云规则生成器的异常分析与对策研究

云规则生成器是实现基于云模型的控制系统的核心模块，该文对云模型、定性知识的表示及云规则生成器的异常情况进行了分析，提出了异常报告、异常处理及前件序列化相结合的方法，从而提高了云规则生成器的稳定性、可靠性、效率及灵活性。最后，据此设计了云规则生成器的实现体系。     

基于云模型的不确定性知识表示

云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型,论文通过对云模型数学性质的研究,分析云模型的产生背景,证明其表示不确定性知识的合理性和有效性,最后给出了一个应用实例。     

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.     

云推理方法及其在预测中的应用

不确定性推理是当前人工智能研究领域中的一项重要研究内容。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,实现不确定性推理。将基于云模型的不确定性推理方法用于预测实际工作环境中电子产品的使用寿命,说明了云推理方法的有效性和实用性。     

基于多维云模型的入侵检测

通过研究多维云模型机理，给出了定性与定量之间转换的云模型的形式化表示，用来反映语言值中蕴涵的模糊性和随机性，解释了多条定性规则同时被激活的不确定推理过程。实验采用了KDD99的测试数据，结果表明，该方法能够比较有效地检测真实网络数据中的未知入侵行为。     

船舶柴油机供油提前角云控制模型研究

船舶柴油机作为船舶动力装置,对航运经济有非常重要的支持作用.但是,由其产生的排放污染不容忽视,而且越来越为严重.云是语言值表示的某个定性概念与其定量表示之间的不确定性转换模型.基于云模型的定性知识推理,以概念为基本表示,从数据库中挖掘出定性知识,构造规则发生器.多条定性规则构成规则库,当输入一个特定的条件激活多条定性规则时,通过推理引擎,实现带有不确定性的推理和控制.通过将云控制技术应用于船舶柴油机供油提前角的控制,从而达到控制NOx排放量的目的.并经仿真验证了该方法的正确性.     

基于云模型的车辆定位导航系统模糊评测研究

阐述了定性定量转换模型－云模型的定义，特征以及正向云，逆向云，条件云的生成方法。云模型将模糊性与随机性集成在一起，作为知识表示的基础，形成定性概念与定量数值之间的转换，将云模型理论用于车辆定们导航系统模糊评测研究，能有效地提高导航系统的可靠性和评测效果，仿真结果表明了该方法的可行性和有效性。     

一种新的逆向云算法

云模型是一种可以有效地实现语言值表示的定性概念与其定量表示之间不确定性转换的模型。文章对正态云作了较深入地概率统计分析,指出了现有逆向云算法的不足,并提出了一种新的精确度更高的逆向云算法,最后通过模拟实验比较了新算法与原逆向云算法。     

基于数据符号化表示和云模型的时序数据生成方法*

为得到可靠的仿真数据,提出一种基于数据符号化表示和云模型的时序数据生成方法。首先用SFVS算法将原数据或是数据的先验知识(很多时候仅能获得相关领域的一些知识而非数据)表达为一个符号矢量,然后用定性定量转换工具——云模型利用符号矢量产生相应的时序数据。仿真实验表明,该方法产生的数据具有与原数据一样的结构特征、知识蕴涵,并具有可控的随机性、复杂性。     

基于均匀分布的高斯云模型

云模型实现了定性概念与其定量表示之间的不确定转换。高斯分布与高斯隶属度函数的普适性奠定了高斯云模型的普适性,目前云模型的理论与应用研究主要集中在高斯云模型。将均匀分布引入到云模型中,扩展了高斯云模型,分别得到了均匀分布云模型和均匀高斯云模型,两类扩展的云模型为不确定性的形式化描述提供了新的途径。最后利用多维均匀高斯云模型模拟分形树生长过程,实验结果表明云模型能有效模拟自然界中不确定的分形现象。     

基于云模型的BP算法改进

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。文中提出一种利用云模型来有效避免BP算法陷入局部极小的方法 ,该方法通过基于云模型和输入参数区间划分的学习因子自适应调整算法来实现。该算法在复杂非线性分类 (阴阳图 )情况下进行了计算机仿真     

云模型在倒立摆控制中的应用

文中提出了一种利用云模型有效地实现单电机控制的三级倒立摆动态平衡的方法。通过研究倒立摆系统的定性控制机理,给出了定性和定量之间转换的云模型的形式化表示,用来反映语言值中蕴涵的模型性和随机性。     

用语言云模型发掘关联规则

该文提出用语言云模型用于KDD中知识表达和不确定性处理,引入了多维云模型作为一维模型的扩展.语言云的数字特征量将语言值的模糊性和随机性用统一的方式巧妙地综合到一起,基于云模型的概念层次结构可以跨越定量和定性知识之间的鸿沟.为了发现强关联规则,属性值要在较高的概念层上泛化,同时允许相邻属性值或语言项间有重叠.这种软划分可以模仿人类的思想,使发现的知识具有稳健性.将基于云模型的泛化方法与Apriori算法结合起来,从空间数据库中发掘关联规则.试验显示了其有效性、高效性和灵活性.     

Combination of Qualitative Information with 2-Tuple Linguistic Representation in DSmT

Modern systems for information retrieval,fusion and management need to deal more and more with information coming from human experts usually expressed qualitatively in natural language with linguistic labels.In this paper,we propose and use two new 2-Tuple linguistic representation models(i.e.,a distribution function model(DFM) and an improved Herrera-Martínez's model) jointly with the fusion rules developed in Dezert-Smarandache Theory(DSmT),in order to combine efficiently qualitative information expres...     

二维云模型及其在预测中的应用

本文一维正态云的基础上，进一步提出了二维正态的思想，给出了描述二维云的数字特征和二维云的数学模型，探讨了二维云发生器的构成方法和应用前景，尤其是在基于数据库的知识发现方面，在定性和定量相结合的基础上，为进行多种预测，融随机性与模糊性为一体，表达不确定性，提供更系统，更高层的工具。