基于区间直觉梯形模糊数的群决策方法

针对准则值为区间直觉梯形模糊数（IVITFN）的群决策问题,定义了新的区间直觉梯形模糊数的加性的运算法则;基于这些运算法则,给出了几种区间直觉梯形模糊数信息的算术集成算子,包括区间直觉梯形模糊数的加权算术平均（IVITFNWAA）算子、区间直觉梯形模糊数的有序加权平均（IVITFNOWA）算子和区间直觉梯形模糊数的混合集成（IVITFNHA）算子;基于IVITFNWAA算子和IVITFNHA算子,提出了一种准则值为区间直觉梯形模糊数而准则权重确知的群决策方法。最后,实例分析表明了该方法的可行性和有效性。     

基于区间值模糊的改进模糊神经网络研究

鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题,结合区间值与粗糙集理论,通过简化网络结构,改进输入条件,提出基于区间值推理的改进的模糊神经网络.通过仿真实验,验证了该方法的可行性.这一结果为研究模糊神经网络提供一种新的方法.     

煤炭需求量预测的支持向量机模型

根据选择的嵌入维数，建立了基于支持向量回归的中国煤炭需求量预测模型．用1980-2002年的中国煤炭需求量构造了支持向量机的输入向量和输出向量；经过与线性核函数及Sigmoid核函数的对比，选用基于径向基函数（RBF）作为校函数，在分析预测误差和模型参数关系的基础上，选择了合适的参数；建立了多输入、单输出的支持向量机（SVM）预测模型．用检验样本与基于RBF神经网络模型的预测进行了比较，结果表明支持向量机模型在训练样本较少的情况下，仍有较高的预测精度和较强的泛化能力，证明了该模型时近期的预测是可靠的．最后用训练好的支持向量机模型很好地预测了2003-2006年我国的煤炭需求量．     

采用模糊区间分析的柔性航空结构件装配偏差预测

在仅知偏差源区间的条件下,将偏差源分布描述为离散模糊数;基于弹性力学原理,通过有限元仿真分析,建立柔性航空结构件的装配偏差模型;以离散模糊数表达的偏差源作为装配偏差模型的输入,结合模糊区间分析得到装配偏差的模糊分布;通过模拟翼盒骨架装配试验验证建立的装配偏差模型以及提出的装配偏差预测方法的有效性. 试验结果表明：基于模糊区间分析的装配偏差分析方法预测的装配偏差区间包含了实测的装配偏差,可解决偏差源信息匮乏时的装配偏差预测问题,并给出了不同置信水平下的装配偏差区间,是传统基于蒙特卡洛模拟（MCS）的装配偏差分析方法的一种补充.     

基于电容层析成像和LS-SVM的空隙率测量

基于12电极电容层析成像（ECT）和最小二乘支持向量机（LS-SVM），提出了一种油气两相流空隙率在线测量的新方法.该方法运用快速的线性反投影算法重建两相流截面图像，结合模糊模式识别技术辨识流型.把ECT电容传感器得到的66个电容测量值作为空隙率测量模型的输入，利用LS-SVM建立了针对不同截面流型的空隙率测量模型.在实际测量时，首先辨识流型，然后选择与流型相对应的空隙率测量模型计算获得空隙率.该方法省去了采用传统ECT方法测量空隙率时复杂的图像重建过程，提高了空隙率测量的实时性.实验结果表明该测量方法是有效的.     

基于支持向量机的模糊回归估计

针对给定的大规模数据集的回归估计问题，提出基于支持向量机的模糊回归估计方法.该方法把复杂的数据集看作多个群体的混合，每个群体采用单一的回归模型进行描述，使得大规模数据集的回归估计问题变成了一个多模型估计问题.在此基础上把支持向量机与模糊C聚类结合起来得到基于支持向量机的模糊回归模型，并给出了实现该模型回归估计的算法.该方法对大规模的数据样本进行模糊C聚类，并回归估计各聚类的数据样本.数值仿真结果表明，该方法在聚类数据样本的同时能实现多个模型的回归估计，而且模糊隶属度的初始化影响要小于其他的模糊回归估计方法.     

基于支持向量回归的一维频率域航空电磁反演

为了提高一维频率域航空电磁的反演精度,将机器学习方法应用于航空电磁数据的反演中,提出基于多输出最小二乘支持向量回归（MLS-SVR）的一维频率域航空电磁端到端反演方法. 对不同地电模型进行正演计算,获得样本数据集;搭建MLS-SVR模型框架,输入端为归一化后的垂直磁场分量,输出端为地电模型参数;利用网格寻优和K-折交叉验证进行调参;利用MLS-SVR模型进行反演. 试验结果表明,利用MLS-SVR可以准确地反演出各地电模型参数,与单输出支持向量回归(S-SVR)和多输出支持向量回归（M-SVR）算法相比,该反演方法的精度更高,实测数据反演表明了该方法的有效性.     

集值和区间值的多元时间序列

研究集值多元时间序列的一些初步的理论,这为拓广经典的多元时间序列模型提供了理论基础.首先,基于集值理论,进一步提出集值向量、集值随机向量的定义,并给出集值随机向量的期望向量、交叉协方差阵与交叉相关阵的定义与性质.然后,在此基础上,给出集值多元时间序列的定义,并研究关于集值多元时间序列的平稳性,期望向量、交叉协方差阵和交叉相关阵的定义及性质,讨论平稳的集值多元时间序列的最优线性预测问题.最后,在集值多元时间序列的基础之上,讨论区间值多元时间序列,并建立区间值多元自回归模型.模拟研究与实证分析验证了该模型与所提出方法的合理性.

     

基于向量夹角余弦的区间组合预测多目标规划方法

在区间组合预测领域引入向量夹角余弦方法,提出基于向量夹角余弦的区间组合预测多目标规划方法。将区间值的上下限分别看作时序向量,考虑组合预测区间值上下限的时序向量与相应实际值区间的上下限时序向量间夹角余弦,建立多目标最优化模型,并转化为单目标规划问题求解获得组合预测方法的权重。最后,通过一个具体的算例表明本文所提方法能够有效降低预测的误差。     

论马氏链分析方法在汇率短期预测中的应用

为提高马氏链分析方法在短期汇率预测中的精确度，本文以日元汇率为例，建立了汇率的回归模型和两种马氏链预测模型。通过比较，证明基于模糊的回归一马氏链分析方法在汇率短期预测方面具有更高的精度。并使用此模型预测了日元汇率的短期波动区间。     

基于AIT方法的雷达辐射源信号识别效能评估

为了有效对雷达辐射源信号识别效能进行评估,建立了基于识别测试结果的评估指标体系,提出了利用AHP法求解权值、采用区间TOPSIS法计算综合评分值的识别效能评估方法（AIT）．以复杂度特征作为实验所用的特征参数,采用概率神经网络（PNN）、支持向量机（sVM）、基于遗传算法的支持向量机（GA-SVM）和基于粒子群算法的支持向量机（PSO-SVM）四种识别算法进行了仿真实验．仿真结果验证了所得结果是合理的．该评估方法是可行的．     

河流水质预测的模糊线性回归模型研究

基于河流水环境系统的模糊性、不精确性,采用三角模糊数来描述和表征水质信息.在此基础上,根据已有模糊线性回归模型成果,构造了带有三角模糊参数的河流水质模糊线性回归预测模型.运用模糊数的λ一截集技术,可以将水质预测值由三角模糊数转化为与一定可信度水平λ相应的区间值,为河流水质预测提供了新思路、新方法.     

基于MIMO-SVR的供热负荷日预报方法

针对城市集中供热系统中提前24小时的日负荷预报方法具有较大误差问题,提出了一种基于多输入多输出支持向量回归（MIMO-SVR）的供热负荷日预报方法.该方法利用MIMO-SVR的多输出特性通过一步预报直接获得24小时的日负荷预报.通过对某热力站实际供热负荷数据进行仿真研究,结果表明,MIMO SVR日预报的平均相对误差为2.47%,较多输入单输出支持向量回归（MISO-SVR）预报精度高,能够满足供热工程的应用需要.     

支持向量机模型改进及在短期边际电价预测中的应用

传统的最小二乘支持向量机模型对训练样本的各个输入点同等看待,各输入向量的贡献度是相同,未对离群点加以考虑.在最小二乘支持向量机模型中引入隶属度的相关理论并建立模糊隶属度函数,对离群点和正常点赋予不同的贡献度,建立了模糊最小二乘支持向量机模型.最后,以美国PJM电力市场的边际电价预测为例,验证了本文模型的预测精度比传统的最小二乘向量机模型高50％左右,且复杂程度基本不变.     

多台系统可靠性增长模型参数的区间分析

基于多台系统可靠性增长的非参数模型，利用线性回归原理得到了可靠性增长模型的强度函数λ（t）=abt^b-1中待定参数a与b的点估计，并利用回归过程中一些中间参数的精确分布给出相应中间参数与模型参数b的精确区间估计，对已获得的精确区间进行等价变换推导了模型参数a的近似区间估计，并采用区间离散法，给出了模型参数a和b在给定区间变化时，系统平均无故障工作时间变化区间的求解方法，具体工程实例说明了所提方法的合理性。算例给出的系统平均无故障工作时间下限随置信度变化的曲线，为工程应用提供了更多的参考信息。     

有序分类与企业信用评级模型

提出了基于有序分类和支持向量机方法的企业信用评级模型。因企业的信用等级是有序的，使用一般分类方法或回归方法建立的模型不能完全反映数据的内在结构。内置空间法将分类变量之间的有序信息嵌入输入向量的扩展位，使得有序分类问题转化为标准的二类分类问题；然后对此二类分类问题采用核分类器——支持向量机进行求解得到有序分类模型。实证结果表明，基于该方法建立的企业信用评级模型显示出较强的泛化能力。     

大气PM2.5与健康:从暴露、危害到干预的系统研究进展

为了提高空气污染物PM_2.5质量浓度预测的准确性,提出了一种基于图像数据预测PM_2.5质量浓度的方法.首先用手机或相机获取图像数据,然后用图像质量分析模型提取与PM_2.5质量浓度相关的特征向量作为输入,建立一个基于粒子群优化（particle swarm optimization,PSO）算法的支持向量回归机（support vector regression,SVR）（PSO-SVR）预测模型来估计PM_2.5的质量浓度.实验结果表明,与SVR模型和用遗传算法（genetic algorithm,GA）优化的支持向量回归机（GA-SVR）模型相比,PSO-SVR模型在预测准确性和实施效率方面具有更好的预测性能.

     

基于自组织特征映射网络的纹理分类研究

提出了基于自组织特征映射网络（ＳＯＭ）的纹理分类方法。采用了适合纹理分析的纹理谱（ＴＳ）的概念，并在分类过程中引入了纹理谱特征向量，纹理谱向量是ＴＳ经过降维处理得到的。该特征向量反映了空间模式的纹理特征。在学习（训练）与分类识别中，采用了神经元网络模型。与ＴＳ相对应的特征向量重复地送入ＳＯＭ网络的输入端，网络的权向量则逐渐地将样本值聚类到各自的样本中心。计算机模拟实验表明，作者提出了纹理分类方案十     

基于单片微机的模糊逻辑控制方法（下）

基于单片微机的模糊逻辑控制方法（下）马鸣锦２．２模糊控制过程模糊控制过程的主要步骤由此流程给出（见图８），与其它控制方法一样，仍然需要从输入传感器获取输入变量的值，如温度、湿度，经体现模糊控制技术的模糊推理器处理后，仍然需要输出信息去驱动被控执行机构...     

识别输入变量的模糊方法

在已有识别输入变量的模糊方法的基础上，通过分割输入区间提高了模糊曲线的精度，同时提出了一种排除相关输入变量的方法－－模糊曲面法Ⅱ和对分组变量识别的一种模糊n维面法。当系统完全是未知时，它不需要用复杂的非线性技术建模，十分方便实用。