,通过分析云滴分布得到数据传输的方向和目的位置。实例验证表明,传输模型可靠,实现了网络流量的动态均衡,具有一定的实践意义和指导作用。     

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.     

隶属云和隶属云发生器

本文针对模糊集理论基石的隶属函数，提出了隶属云的新思想，给出了用数学特征描述隶属云的方法和正态隶属云的数学模型，探讨了隶属云发生器的实现技术及应用场合，从而为社会和自然科学中的诸多问题用定性和定量相结合的处理方法奠定了基础。     

基于分形几何的动态云模拟

云是一种重要的自然景观。对云彩的模拟在视景仿真系统、计算机游戏、三维动画中有着广泛的应用。该文针对目前一些云彩模拟方法中存在的实现复杂、计算耗时、图像分辨力不高且只能生成静态云等问题,提出了一种在分形几何的Diamond—Square算法中采用改良的随机数发生器和顶点扰动、纹理运动结合模拟实现动态云的方法。基本思想是通过运用二次随机法构造改良的随机数发生器,并把它应用到分形几何的Diamond—Square算法中生成逼真的静态云图,然后通过顶点扰动、纹理运动结合模拟实现动态云。最后运用VC＋＋和OpenGL开发工具实现了云的动态模拟。结果表明,该方法实现简单,可获得实时、逼真的动态云效果。     

曲线拟合的逆向云改进算法

逆向云发生器是从定量数据到定性概念的转化模型。在逆向云生成算法中, Ex 的估计值对En和He的估计有比较大的影响,直接使用样本均值进行参数估计会导致较大的误差。本文通过深入研究云模型的相关算法,对逆向云生成算法进行改进。文中利用样本均值作为非线性拟合函数的初值,把拟合函数的返回参数作为Ex的估计值,改善了随机选取拟合初值造成结果不稳定现象,实现对逆向云参数优化。通过与其他几种逆向云生成算法进行对比,仿真结果表明：改进后的逆向云生成算法有较好的稳定性并且有较高的精度。     

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．     

对伪随机数发生器一种强度分析方法

本文建立了对伪随机数据发生器的强度进行描述的概率方法，用这种方法对伪随机数发生器问题的一些方面着重进行了探讨，并得到了由伪随机函数（置换）发生器构造伪随机数发生器一个具有一定实际意义的结果，本文认为此种方法为在密码不或进行较规范的数学化分析提供了一个工具。     

基于权重的云推理算法

虽然正态云模型具有普适性,但它在描述论域内单调上升或下降的概念时存在一些局限性,同时由于现有的云推理算法存在多条件下人为主观因素影响大、运算量大等问题,为此提出一种新的指数云模型来描述单调概念,并基于此提出一种基于权重的云推理算法。该算法将多条件发生器拆分为多个一维发生器,先通过层次分析法确定各个条件的属性权重,再采取加权平均法将单条件单规则发生器输出的结果精确化为一个具体的输出值。将基于权重的云推理算法用于鱼雷规避仿真系统中,并与模糊推理结果进行比较,验证了该算法的有效性和实用性。     

云推理方法及其在预测中的应用

不确定性推理是当前人工智能研究领域中的一项重要研究内容。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,实现不确定性推理。将基于云模型的不确定性推理方法用于预测实际工作环境中电子产品的使用寿命,说明了云推理方法的有效性和实用性。     

基于云模型的入侵检测方法

论文提出了一种基于云模型的入侵检测方法。该方法通过监控系统资源的使用情况(例如网络的流量、内存和CPU的使用情况),并对这些监控资源的原始数据进行处理,然后将处理后的数据输入到云决策器,云决策器根据设定的规则做出入侵决策。该方法能够检测系统级、网络级和用户级的入侵行为,模拟实验表明该方法有很强的检测能力和较好的鲁棒性。     

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。     

一种基于云模型的贝叶斯网络EM参数学习算法

针对贝叶斯网络连续节点离散化后,概念知识表达存在模糊性和随机性的问题,提出一种将云模型与EM(Expectations Maximization)算法相结合的贝叶斯网络参数学习算法。首先运用启发式高斯云变换算法(Heuristic Gaussian Cloud Transformation)和云发生器将连续节点定量样本转换成定性概念,并记录下样本对所属概念的确定度,运用确定度概率转换公式将确定度转换成相应概率;随后复制扩充样本并按概率选择所属概念;样本更新后结合EM算法进行参数优化,实现贝叶斯网络的参数学习。仿真实验结果表明,通过云模型表征概念得到的参数学习结果更加符合实际情况,参数学习精度和网络推理准确性得到了提高。     

Residential Electricity Classification Method Based On Cloud Computing Platform and Random Forest

With the rapid development and popularization of new-generation technologies such as cloud computing, big data, and artificial intelligence, the construction of smart grids has become more diversified. Accurate quick reading and classification of the electricity consumption of residential users can provide a more in-depth perception of the actual power consumption of residents, which is essential to ensure the normal operation of the power system, energy management and planning. Based on the distributed architecture of cloud computing, this paper designs an improved random forest residential electricity classification method. It uses the unique out-of-bag error of random forest and combines the Drosophila algorithm to optimize the internal parameters of the random forest, thereby improving the performance of the random forest algorithm. This method uses MapReduce to train an improved random forest model on the cloud computing platform, and then uses the trained model to analyze the residential electricity consumption data set, divides all residents into 5 categories, and verifies the effectiveness of the model through experiments and feasibility.     

多层云建模方法的研究及应用

分析了目前复杂大系统建模方法存在的优缺点,旨在研究一种适用于我国行政递阶管理机制的建模方法。这种方法能够很好地解决系统问题中的不确定性,尤其是人为主观造成的模糊性与采样数据随机性并存的问题。鉴于以上研究目标,探讨了多层状态空间模型,并引用图论诠释了其横向关系模型,同时融合正态云发生器的原理提出了一种"分解-集结"式的不确定性智能建模方法———多层云建模方法。最后将该方法用于我国能源系统分析研究中,取得了较好的结果,证明了该方法的简单性和有效性。     

Comparative Analysis of Cloud Boundary Observed by Millimeter Wave Cloud Radar and Radiosonde

The observation data obtained by a Ka-band cloud radar and radiosondes during July to August 2013,in Inner Mongolia were used to detect the cloud boundary.The results show that the Cloud Base Height(CBH) determined by the cloud radar is about 300 m lower than that from the radiosonde,and the CBHs from two equipments are close in most cases;however,the heights of cloud top are largely different.The analysis of the case with larger CBH deviation indicates that the radar detection is more sensitive than the radiosonde because of the presence of an atmosphere "dry layer" under the cloud base;The main causes of the deviation are the horizontal drift of the radiosonde and the humidity sensor error that increases with increasing height.By calculating and comparing the variation rate of cloud reflectivity,a credibility criterion is given for cloud radar detection of the height of cloud base and cloud top.     

利用云模型和数据场的图像分割方法

针对图像自动分割中的最优阈值选择问题,提出一种基于云模型和数据场的图像分割方法。 该方法引入数据场实现图像灰度值特征空间到数据场势值空间的非线性映射,设定两个不同的质量函数分别形成相对数据场和绝对数据场。利用两类数据场的特点,结合全局和局部统计特征获得自适应势阈值对图像像素进行划分,产生图像潜在的背景或目标像素集合。进一步由逆向云发生器算法产生图像背景和目标的云模型表示,根据图像像素隶属于背景、目标云模型的程度,采用极大判定法则得到最终的分割结果。 实验结果表明,该方法的分割效果较好、性能稳定,具有合理性和有效性。     

基于云模型理论面向大数据的协作联盟决策评价

针对联盟决策评价中存在较强的不确定性,提出基于云模型理论面向大数据的协作联盟决策评价方法.首先,构建面向大数据的多任务协作联盟多层决策评价架构,依托大数据处理分析平台获取联盟成员的基本评价指标的评价数据,应用逆向云发生器算法生成相应的评价云,并运用综合云运算产生联盟评价指标的云数字特征.然后,结合联盟评价指标权重和任务权重,运用云加权算术平均数算子进行云集结,分别产生单任务联盟决策评价云和多任务协作联盟决策评价云.再对多任务协作联盟备选方案进行决策评价和选优,以确定最优的联盟方案.最后通过实例与D-S证据理论联盟评价方法进行对比,验证文中方法的有效性.     

一维云模型系统的逼近性研究

针对云模型的基本原理,提出了一类云模型系统的设计方法,并利用Stone-Weierstrass定理对在3σ 正态分布随机数条件下的云模型系统任意逼近紧集上的任意连续实函数进行了证明, 是对云模型应用于逼近任意连续非线性函数理论的创新,也是今后云模型系统用于系统辨识和控制的理论依据.     

云规则生成器的异常分析与对策研究

云规则生成器是实现基于云模型的控制系统的核心模块，该文对云模型、定性知识的表示及云规则生成器的异常情况进行了分析，提出了异常报告、异常处理及前件序列化相结合的方法，从而提高了云规则生成器的稳定性、可靠性、效率及灵活性。最后，据此设计了云规则生成器的实现体系。