基于云模型的电网统计数据质量评估方法研究

针对电网统计数据的质量评估问题,提出一种基于云模型的质量评估方法。利用云模型对评语进行软划分,借助逆向云发生器将评估结果转化为云模型,并由此构造一个评价综合云。最后通过基于云模型的相似度算法计算评价综合云与各评价等级云的相似度,借以确定统计数据所隶属的评价等级。通过实例分析,验证了该方法的可行性与有效性,同时能够较好地避免常规方法在定性评价时的主观随意性缺陷。     

基于云模型和组合赋权的煤矿安全风险评价

针对我国煤矿安全风险评价基础薄弱、手段单一、客观性不强等问题,结合云模型理论和基于层次分析法主观赋权、灰关联分析客观赋权的组合赋权方法,构建了一种煤矿安全风险评价模型。建立了包含人员、设备、环境、管理和历史5个一级评价指标,29个二级评价指标的煤矿安全风险评价指标体系;确立了煤矿安全风险评价指标的云模型标尺;采用安全风险评价云模型计算煤矿安全风险评价指标体系中指标层、准则层、目标层的数字特征,得到煤矿安全风险评价云。将该模型应用于红庆梁煤矿安全风险评价,结果表明:该煤矿现阶段安全风险等级为中等风险,影响安全生产的主要因素为作业人员违章操作率、煤层顶底板稳定性等。该模型为煤矿安全管理及风险防控工作提供了一定参考。     

基于云化ANP的巷道冒顶影响因素重要性研究

为了解巷道冒顶事故影响因素之间的关系及导致事故发生的重要性排序,根据专家评判语言的特点及各因素之间存在的语义网络联系性,提出了将云模型嵌入ANP来解决上述问题,即云化ANP模型。该模型既有云模型处理不确定信息的能力,也具有ANP处理网状因素系统的能力,尤其适合处理冒顶这类具有不确定性数据的分析问题。给出了云化ANP的构建过程和分析步骤。结合专家调查所得数据分析了影响冒顶因素的重要性排序,所举实例分析的因素重要性排序为:稳定岩层距巷道顶板表面的距离 >地下水渗水量 >巷道的跨度 >稳定岩层厚度 >顶板岩石的抗压强度 。最后将云化ANP算法应用于类似算法所处理的例子,通过这些例子的结果分析了云化ANP算法的正确性。     

基于云模型的智能教学系统中学习质量的评价

提出将云模型理论应用于智能教学系统的学生模型构建中,建立一种基于云模型的学生学习质量评价方法,利用云对概念的贡献程度进行数据离散化,并引入云变换计算隶属云,最后结合极大判定算法求出更加符合实际的学习质量等级划分。实验结果表明,这种新的评价方法得出的隶属概念不仅能够反映出学生对知识点的掌握程度,还能够反映出学生在学习中的发挥稳定性、心理素质等情况,有利于提高智能教学系统的应用效率。     

黏性土冻胀风险可拓评价方法研究

针对黏性土冻胀性分级指标单一、界限值大,无法反映冻胀影响因素间不确定性的问题,本文在基于可拓云模型在不确定性方面的优点,结合熵值客观赋权方法提出了以取样深度、含水率、干密度、孔隙比和超塑含水率为评价指标的可拓云综合评价模型.该模型可根据实测数据与冻胀风险等级的随机性处理离散化问题,真实反映指标间的模糊性、随机性以及不确定性关系,准确评价黏性土冻胀等级,通过工程案例对该模型的有效性进行了验证.研究结果表明,基于熵值法的可拓云综合评价模型在黏性土冻胀风险评价中的应用是有效的、可行的.     

云模型的隶属概念判定中阈值生成

在基于云模型的隶属概念判定算法中,人工给定的阈值不能根据对象隶属的多个概念的特征进行调整,从而影响到判定算法的适应性。基于云模型的“[3σ]规则”,提出一种自适应阈值生成算法。由其得到的阈值用于基于云模型的隶属概念判定算法,不仅使得原有的隶属概念判定算法可适用于不同特征的概念,而且使其更加符合人们的认识规律。阈值生成算法在不确定性的定性定量转换方面也具有较高的应用价值。     

利用云模型实现FSVM遥感影像分类的隶属度算法

针对遥感影像分类面临的数据边界模糊性以及遥感信息解译过程不确定性的问题,结合模糊支持向量机在分类应用中可以有效避免噪声样本干扰的特点,提出一种基于云模型求解模糊支持向量机隶属度的方法。该方法通过无需隶属度的逆向云算法输入样本的定量位置得到样本类别的数字特征,再根据正向云算法计算得到每个样本对其定性类别的隶属度。实验结果表明,采用基于云模型隶属度的模糊支持向量机对遥感影像的分类方法是可行的,并能够有效提高对遥感影像的分类精度。     

基于大数据的煤矿安全风险智能评价和预警研究

文章提出基于大数据的煤矿安全风险智能评价和预警方法,用来提升企业风险判识能力,评价煤矿安全风险等级,为后续开发打下基础。使用空间重构方法离散性映射处理大数据,选择最佳时延和最小嵌入维数构建大数据时间序列的信息流模型,通过模糊C聚类算法求解初始聚类中心搜索目标函数,最终获得大数据最优聚类中心。通过聚类大数据得到煤矿安全风险评估指标,使用可拓理论构建风险预警评估模型,运用熵权法确定指标权重,定量计算关联函数,根据关联度最大原则判断预警对象的风险等级。经实验分析,该方法在数据聚类方面具有较高准确性和计算效率,并且能够准确评估出煤矿存在的风险和预警等级。     

基于云模型的列控中心行车许可功能的安全风险评估

为解决列控中心（TCC）风险评估过程中的随机性和模糊性,提高信号系统风险评估的科学性,采用云模型和模糊层次分析法评估列车行车许可功能的风险等级。利用模糊层次分析法确定列车行车许可功能的风险因素集及权重值,考虑到行车许可功能风险影响因子的模糊性,借助云模型对定性的风险因子量化转换,通过云模型定量评价影响风险因子指标的风险等级情况。最后从定性和定量的角度分析列车行车许可功能的风险等级。结果表明：云模型和模糊层次分析法得到的综合云模型和标准云模型分布对比,客观地表示了风险等级状况,验证评价结果符合实际状况。     

基于D-S理论的可信云服务评价方法研究

云制造环境下,用户选择云服务资源时往往陷入信息量巨大以及信任缺失的困境。针对如何选取可信云服务的问题,提出了一种基于D-S理论的云服务评价方法。选取六个云服务指标作为可信特征集;通过获取定性定量指标评价信息,求解指标的评价等级隶属度;进而获得评价指标效用偏好度作为基本概率分配值;引入各云服务评价指标的权重修正基本概率分配以减少证据合成过程中的冲突;应用D-S理论合成规则对可信云服务的证据进行合成;计算各云服务的信任区间并将其进行偏序关系的对比,实现了云服务的选择。以某汽车零部件制造商选择云服务为例,验证所提方法的可行性和有效性。     

基于历史数据分析的容器云安全风险评估方法

容器云受到风险攻击会影响运维性能,无法有效保护内部存储的隐私数据安全。为了准确判断风险攻击类型,最大程度保证用户隐私数据安全,提出基于历史数据分析的容器云安全风险评估方法。根据云计算安全标准,对容器云风险等级进行分类;利用粗糙集算法挖掘容器云历史数据中的风险因素,获得风险因素归约集合;根据容器云的运行特点,通过德尔菲方法和决策隶属度矩阵计算安全风险权重。根据各风险间存在关联性,整合整体风险评估值,实现容器云安全风险评估。实验结果表明,该方法可以有效评估容器云安全风险,且评估结果较为准确,为用户保证隐私数据安全提供参考。     

基于数据挖掘的云安全评估模型研究

为提高云安全评估的准确性,构建了云安全评估模型,分别从主机安全、数据安全、物理安全、网络安全和应用安全五个方面采用极限学习机数据挖掘算法获取评估证据,再使用隶属度方法进行数据的标准化和指标权重的计算,最终得到云安全评估结果。通过实验证明,构建的云安全评估模型能够快速获取云安全评估指标体系的评估证据,并科学的、综合地作出评估,体现了评估的全面性。     

基于云模型理论面向大数据的协作联盟决策评价

针对联盟决策评价中存在较强的不确定性,提出基于云模型理论面向大数据的协作联盟决策评价方法.首先,构建面向大数据的多任务协作联盟多层决策评价架构,依托大数据处理分析平台获取联盟成员的基本评价指标的评价数据,应用逆向云发生器算法生成相应的评价云,并运用综合云运算产生联盟评价指标的云数字特征.然后,结合联盟评价指标权重和任务权重,运用云加权算术平均数算子进行云集结,分别产生单任务联盟决策评价云和多任务协作联盟决策评价云.再对多任务协作联盟备选方案进行决策评价和选优,以确定最优的联盟方案.最后通过实例与D-S证据理论联盟评价方法进行对比,验证文中方法的有效性.     

基于云模型的模糊自适应蚁群算法研究

针对蚁群算法存在控制参数难以确定和易陷入停滞等不足,采用云模型理论对蚁群算法进行改进,将云模型作为模糊隶属函数,选择部分较优路径进行全局信息素更新,从而提高算法对路径的开发和探索,同时通过对云隶属函数的参数控制,实现算法的自适应调整策略。针对TSP问题进行仿真实验对比,结果也表明基于云模型的蚁群算法要明显优于ACS和MMAS算法。     

煤矿安全监测多传感器分层数据融合模型研究

为提高多传感器检测系统预警的精度,降低多传感器监测过程中出现的状态不明或状态误判的发生率,提出了一种多传感器分层数据融合模型。该模型在数据层运用层次分析法确定隶属度和相应权数,在特征层运用模糊评价法进行数据融合,在决策层运用D-S证据理论进行数据融合,可根据对应输入融合数据类型的不同运用合适的算法进行计算处理。试验结果表明,与初始数据比较,该模型能够将目标的安全、轻微、危险3种状态的隶属度分别提高8.3%,6%,29.2%,验证了该模型的有效性。     

乡村旅游开发适宜性等级评价TOPSIS方法

针对乡村旅游开发适宜性等级评价问题,提出基于TOPSIS的等级评价模糊综合方法.首先,描述乡村旅游开发适宜性等级评价问题,构建乡村旅游开发适宜性评价指标体系及其等级划分标准;其次,构造基于等级划分的等级隶属函数,确定评价指标权重,进而提出计算各待开发乡村旅游地(方案)隶属于不同等级的贴近度;然后,计算其级别特征值,运用二元语义方法确定乡村旅游开发适宜性等级及其排序;最后,利用实例对文中模型与方法进行分析、说明.结果表明,所提出的等级评价TOPSIS模型与方法充分反映了等级评价概念的本质要求和特征,可有效克服常用的线性加权平均等级评价方法和最大隶属度原则的不足,不仅使得等级评定结果更加合理、可靠,而且能够区分相同等级时的差异程度,可为乡村旅游开发适宜性等级评价提供一种定量计算与定性分析相结合的新方法,创新发展多属性决策TOPSIS方法.     

基于云模型不确定性推理的地图匹配算法

为了解决对于道路网密集且高程变化较大的城市道路地图匹配精度不高的问题,提出一种能够实现定性概念与定量数值之间不确定性转换的云模型地图匹配算法.通过建立云规则和进行基于云模型的不确定性推理,并且结合高程辅助方法来构筑地图匹配模型.云模型可以将定性概念的模糊性与随机性集成到一起,克服了基于模糊逻辑地图匹配算法中隶属度的确定带有主观色彩的不足.仿真试验以城市路网为例,并借助高程辅助的方法进行了分析,结果证明了该算法具有较高的匹配精度.     

Evaluation of urban taxi-carpooling matching schemes based on entropy weight fuzzy matter-element

The evaluation of urban taxi-carpooling matching is the key index for the success of taxi carpooling. In this research, matter-element theory is introduced. Moreover, a matter-element evaluation model is established, and a matter-element evaluation algorithm based on fuzzy entropy weight is proposed. In accordance with the characteristics of the matching data, the algorithm takes the distance to the carpool destination, the distance to the carpool starting point, the carpool distance and the time to the carpool starting point in the passenger-matching scheme as the characteristic indexes of the evaluation category. A compound fuzzy matter-element matrix is established through an index fuzzy value method, and a matter-element matrix of a preferred membership degree and a fuzzy matter-element matrix of standard deviation are constructed. An index weight is determined through entropy weight method, and the closeness degree of the matter-element matrix is calculated. It avoids the shortcoming of traditional matter-element method which uses artificial determination of an eigenvalue index and correlation degree calculation. Experimental results show that the evaluation result of this algorithm is close to the actual evaluation result. In addition, the evaluation effect is better in this algorithm than in the traditional matter-element algorithm.