基于云模型的规则提取算法研究

提出了尺度云变换的新方法。该方法采用“半正态云”作为基本云,并引入位移因子,使基于数据的规则提取算法中的数据划分能充分反映数据的实际分布,减少提取的规则数量,提高规则的推理精度;通过引入数据关键点及最佳分割点以保证规则库的完备性。还首次提出T-S型云控制器的概念,并将尺度云变换方法应用到T-S型云控制器的设计中。仿真结果表明,该方法简单有效,由该方法提取的规则构建的T-S型云控制器能较好地复现原数据分布,误差能控制在给定范围内。     

定性规则的云表示

云模型是定性定量间的不确定转换模型，它将概念的模糊性和随机性集成在一起，利用云模型可以有效地表示基于语言值的定性规则。但已有的文献中，定性规则的云表示多种多样，文章根据各种云的内在联系提出了一维正态云的定性规则的统一表示。     

基于二维云模型的规则提取算法研究

从定量数据到定性概念的转换必然涉及到样本数据的划分问题,当样本数据维数较高时,对其合理划分是从中提取定性规则的难点问题。针对此问题,改进了尺度云变换算法,提出二维尺度云变换算法,使之可以处理二维数据。还给出了二维T-S型云控制器的设计,并结合一组实例数据,验证了算法的有效性。仿真结果表明,该算法可以较好地实现对原始数据空间的划分,提取的定性规则数量少,易于理解;由该方法提取的规则构建的T-S型云控制器能较好地复现原始数据分布,误差较小。     

一种基于定性推理的网页分类方法

本文描述一种基于定性推理的网页分类方法,即通过对网页属性与样本集的相关性来得出结果。我们通过做实验对该方法进行了测试,获得了满意的结果。     

二维正态云模型的单规则推理映射

针对二维正态云模型在实现数据的定量输入到规则的定性推理、再到数据的定量输出的转换过程中,其输出与输入之间的映射区域存在的不确定性问题,通过构造3σ正态分布随机数,在输入云模型与输出云模型分别具有相同的熵参数和超熵参数的情况下,总结出二维正态云模型的单规则推理映射规律,指出该映射区域是一个发散区域,其大小不但与云模型的参数期望有关,而且还与参数熵和超熵有关,而最大离散系数则与期望无关,该结论可以作为二维正态云模型多规则映射研究的理论指导.     

基于规则推理网络的分类模型

为了缓解神经网络的"黑盒子"机制引起的算法可解释性低的问题,基于使用证据推理算法的置信规则库推理方法(以下简称RIMER)提出了一个规则推理网络模型.该模型通过RIMER中的置信规则和推理机制提高网络的可解释性.首先证明了基于证据推理的推理函数是可偏导的,保证了算法的可行性;然后,给出了规则推理网络的网络框架和学习算法,利用RIMER中的推理过程作为规则推理网络的前馈过程,以保证网络的可解释性;使用梯度下降法调整规则库中的参数以建立更合理的置信规则库,为了降低学习复杂度,提出了"伪梯度"的概念;最后,通过分类对比实验,分析了所提算法在精确度和可解释性上的优势.实验结果表明,当训练数据集规模较小时,规则推理网络的表现良好,当训练数据规模扩大时,规则推理网络也能达到令人满意的结果.     

动态系统的定性推理：定性模型的建立与定性仿真方法

本文首先介绍了动态系统的定性推理的产生背景，发展概况以及定性推理的实际应用前景，然后以Ｋｕｉｐｅｒｓ的定性仿真理论为中心介绍了定性推理的基本原理及方法，其中重点介绍了动态定性仿真算法ＱＳＩＭ和定性推理的最新发展，并对存在的问题进行了探讨。     

一种基于云理论的Web日志定性规则提取方法

通过对Web日志中用户访问模式规则抽取方法的研究,提出一种基于云理论的Web日志定性规则提取方法。该方法分析了影响用户兴趣度的时间因素,利用云模型表示关联规则挖掘中支持度和置信度的“软阈值”,采用云变换过程来实现各页面停留时间定性概念的划分,克服了边界过硬的问题。与传统方式相比,该方法挖掘出的规则是一种基于时间概念的多条件多规则的定性描述形式,能够灵活地反映Web用户访问模式的规律性。     

基于云模型的案例推理研究

本文首先介绍了基础的对象型知识推理形式,把对象型知识推理又细分为面向框架和面向案例两种。在此基础上对这几种推理引进云模型理论,从而使得推理过程更接近于人的思维,虽然与原来相比在一定程度上增加了推理的繁琐度,但得到的推理结果更符合实际要求。     

基于模糊区域分布的分类规则提取及推理算法

基于不同分类的样本在各规则对应模糊区域的隶属度分布,定义了一种规则相对匹配度,比分类匹配度更能体现样本在不同模糊区域的分布对比.设计了模糊区域分布矩阵,由该矩阵可以算得规则相对匹配度和分类匹配度,并提出了基于规则相对匹配度的分类规则提取算法,同分类匹配度算法相比,该算法充分考虑了每条规则之间的隶属度分布对比,同时以各分类样本的相对数量作为加权系数,从而兼顾了学习空间的全局密度优势和局部数量优势.通过解模糊器实现了基于规则的分类推理,其推理过程比以往算法具有更好的解释性和简洁性.最后,由Iris数据和Wine数据的分类实验证明:无论样本数量均衡与否,由规则相对匹配度提取规则都具有更好的分类效果.     

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.     

基于遗传算法的云存储分类规则提取

针对云存储数据源分散、难于集中的特点,根据代理提取分类规则数与每个代理提取误差率以及整体提取误差率之间的关系,提出一种基于遗传算法的云存储分类规则提取方法.在代理端分布式提取分类规则后传输到中心数据库进行归并,从而达到分布式提取分类规则的目的,通过理论推导得出每个代理提取误差率和整体提取误差率的上限随着提取规则数的增加而递减.实验结果证明,在提取规则数足够多的情况下,分布式提取的回归准确率和集中式提取的回归准确率的差值趋于常数,保证了云存储分布式分类规则提取的可行性.     

基于定性状态模型的定性控制方法研究

针对某些复杂系统难以获得精确数学模型来实现有效控制这一问题,采用定性状态模型来描述含有不确定性的非线性系统,提出了一种定性控制方法。首先通过对系统状态的定性划分,采用基于定性推理的自动机建立被控系统定性状态模型,然后设计基于系统定性状态模型的定性控制器,并给出了控制器设计的一般步骤。最后以液位控制系统为例,建立了液位对象的定性状态模型并设计了定性控制器,仿真结果表明该方法的有效性及其理论价值和应用前景。     

一种基于产生式规则的不确定推理模板模型的研究

该文针对现有不确定推理模型,结合专家知识不确定性在产生式规则系统中的体现,归纳出一种更接近人类专家处理不确定性和方便人们理解与构造实例模型的不确定推理模板模型。该模板模型可作为现有模型的分析模板和新的基于产生式规则的不确定推理模型研究与构造的基本框架模板。该文详细阐述了该模板模型的组成和工作原理,并用它对现有不确定推理模型进行了实例分析;最后,指出该模板模型各组成子模型的研究方向。     

基于关联规则的分类规则约简方法

分析分类规则内属性之间的相关性,提出一种分类规则约简方法。针对原始训练集构造FP树,获取相应的关联规则集,对关联规则后件属性(集),采用置信度α描述该属性(集)相对于其所在分类规则的重要程度。在分类规则集中,约简α值小于阈值?的属性,从而约简分类规则长度。利用UCI机器学习及SDSS DR7数据进行实验,结果表明该方法具有较高的分类效率。     

一种基于云模型的不确定性数据的建模与分类方法

不确定性是数据的本质特征,它的产生可能来自于样本误差、更新延迟或重复测量等,对不确定性数据的分析在越来越多的领域得到了关注。传统的不确定性数据的数据项被表示成一个值域及其上的概率分布函数。由于不确定性数据存在模糊性与随机性,传统的概率分布函数难以准确定义不确定性数据的实际分布,因此利用云模型中云滴的分布提出一种不确定性数据的云建模过程,并通过云综合与云相似度计算来实现不确定性数据的分类。云模型能有效地将数据的随机性与模糊性融合在一起,能更真实地反映数据的实际分布,从而实现有效的数据分类。实验结果也证明了此种方法的有效性。     

基于置信规则库推理的二择众仓分类方法

针对线性组合方式所构建的置信规则库存在常常无法准确发挥前件属性权重的效能,且随着评价等级个数的增加,新激活权重公式往往会对结果造成不利影响的不足,本文在现有置信规则库推理分类算法的基础上,提出二择众仓决策法,以此改进置信规则库决策系统。首先仅设置两个规则的后件评价等级,对一个决策问题仅做出二择判定,即回答是与否;其次,设置多个置信规则库同时处理若干个子问题;最后通过众仓决策方式融合多个子问题的结果,进而解决最终的分类问题。实验结果表明,改进后的置信规则库推理分类方法可行有效。     

基于情感词属性和云模型的文本情感分类方法

受语言固有的模糊性、随机性以及传统文本特征词权重值计算方法不适用于情感词等因素的影响,文本情感分类的正确率很难达到传统文本主题分类的水平。为此,提出一种基于情感词属性和云模型的情感分类方法。结合情感词属性和简单句法结构以确定情感词的权重值,并利用云模型对情感词进行定性定量表示的转换。实验结果表明,该方法对情感词权重值计算是有效的,召回率最高达到78．8％,且与基于词典的方法相比,其文本情感分类结果更精确,正确率最高达到68．4％,增加了约9％的精度。     

基于地理本体的空间方向关系定性推理

围绕基于地理本体的空间方向关系定性推理进行研究,给出了定性推理系统总体框架,并对方向关系模型、自定义规则、地理本体、定性推理进行详细探讨。