模糊加权知识及其在辅助决策决心案综合评判中的应用

该文在研究了知识的模糊性及其在事物中的权重问题,讨论了有关模糊隶属函数计算方法的基础上,吸纳模糊度与权重作为新成员以拓展人工智能中传统知识的三元组表示,提出了模糊加权知识的五元组表示,并将它成功地运用于人工智能辅助决策决心案的综合评判之中。     

基于扩展的带标识的Petri网的加权模糊推理

为了更加高效计算,并且更加便利地进行加权模糊推理来获得更多的有关加权模糊产生式规则的信息,提出一种某些库所中带有标识的模糊Petri网模型来进行加权模糊推理(WFR).用来标记模糊Petrl网运行的托肯值已经从[0,1]上的实数扩展到了模糊集合.提到的加权模糊推理(WFR)包括了局部权值,确定性因子和阈值等几种知识表示参数,参数用模糊数表示,通过提出的计算模糊推理结果的方法,可以更加高效地计算出最终的推理结果.     

基于Flou集的模糊叠置分析模型

利用Flou集描述模糊区域,基于Flou集给出了一种栅格图层的模糊叠置分析模型。该模型可以实现普通模糊叠置和加权模糊叠置,而采用Flou集,可以有效地避免用模糊集表示模糊区域,处理模糊对象内部元素之间及模糊对象与其他空间对象之间关系时遇到的困难,而且符合人们用分明区域的方式描述不确定区域的认知习惯。实例表明,该模型能够较好地解决Flou集表示的图层间的模糊叠置分析问题。     

基于模糊模拟的加权偏爱浏览模式的挖掘

每个网页由不同的专家给出语义上的重要性评估,这些语义评估再被刻画成相应的模糊语言变量,通过模糊模拟的方法,这些模糊语言变量被转化成表示网页重要性的权重。此外,简单地认为用户的访问频度反映了用户的访问兴趣是不准确的,因此在提出的加权支持度和偏爱度概念的基础上,从建立的包含了所有用户浏览信息的FLaAT(Frequent Link and Access Tree)上,挖掘用户偏爱的加权浏览模式。试验证明该算法是行之有效的。     

模糊环境下的Web用户浏览模式的挖掘

提出加权支持度和加权偏爱度用来准确反映用户的访问兴趣.其中,专家给定网页的语言评估被刻画成相应的模糊语言变量,使用模糊模拟的方法把这些模糊语言变量转化成表示网页重要性的权重.为了避免用户重要浏览信息的丢失,建立包含所有用户浏览信息的频繁链表加存权树(FLAAT),并从中挖掘用户偏爱的浏览模式.此外网页上的浏览时间也是反映用户兴趣和偏爱的一个重要因素,它被表示成相应的模糊语言变量,因而所获得的带有模糊浏览时间的用户偏爱浏览路径更能反映用户的兴趣和偏爱.     

基于模糊度的计算几何分类器权重分配

为了充分发挥计算几何组合分类器的可视化特性,从类空间类别分布模糊特性出发,提出一种基于类空间模糊度的权重分配方法.该方法首先将子分类器由空间的类别表示转变为类别的空间表示,进而利用粗糙集理论分析各空间的模糊度,并将其作为该子分类器的权重.实验表明,利用模糊度信息进行加权后的分类器不但能与可视化特性更好地吻合,增强分类过程的可理解性,而且在分类精度上得到了进一步的提升,扩展了应用领域.     

基于特征分组加权聚类的表情识别

给出一种基于特征加权聚类的表情识别算法．首先通过特征分组加权充分考虑特征之间度量值的不均衡性,更好地描述了同类表情中不同特征作用的差异;其次利用模糊聚类思想在算法中引入表情不确定性描述,给出了基于形状特征识别表情时表情的模糊表示方法．该算法实现简单,计算复杂度低,能够实时、动态地更新训练结果,并且有良好的分类效果．     

一种基于模糊熵的模糊分类算法

在模糊ID3算法中,用模糊分类熵选择扩展属性,以自顶向下的方式递归地构建模糊决策树,对数据进行分类。提出了一种基于属性模糊熵的模糊分类算法,不同于模糊ID3算法,模糊条件属性的模糊熵作为权值用来对相对模糊频率进行加权,综合考虑各个模糊条件属性对分类的贡献。实例分析和实验结果表明了这一算法的有效性。     

应用带标识的模糊Petri网的知识表示方法

提出一种在某些库所中带有标识的模糊Petri网模型来进行知识表示。为了获得更多的加权模糊产生式规则的信息,在知识表示的过程中考虑了权值,确定性因子,阈值等参数。这种模糊Petri网充分利用了Petri网的并行处理能力。随着带标识的模糊Petri网的运行,网中标识的变化可以标记加权模糊推理的运行。通过文中给出的基于相似性测度的计算方法可以更加高效地计算出多层加权模糊推理的推理结果。     

测量精度约束的模糊度搜索定位算法

为了快速且准确地固定整周模糊度,针对 LAMBDA 算法存在整周模糊度搜索范围过广、搜索效率低等问题,提出一种基于测量精度约束的模糊度搜索算法。该算法在最小二乘问题得到最佳加权的情况下,以标准差分进化（DE）算法为基础、载波相位测量精度为约束条件进行模糊度固定解的检验。该算法解决了不同卫星高度角产生的影响,在解算三维整周模糊度时能够达到 99% 的解算成功率。相比于 MLAMBDA、DE、自适应加权的差分进化（AWDE）算法,该算法进一步提高了模糊度的解算效率和成功率。     

基于稀疏表示的图像模糊度评价方法

根据自然图像稀疏表示基函数类似V1区简单细胞感受野的反应特性,以及系数反映神经元响应程度的特性,提出基于稀疏表示的图像模糊度评价方法.将输入图像分成互不重叠的块,采用训练好的词典对各块进行稀疏分解,并计算每块的关注度系数.将每块稀疏系数的p范数与关注度系数的加权和作为模糊度评价的依据.实验结果表明,该算法计算的模糊度相对于图像的模糊程度是单调的,具有较好的抗噪性,符合人眼视觉系统特性.     

基于数据库的电力设备故障诊断模糊专家系统的设计与实现

采用SQL Anywhere 5.0设计知识库。PowerBuilder6.5编程实现了电力设备故障诊断模糊专家系统,其知识的表示采用了模糊产生式表示式,引进了模糊匹配与加权模糊逻辑进行模糊推理,实现了一种较为理想的非精确推理。     

加权犹豫三角模糊距离度量及其在群决策中的应用

对于犹豫三角模糊元中不同的元素作为隶属度的重要性不同,提出加权犹豫三角模糊元和加权犹豫三角模糊集的概念,研究了决策值为加权犹豫三角模糊元的群决策问题。首先,给出了加权犹豫三角模糊距离公式;其次,基于计算方便且不改变三角模糊数作为隶属度的重要性,提出一种对加权犹豫三角模糊元添加元素的方法;最后,提出加权犹豫三角模糊距离度量的群决策方法,并应用于加权犹豫三角模糊环境下的群决策。数值实例表明,加权犹豫三角模糊距离度量在群决策中具有合理性和可行性。     

基于Mean-shift算法与模糊熵的图像平滑

为解决均值漂移算法的滤波核带宽的选择问题,通过分析模糊理论的模糊隶属度函数和Mean-shift算法的核函数的定义,指出可将模糊隶属度函数作为Mean-shift的核函数。由此定义新隶属度函数作为表示灰度信息的核函数,应用Mean-shift算法对一幅混有噪声的细胞图像进行平滑处理。通过实验表明该方法能到达较好的平滑效果且不需要选择核带宽hr。     

基于模糊综合评判的入侵检测报警信息处理

提出一种基于模糊综合评判的方法来处理入侵检测系统的报警信息、关联报警事件,并引入有监督的确信度学习方法,通过确信度来对报警信息进行进一步的过滤．通过对这些技术手段的综合使用,力求降低误报率和重复报警,逐步减轻网络管理员的工作强度．这种模糊评判所实现的事件关联有助于发现入侵者的行为序列,为事件威胁分析和入侵响应决策打下了基础,并有利于将不同安全产品集成在一起,实现网络系统的立体防御．     

基于综合模糊相似度的云制造需求—服务双向匹配

为解决云制造环境下的服务选择问题,提高服务和需求的匹配精度及供需双方的满意度,提出基于综合模糊相似度的云制造服务双向匹配模型。针对服务方和需求方各自的描述信息,结合功能和非功能要求,将供需双方的描述信息进行基于匹配机制的双向多属性匹配。考虑匹配的稳定性,综合运用模糊概念语义相似度算法、直觉模糊集算法及相合系数法分别进行多属性信息的相似度求解。再利用综合加权法进行综合模糊相似度计算,得到最佳匹配结果。实例分析和对比研究验证了该匹配模型可行有效,能准确地为用户选择双方都满意的服务。     

基于三角Pythagorean模糊集的多准则决策方法

Pythagorean模糊集在直觉模糊集的基础上扩大了适用范围,三角模糊数在决策过程中可以保留决策者较多的不确定信息.鉴于此,首先提出三角Pythagorean模糊集的定义及其欧氏距离表示;然后定义三角Pythagorean模糊加权平均(TPFWA)算子、广义三角Pythagorean模糊加权平均(GTPFWA)算子、三角Pythagorean模糊加权几何(TPFWG)算子和广义三角Pythagorean模糊加权几何(GTPFWG)算子,并对算子所满足的幂等性、有界性和单调性予以证明;最后通过一个医药代表选择的多准则决策问题和灵敏度分析验证所提出算子的合理性和有效性.     

一种基于向量空间模型的模糊本体映射方法

为了实现异构模糊本体之间的知识共享和重用等语义互操作,需要为它们建立映射关系,为此提出了一种新的模糊本体映射方法VSM-FR（vector space model based on fuzzy relation）。VSM-FR方法首先利用模糊本体中的模糊关系构建向量空间模型;然后将模糊概念表示成此向量空间模型中的向量,这样模糊概念之间的相似度就可以通过向量运算的方法来获得;最后为相似度大于给定阈值的模糊概念对建立映射关系。附带的实例也充分地证明了VSM-FR方法在处理模糊本体映射时的可行性和有效性。     

加权模糊关联规则挖掘研究

提出新的加权模糊关联规则挖掘算法——NFWARM算法,该算法重新定义模糊加权属性集的模糊加权属性,不会因为权值的引入而违反Apriori算法的反单调性,因此能直接应用Apriori算法进行加权模糊关联规则的挖掘,显著地提高关联规则挖掘算法精度和速度。     

加权犹豫模糊集的群决策方法

对于犹豫模糊元中的不同隶属度值赋予不同的权重,由此构造出一种应用范围更广、更符合实际需要的犹豫模糊集合 ----- 加权犹豫模糊集合.针对加权犹豫模糊集中的加权犹豫模糊元,定义了加权犹豫模糊集合和加权犹豫模糊元的并、交、余、数乘和幂等运算及其运算法则,并讨论它们的运算性质;同时,给出加权犹豫模糊元的得分函数和离散函数,进而给出一种比较加权犹豫模糊元的排序法则.在此基础上,提出两类集成算子:加权犹豫模糊元的加权算术平均算子和加权犹豫模糊元的加权几何平均算子,并针对专家权重(已知和未知)的两种情形,将加权犹豫模糊集合应用于群决策,给出两种基于加权犹豫模糊集合的群决策方法.最后,通过一个应用实例表明所提出的群决策方法的有效性和实用性.