基于未知度的Vague集相似度量新方法

分析了现有的相似度量方法,指出影响Vague集相似度量的因素和衡量Vague集相似程度的必要参数,为研究Vague集相似度量提供了参考,提出了一种新的Vague集相似度量的方法,通过实验结果表明,新的方法区分能力高,而且有更好的度量效果.     

覆盖空间下粗糙集和Vague软集融合方法研究

针对覆盖近似空间下粗糙集、Vague集和软集3种不确定性理论方法融合扩展的问题,提出了一种新的基于近邻域的覆盖粗糙Vague软集模型,并讨论了相关性质。又针对该模型的不确定性度量问题,定义了一种新的覆盖粗糙Vague软集的不确定性度量方法。该方法通过引入覆盖粒度空间下知识熵的概念定义覆盖粒度空间的不确定程度,同时采用粗糙度定义覆盖粗糙Vague软集本身的粗糙性,最后将二者结合度量覆盖粗糙Vague软集的不确定性程度。算例分析表明,该度量方法是有效可行的,并且随着覆盖粒度的增大覆盖粗糙Vague软集的不确定性程度也随之增大。覆盖粗糙Vague软集模型在胃电信号(EGG)分析及胃疾病辅助诊断问题研究中有很好的应用前景。     

Vague集之间的相似度量及其在模式识别中的应用

讨论Vague集之间的相似度量问题 .首先 ,基于Vague集定义本身的动态趋势 ,分别给出元素相对于Vague集的隶属度与非隶属度的合理表示 ,进而提出一种新的度量Vague集之间相似程度的方法 ,并讨论其性质 .然后 ,将元素在Vague集中所呈现的三部分 :隶属度、非隶属度和不确定程度的相对重要性以及每个元素的相对重要性考虑进去 ,提出并讨论一种新的加权相似度量方法 .进一步 ,将上述Vague集之间的相似度量和加权相似度量推广到连续论域 ,得到相应度量的积分表示 ,同时指出Hong和Kim给出的度量方法是结论的特例 .最后 ,将Vague集之间的相似度量应用于模式识别     

Vague集之间的相似度量及其在模式识别中的应用

讨论Vague集之间的相似度量问题，首先，基于Vague集定义本身的动态趋势，分别给出元素相对于Vague集的隶属度与非隶属度的合理表示，进而提出一种新的度量Vague集之间相似程度的方法，并讨论其性质。然后，将元素在Vague集中所呈现的三部分：隶属度、非隶属度和不确定程度的相对重要性以及每个元素的相对重要性考虑进去，提出并讨论一种新的加权相似度量方法。进一步，将上述Vague集之间的相似度量和加权相似度量推广到连续论域，得到相应度量的积分表示，同时指出Hong和Kim给出的度量方法是结论的特例，最后，将Vague集之间的相似度量应用于模式识别。     

改进的Vague值相似度及多准则决策方法

为了区分Vague值的相似性,提出一种基于Vague值的区间中点值的相似度量。考虑隶属度与非隶属度间的运算关系,构成区间中点值,在基于Vague值相似度量的公理化条件的基础上,将隶属度、非隶属度及Vague值的区间中间值3个因素结合起来,构成了一个改进的相似度量公式。与已有的相似度量进行仿真比较,结果表明该度量能有效区分Vague值数据。将该度量应用于多准则决策问题,实例验证了该度量的有效性。     

一种基于未知度的区间值加权模糊推理方法

基于Vague集未知度给出一种新的区间值加权模糊推理方法,将精确量的推理规则区间值模糊化,并给出加权的基于Vague集未知度的相似度量方法,用以确定事实为区间值的模糊控制匹配函数,通过实例分析表明,该推理方法过程比较简单,具有较好的实用价值。     

基于乘积蕴涵算子相似度量的异构网络垂直切换

为了使无线异构网络有效融合,给出一种基于乘积蕴涵算子R_π的Vague集相似度量算法H_W(x,y),将其表示式应用于多属性判决方法之中,从而得出一种基于H_W(x,y)的垂直切换算法。将所得算法应用到LTE和WLAN组成的无线异构网络模型中,仿真可得切换次数、服务质量和丢包率的评价指标值,与基于M_F(x,y)的异构网络垂直切换算法相比较,新算法可减少异构网络切换次数、提高用户服务质量,并减少丢包率。     

评判燃煤锅炉结渣特性的两种模式识别方法的对比

将直接模糊模式识别方法和基于Vague集的距离意义下相似度量理论引入燃煤锅炉结渣评判中.评判结果表明,二模型能较好的解决了误判断或因识别结果无显著差异而无法作出明确评判的问题.与通常模式识别方法相比,此方法所得数据结果能够使现场运行人员比较容易地得出当前运行锅炉的结渣状况.     

网络舆情演化模式分析

网络舆情演化分析已成为网络舆情研究的热点内容.文章使用描述网民发帖过程的时间序列来表征网络舆情的演化过程,使用时间序列的分析方法来探索网络舆情的演化规律,构建了6个网络舆情演化模式,包括分布模式、平稳模式、相关模式、自相似模式、周期模式和趋势模式,并给出了相应的模式分析方法.实验表明,构建的网络舆情演化模式能够有效地表征网络舆情演化过程,有助于更深层次地分析网络舆情演化规律,为后续演化建模提供理论基础.     

城市原水污染事故危害度应急评价模型

对湖库水源地及明渠取水型城市原水系统污染事故的“危害度”评价进行探讨。归纳分析“危害度”的直接与间接影响因素;应用粗糙集理论与方法,对间接影响因素进行重要度分析与冗余约简;综合直接与间接影响因素,构建城市原水污染事故“危害度”的应急评价模型;引用Vague集相似度量方法对模型中的主要直接影响因素“浓度超标系数”的模糊渐变性进行度量。以成都市原水系统为应用背景,设计湖库硝基苯污染事故模拟工况,依据所构建模型计算各工况“危害度”值,并通过敏感性分析方法,对该模型的合理、有效性进行分析验证。结果表明,所构建模型能够综合反映湖库水源地及明渠取水型城市原水系统的污染事故对城市水厂及饮用水安全的危害影响程度。     

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法.首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值,然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值,最后给出两个具有直观意义且计算简便的排序准则,利用它们对方案进行排序并选出最优方案,实例分析表明了该方法的可行性和有效性.     

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法。首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值，然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值。最后给出两个具有直观意义且计算简便的排序准则，利用它们对方案进行排序并选出最优方案，实例分析表明了该方法的可行性和有效性。     

区间值Vague集多目标模糊决策方法

研究了区间值多目标模糊决策方法问题。充分利用Vague集三维信息提出了Vague集和区间值Vague集模糊相对优势函数概念,该概念克服了以往Vague集优势函数定义中不考虑第三维信息的弱点。在区间值Vague集决策矩阵基础上,构造了模糊相对优势决策矩阵和模糊加权决策矩阵,给出了区间值Vague集多目标模糊决策过程,充实了Vague集多目标模糊决策理论体系。最后通过算例验证了该方法是一种有效可行的决策方法。     

基于Vague集的模糊综合评判模型

在张晓平文章[1]的基础上,定义了"Vague线性变换",进一步证明了"Vague关系"、"Vague映射"和"Vague线性变换"之间一一对应的关系,为模糊决策问题提供了理论基础;另外,介绍了区间数的一种排序方法,建立了基于Vague集的模糊综合评判模型,并给出了应用实例.     

基于Vague集的模糊综合评判模型

在张晓平文章的基础上，定义了“Vague线性变换”，进一步证明了“Vague关系”、“Vague映射”和“Vague线性变换”之间一一对应的关系，为模糊决策问题提供了理论基础；另外，介绍了区间数的一种排序方法，建立了基于Vague集的模糊综合评判模型，并给出了应用实例。     

基于ICE-LDA模型的中英文跨语言话题发现研究

近年来互联网在全球化的大背景下飞速发展,针对跨语言的网络数据挖掘成为国内外舆情分析的热点问题,有效实时地检测中英文网络环境下的热点话题对舆情的掌握和舆情的发展有着至关重要的作用。网络新闻作为网络信息舆情中的重要组成部分,由于互联网的大规模普及而成为人们方便快捷获知信息的重要来源。首先,本文选择中文与英文的网络新闻作为数据源进行采集,提出了在LDA模型上改进的ICE-LDA模型进行跨英汉语言网络环境下的共现话题发现。采用话题向量化的方式,对建模产生的话题进行JS距离检测和话题文本分布相似度度量。其次,本文分别对爬虫采集到的中英混合新闻数据分别构建可对比平行语料集和非可对比语料集进行话题建模,在建模过程中利用TF-IDF算法对文档提取特征词去噪,提高话题特征表示去除无意义噪音词。最后,分别采用两种不同的话题向量化方式进行跨语言的共现话题发现建模。实验结果表明,在本文设计的爬虫采集构建的真实数据集上,改进后的话题模型不仅能够在不需要先验话题对的情况下对可对比语料集进行跨语言共现话题进行发现,而且能够对语料不平衡的情况进行共现话题发现。     

基于点距离和密度峰值聚类的社区发现方法

在复杂网络中节点相似度度量以及密度峰值聚类算法的基础上,提出了一种基于点距离和密度峰值聚类的社区发现方法。首先,提出了基于节点相似度和节点间最短距离的节点距离度量。然后,应用密度峰值聚类方法探究网络中的社区结构,密度峰值聚类算法不仅能够检测出各个社区中心并进行相应的社区扩展,而且能够避免参数选择过程。最后,通过与经典算法在真实数据集和人工合成数据集上的比较实验,充分验证了本文方法的可行性和有效性。     

基于扩展卷积神经网络与度量学习的指静脉识别

针对在传统卷积神经网络(Convolutional neural networks, ConvNet)算法中由于提取的静脉特征信息不足而导致指静脉识别准确率不高的问题,提出了一种基于扩展卷积神经网络与度量学习的指静脉识别算法。该算法通过扩展卷积神经网络的宽度与深度来提高ConvNet的学习能力,并使用难样本采样三元组(Triplet hard loss with batch hard mining, TriHard)度量学习函数作为网络损失函数训练网络。此外,针对常用距离度量方法不能有效度量静脉特征之间的相似度的问题,在指静脉识别阶段采用了Wasserstein距离度量方法,以提高同源静脉间的相似度,降低异源静脉间的相似度。仿真实验结果表明:在FV-USM数据集上,指静脉识别准确率达98.33%,较使用ConvNet和常用距离度量方法准确率提高了3.56%;在MMCBNU_6000数据集上,指静脉识别准确率达98.02%,较使用ConvNet和常用距离度量方法准确率提高了2.01%。     

Vague(模糊)线形变换及其"表示"

从分析现有模糊集的不足入手,引入Vague集,规定了Vague集之间的运算,依次定义了"广义关系"、"广义关系的投影与截影"、"Vague关系"、"Vague关系的投影与截影"、"Vague映射"、"Vague线性变换"等一系列概念,并在此基础上,严格证明了"Vague关系"和"Vague线性变换"之间一一对应的关系,为模糊决策问题提供了理论基础.     

Vague（模糊）线形变换及其“表示”

从分析现有模糊集的不足入手，引入Vague集，规定了Vague集之间的运算，依次定义了“广义关系”、“广义关系的投影与截影”、“Vague关系”、“Vague关系的投影与截影”、“Vague映射”、“Vague线性变换”等一系列概念，并在此基础上，严格证明了“Vague关系”和“Vague线性变换”之间一一对应的关系，为模糊决策问题提供了理论基础。