一种改进的集对贴近度方法及在多证据目标识别中的应用

为解决多目标识别问题,将集对分析思想引入多证据目标识别中并利用集对贴近度来对待识别的目标进行排序。文章针对该方法在处理相似目标识别时贴近度相近的缺陷,将多个证据组成的证据集合看作是由多个证据组成的证据空间并在欧氏空间权距离的基础上改进了集对贴近度算法。文章对两种贴近度算法进行了大样本仿真和分析,仿真结果表明两种贴近度算法的识别结果冲突概率很小,改进的集对贴近度算法简单有效,能对相似目标的识别结果进行更好的区分。     

基于多属性决策的模糊特征目标识别

针对指挥与控制系统在目标识别过程中的模糊特征信息导致目标识别准确率低的问题,提出基于多属性决策的模糊特征目标识别方法。首先,引入三角模糊数,将观测值转化为模糊数;然后,使用加权欧式距离计算目标相似度,并使用基于指标相关性的权重确定(criteria importance through intercriteria correlation, CRITIC)方法得到目标特征属性权重,基于目标相似度和特征属性权重构建加权相似度矩阵;最后,使用相对熵排序法计算出目标贴近度排序,识别出目标。基于多个指标的仿真结果表明,所提方法提高了目标识别准确率和系统的目标识别能力。     

基于卷积神经网络的交通标志模糊影像识别

当前方法不能有效的识别交通标志模糊影像,且识别交通标志所用的时间较长,存在识别效果差和识别效率低的问题。提出基于卷积神经网络的交通标志模糊影像识别方法,首先对交通标志模糊图像做亮度均衡化处理,消除交通标志自身因素和天气因素对交通标志识别过程产生的影响。对均衡化处理后的图像进行分割,计算各个图像块的显著度,挑选显著度最高的图像块作为交通标志图像的感兴趣区域。提取感兴区域中存在的HOG特征向量和LBP特征向量,对HOG特征向量和LBP特征向量进行融合,得到交通标志图像的HOG-LBP特征。将HOG-LBP特征输入卷积神经网络中,在卷积神经网络中进行前向计算和反向计算,根据计算结果调整偏差和权值,输出交通标志模糊影像的识别结果,实现交通标志模糊影像的识别。仿真结果表明,所提方法的识别效果好、识别效率高。     

基于组合分类器的自由手写体数字识别方法

自由手写体数字识别广泛应用于信息录入和文本识别中。基于组合分类器实现手写数字的识别,克服了单因子识别的局限性,识别中使用距离法和改进的BP神经网络方法,以多种特征向量作为分类器的输入,以举手法则确定识别输出。实验证明,该系统具有较高的识别率和极低的误识率,有令人鼓舞的应用价值。     

城轨车辆辅助逆变器IGBT状态识别研究

提出一种基于小波包分解和马氏距离的IGBT状态识别方法,并应用于地铁车辆辅助逆变电路。首先建立Matlab电路模型,分别对该电路的不同故障临界状态和正常状态进行仿真分析,提取输出电流信号进行小波包分解得到信号特征向量,作为特征样本。利用特征样本计算各临界故障与正常情况下的马氏距离,作为识别阈值。实际应用时,将待测电路与正常状态做马氏距离,对比阈值区间完成电路状态识别。实验表明,此方法能简单有效检测区分软硬故障,实现IGBT状态识别。     

模糊聚类在中文文本分类中的应用研究

将基于等价关系的模糊聚类技术应用于中文文本分类,提出了基于模糊聚类的中文文本分类算法ATCFC。该算法利用基于二级字索引的正向最大匹配算法对文本分词,建立模糊特征向量空间模型,使用贴近度法刻划文本间的相似度。利用算法ATCFC对文本集合进行动态聚类实验,实验结果表明算法ATCFC对于中文文本分类是可行、有效的。     

基于复数高分辨距离像特征提取的雷达自动目标识别

高分辨距离像(HRRP)已成为雷达自动目标识别(RATR)领域研究的热点。由于目标复数HRRP的初相具有不确定性(本文称其为初相敏感性),在RATR中通常使用的HRRP为实向量(文中称为实HRRP),即目标复基频回波信号的幅度像,而完全丢弃了相位信息。事实上,复HRRP中除初相外的其他相位信息也应该是对识别有利的。文中提出了一种复HRRP的特征提取方法,该方法得到的复特征向量与初相无关但却保留了距离单元间的差分相位信息,称为相位差分复特征向量。若基于散射点模型理论分析,这种复特征向量的物理意义与实HRRP类似(只是包含了差分相位信息),因此,对实HRRP适用的识别、建模和预处理方法同样适用于该复特征向量。同时,相位差分复特征向量的各分量具有类Gauss性,更有利于统计识别。基于实测数据的识别实验表明,只要在特征提取时适当选取距离单元间隔参数,文中提出的相位差分复特征向量可以取得比实HRRP更好的识别效果。     

信息集成中的实体识别解决方案

分析了实体识别过程中存在的问题,并在基于本体的语义信息集成中模式异构和上下文异构已经得到解决的基础上,提出一个基于两阶段特征向量处理的解决方案来提高分布环境下实体识别的效率.最后针对实体识别中比较函数主要考虑英文字符串特点导致中文字符串精度较低的特点设计了一个基于公共子串的比较函数,实验证明该函数与基于编辑距离的比较函数比较,具有更高的查全率、查准率和更低的时间复杂度.     

基于D-LDA与最近特征分类法的眼虹膜识别系统

以3个主要处理阶段来实现一个高识别率的虹膜识别系统。撷取人眼图像进而分离出虹膜图像,再利用图像处理予以改善,使得虹膜图像更适于后续的识别。接着建立虹膜的特征向量,在虹膜图像展开的过程中,解决了虹膜图像旋转不变性的问题,然后利用直接线性判别分析（D-LDA）的方式进行特征抽取,使得所产生出来的特征向量拥有最大类别间距离与最小类别内距离的特性。最后,探讨多种最近特征分类法与其识别效果,并将上述方法设计完成一套眼虹膜识别系统。实验结果显示,在样本特征向量数较少的情况下识别率有96．47％,如果在每个类别中增加样本特征向量的数量,则系统的识别率可以达到98．50％。     

基于角点特征的形状识别

根据飞机形状角点之间的距离,定义了一种新的多维距离特征向量,不同飞机具有不同的多维距离向量.计算多维距离特征向量之间的相关系数,比较多维距离特征向量之间的相关性,能将每种飞机从飞机模型库中识别出来.实验表明,这种新特征向量具有较好的稳定性和区分性,算法识别率高、速度快,几乎达到实时效果.     

基于模糊模型相似测量的字符无监督分类法

该文提出一种基于模糊模型相似测量的文本分析系统的字符预分类方法 ,用于对字符的无监督分类 ,以提高整个字符识别系统的速度、正确性和鲁棒性 .作者在字符印刷结构归类的基础上 ,采用模板匹配方法将各类字符分别转换成基于一非线性加权相似函数的模糊样板集合 .模糊字符的无监督分类是字符匹配的一种自然范例并发展了加权模糊相似测量的研究 .该文讨论了该模糊模型的特性、模糊样板匹配的规则 ,并用于加快字符分类处理 ,经过字符分类 ,在字符识别时由于只需针对较小的模糊样板集合而变得容易和快速     

运用Vague集进行多传感器目标识别

针对具有多个特征指标的多传感器目标识别问题,采用 Vague 集表达目标特征的不确定信息,提出了一种新的多传感器目标识别方法.定义两 Vague 集之间的加权 Hamming 距离和相似度,建立了Vague 集表达的多传感器目标识别模型,通过最小化各目标类型的 Vague 度优化模型客观地确定了各特征的权重,利用相似度...     

Distance and similarity measures of Pythagorean fuzzy sets based on the Hausdorff metric with application to fuzzy TOPSIS

Pythagorean fuzzy sets (PFSs) were proposed by Yager in 2013 to treat imprecise and vague information in daily life more rigorously and efficiently with higher precision than intuitionistic fuzzy sets. In this paper, we construct new distance and similarity measures of PFSs based on the Hausdorff metric. We first develop a method to calculate a distance between PFSs based on the Hasudorff metric, along with proving several properties and theorems. We then consider a generalization of other distance measures, such as the Hamming distance, the Euclidean distance, and their normalized versions. On the basis of the proposed distances for PFSs, we give new similarity measures to compute the similarity degree of PFSs. Some examples related to pattern recognition and linguistic variables are used to validate the proposed distance and similarity measures. Finally, we apply the proposed methods to multicriteria decision-making by constructing a Pythagorean fuzzy Technique for Order Preference by Similarity to an Ideal Solution and then present a practical example to address an important issue related to social sector. Numerical results indicate that the proposed methods are reasonable and applicable and also that they are well suited in pattern recognition, linguistic variables, and multicriteria decision-making with PFSs.     

犹豫模糊信息相似性测度与群一致性测度及群决策应用

针对目前关于犹豫模糊运算与测度的研究中存在的不足,首先给出犹豫模糊熵函数的定义,并将其作为犹豫模糊信息不确定性测度,进而提出犹豫模糊信息特征向量概念,以信息特征向量为出发点对犹豫模糊距离测度和相似性测度展开研究;为优化群决策过程,提出基于完全优先关系的群一致性测度概念并研究其性质;最后,提出基于相似性测度和群一致性测度的群决策方法并结合算例验证所提出方法的有效性.     

多传感器目标识别的Vague集方法研究

采用Vague集来表达目标特征的模糊测量信息,提出了一种基于Vague集的多传感器目标识别方法。定义两Vague值之间的贴近度,建立了Vague集表达的目标识别数据库模型,利用贴近度矩阵客观地确定了各特征的权重,根据综合贴近度给出目标识别算法。实例分析表明方法的有效性。     

基于海明距离的直觉模糊粗糙集相似度量方法

针对直觉模糊粗糙集的相似度量问题,提出了一种基于海明距离的直觉模糊粗糙集相似度量方法。首先给出了两个直觉模糊粗糙值问的相似度量方法,并揭示了它的若干重要性质。然后,在此基础上,又提出了一种基于海明距离的直觉模糊粗糙集相似度量方法,并证明它也具有同样的性质。最后用数值算例验证了这种方法的有效性。     

对模糊聚类分析法的改进及其在SRM中的应用

针对传统模糊聚类分析法在信息系统的决策分析中无法有效解决各因素之间的相关性干扰,以及不同特征属性对聚类目标存在重要性差异等问题,本文提出一种融合层次分析法、Mahalanobis距离法及专家群决策法的改进模糊聚类分析法。在特征属性的重要性处理环节,层次分析法用于判断不同特征属性的相对重要性差异;引入Mahalanobis距离法进行相似矩阵的构建,能解决变量之间的相关性干扰问题;专家群决策法用于确定最佳阈值λ,能最大程度地降低主观因素对评价结论的不利影响。在SRM中的应用实验结果表明,改进的模糊聚类分析法在客观性和准确性上更能满足信息系统决策分析的需要。     

基于包含度的直觉模糊相似度量方法

针对现有文献中涉及到直觉模糊相似度量的计算公式大多是基于直觉模糊距离测度的现状,提出一种基于包含度的直觉模糊相似度量方法。借助模糊蕴涵算子和集合基数,建立了IFS包含度的一系列具体公式,揭示了IFS包含度与相似度的关系,提出了一种基于包含度的IFS相似度量方法,并以具体算例表明该方法不仅可以解决中部分存在的问题,而且为研究IFS相似度量理论开辟一个新的途径。     

Fuzzy Diffusion Distance Learning for Cartoon Similarity Estimation

In this paper,a novel method called fuzzy diffusion maps (FDM) is proposed to evaluate cartoon similarity,which is critical to the applications of cartoon recognition,cartoon clustering and cartoon reusing.We find that the features from heterogeneous sources have different influence on cartoon similarity estimation.In order to take all the features into consideration,a fuzzy consistent relation is presented to convert the preference order of the features into preference degree,from which the weights are calculated.Based on the features and weights,the sum of the squared differences (L2) can be calculated between any cartoon data.However,it has been demonstrated in some research work that the cartoon dataset lies in a low-dimensional manifold,in which the L2 distance cannot evaluate the similarity directly.Unlike the global geodesic distance preserved in Isomap,the local neighboring relationship preserved in Locally Linear Embedding,and the local similarities of neighboring points preserved in Laplacian Eigenmaps,the diffusion maps we adopt preserve diffusion distance summing over all paths of length connecting the two data.As a consequence,this diffusion distance is very robust to noise perturbation.Our experiment in cartoon classification using Receiver Operating Curves shows fuzzy consistent relation’s excellent performance on weights assignment.The FDM’s performance on cartoon similarity evaluation is tested on the experiments of cartoon recognition and clustering.The results show that FDM can evaluate the cartoon similarity more precisely and stably compared with other methods.     

改进的直觉模糊粗糙集相似性度量方法

针对现有的直觉模糊粗糙集相似性度量的问题,提出了一种改进的基于海明距离的直觉模糊粗糙集相似性度量方法。该方法考虑了犹豫度并引入加权参数,解决了相似性度量不精确的问题。首先给出了直觉模糊粗糙值间的相似性度量定义,并揭示其若干重要性质。在此基础上,提出了直觉模糊粗糙集间的相似性度量方法,并证明其具有同样性质。最后通过数值算例分析说明了该方法更合理、更有效。