基于模糊综合评价的健康评估系统开发

阐述了健康评估系统的基本原理;介绍了模糊集合中隶属度与隶属函数的概念,提出了模糊综合评价的原理和方法。利用MATLAB构建评价矩阵和算法程序,应用VB.net设计友好的用户使用界面,采用Access建立知识库和专家建议等信息,并通过混合编程技术实现健康评估系统的开发。最后,将这套健康评估系统应用于甲亢疾病评估实例中。     

一般模糊极大-极小神经网络的研究与应用

分析一般模糊极大-极小神经网络的基本原理,阐述模糊计算方法在分类中的准确性和高效性。将一般模糊极大-极小神经网络应用于企业资信评估中,实现模糊区间的输入,缩小企业评估指标定量化中的误差范围。资信评估结果表明,该算法能快速、有效地对企业进行分类,为资信评估提供了解决方案。     

基于模糊综合评判的雷电风险自动评估系统

雷电风险判断大多通过历史数据进行雷电评估，容易导致评估的结果存在主观性较强、评估结果科学性差问题，为此提出基于模糊综合评判的雷电风险自动评估系统，通过评估原则挑选风险评估阈值，规定分量处理风险，依靠所提供条件给予评估标准，同时挑选最优项，使用模糊综合评判法确定最优项评判对象的因素论域与评判等级论域，组建隶属函数评判标准的模糊权向量，依靠最大隶属度原则，给出评判对象的综合评判结果。实例证明设计系统，能够较为客观地证明方法的实用性，能将评判误差降至最低。     

基于不确定型AHP的网络生存能力模糊综合评估

对网络系统的生存能力进行量化评估，有助于对不同系统以及同一系统在不同环境下的可生存性做出准确的评价和比较。本文提出了将不确定型AHP和模糊综合评估技术相结合的方法，建立网络生存能力评估模型。利用不确定型AHP学习得到系统中各因素权重，然后依据隶属度函数对指标评语进行模糊化处理并构建模糊矩阵，再应用模糊综合评估技术得到网络生存能力的综合量化评估结果。通过实例分析，表明应用该方法对网络生存能力进行评估是有效和可行的。     

基于贝叶斯正则化神经网络的企业资信评估

在市场经济系统研究中,资信评估作为市场经济中的监督力量,是投资者的重要参考依据.科学准确的资信评估可以辅助决策,降低投资者风险.针对当前企业资信评估方法的不足,为了准确评估资信效果,提出将基于贝叶斯正则化的前向多层神经网络用于企业资信评估,通过新的误差函数可以减少网络的有效权值和阈值,并使网络训练输出更加平滑,从而增强网络的泛化性能.并通过MATLAB软件及其神经网络工具进行仿真计算.结果表明,贝叶斯正则化神经网络稳定、快捷、评价结果可靠准确,可作为于企业资信评估依据.     

基于模糊处理的P2P信任和声望模型研究

本文提出了一个基于模糊处理的信任和声望评估算法,并建立了基于模糊处理的信任和声望评估模型。该模型使用模糊理论来表达信任评估中的模糊语义,可以综合考察信任评估中节点不同方面的性能,并用模糊隶属度函数来表达推荐的准确度,动态地调整推荐节点的推荐权值,以综合来自不同节点的信任推荐评估目标节点的声望。     

船舶电力推进系统仿真可信度FCE评估方法研究

为了提高船舶电力推进系统仿真的可信性分析准确性,提出采用模糊综合评判和基于相似度原理的综合方法对系统仿真进行分析。结合船舶电力推进系统的仿真模型,将影响仿真结果的可信性因素综合起来建立层次结构,并依据专家打分确定各子系统的相对权重。针对基于相似度原理所得的结果,采用自适应神经网络模糊控制系统确定子系统的隶属函数,对结果进行模糊化处理,并最终通过模糊综合评判确定系统的可信度。该方法结合神经网络对系统的隶属度函数进行修正,克服了主观确定隶属度函数的缺点;有效地解决了系统中含有定性定量数据求取可信度难的问题,具有一定的科学性和可信性。     

基于熵权法和组合隶属函数的雷达质量评估方法研究

为较好地评价雷达质量状况,针对雷达系统的功能特性和评估需求,区分监测数据、履历数据和环境数据,构建了雷达质量评估的三层指标体系。为反映监测数据因素的客观性,采用熵权法确定测试数据指标权重。为避免单一隶属函数可能会出现隶属度突变的问题,运用组合隶属函数的方法进行评价。该方法首先计算各指标在不同隶属函数条件下的评价信息,而后对每种隶属函数的评判情况进行组合优化,以增加评估结果的可信度。通过定性分析和定量计算,对某型雷达的质量状态进行了模糊综合评判,验证了该评估算法的有效性,对雷达系统操作应用和维修保障具有一定的参考价值。     

具有广义线性隶属函数的典型模糊系统的通用逼近性*

设计了一种将三角形和梯形隶属函数作为特例的广义线性隶属函数,推导了输入采用广义线性隶属函数的典型Mamdani模糊系统的解析结构,证明了典型模糊系统是单调、递减的有界连续函数;在此基础上证明了该类模糊系统能以任意精度逼近任意连续实函数,最后仿真实例证明了本设计的有效性。     

一种新型区间二型模糊神经网络隶属函数的设计

对于区间二型模糊神经网络（IT2FNN）,论文给出了一种新型的模糊隶属函数（FMF）设计方法.通过所设计的模糊隶属函数,可以衍生出三种区间二型模糊隶属函数（IT2FMF）.每种区间二型模糊隶属函数都具有不同的不确定域.论文将三种衍生模糊隶属函数应用于简化区间二型模糊神经网络辨识两个非线性系统.通过仿真,将衍生区间二型模糊隶属函数的辨识性能与高斯和椭圆型模糊隶属函数进行了对比.仿真结果表明,通过调节简化区间二型模糊神经网络的参数,本文所设计的区间二型模糊隶属函数比高斯和椭圆型模糊隶属函数具有更好的辨识性能.     

A general model for fuzzy decision tree and fuzzy random forest

The problem of risk classification and prediction, an essential research direction, aiming to identify and predict risks for various applications, has been researched in this paper. To identify and predict risks, numerous researchers build models on discovering hidden information of a label (positive credit or negative credit). Fuzzy logic is robust in dealing with ambiguous data and, thus, benefits the problem of classification and prediction. However, the way to apply fuzzy logic optimally depends on the characteristics of the data and the objectives, and it is extraordinarily tricky to find such a way. This paper, therefore, proposes a general membership function model for fuzzy sets (GMFMFS) in the fuzzy decision tree and extend it to the fuzzy random forest method. The proposed methods can be applied to identify and predict the credit risks with almost optimal fuzzy sets. In addition, we analyze the feasibility of our GMFMFS and prove our GMFMFS‐based linear membership function can be extended to a nonlinear membership function without a significant increase in computing complex. Our GMFMFS‐based fuzzy decision tree is tested with a real dataset of US credit, Susy dataset of UCI, and synthetic datasets of big data. The results of experiments further demonstrate the effectiveness and potential of our GMFMFS‐based fuzzy decision tree with linear membership function and nonlinear membership function.     

基于混合聚类算法的模糊函数系统辨识方法

针对传统模糊系统存在的结构难以确定和参数辨识复杂的问题,提出了一种基于混合聚类算法的模糊函数系统辨识算法.与一般的模糊函数系统相比,混合聚类算法结合模糊C均值和模糊C回归模型聚类算法的样本距离.在模型预测部分,采用高斯函数计算每个输入变量的隶属度,利用输入变量隶属度的模糊化算子得到输入向量的隶属度.应用于Box-Jenkins煤气炉数据、一个双入单出的非线性系统和Mackey-Glass混沌时间序列数据的试验结果表明,本文算法具有很好的辨识效果,从而验证了本文算法的有效性与实用性.     

基于抽象度的概念层次上的推理方法

在模糊集合的基础上提出了概念的抽象度的概念,抽象度描述了模糊概念再其空间中的抽象层次,讨论了基于抽象度的3种推理形式以及隶属度的变迁.基于抽象度的推理是一种概念层次上的推理,隶属度在推理中不是固定不变,它随着智能系统中推理进程依据评价函数不断进行调整使整个系统趋于稳定,具备了自学习的特征.     

基于模糊推理的战略网络伙伴企业综合评价

为了科学合理地评价战略网络内部的伙伴企业,本文提出一种模糊推理评价方法。首先分析了模糊推理系统的基本组成,阐述了模糊推理算法;然后根据战略管理能力、企业管理水平、资源整合能力、关系管理能力、兼容性和企业信誉等指标,选用高斯形隶属度函数,制定15条模糊规则,并使用Matlab语言建立模糊推理系统。对珠江三角洲伙伴企业的实际分析表明,该系统评价结果正确、评价效果好。模糊推理方法为伙伴企业的综合评价提供了一种切实可行的新思路。     

基于向量Lyapunov函数方法的模糊控制系统稳定性分析和设计

采用模糊动态模型对连续时间非线性系统进行模糊控制,对闭环模糊系统的稳定性进行分析,并给出系统化的控制器设计程序,在一系列局部模型通过模糊隶属函数连接得到的连续的全局模型中,全面考虑其它关联子系统对标称线性系统的摄动,并利用向量Lyapunov函数的概念和方法,得到了闭环模糊系统稳定的充分条件;仿真例子验证了该设计方法的正确性。     

基于核方法的一种新的模糊支持向量机

由于支持向量机对样本中的噪声及孤立点非常敏感,因而在解决非线性、高维数、不确定问题时,使用模糊支持向量机比使用支持向量机的效果要好。在模糊支持向量机中,模糊隶属度函数的建立是关键也是难点。一般,模糊隶属度是在原始空间中根据样本点的相互距离及到类中心的距离创建的。考虑样本间的密切度,在特征空间中利用混合核函数建立一种新的模糊隶属度。通过试验比较多项式核函数、高斯径向基核函数与混合核函数,可看出新方法表现出了它的优越性。     

基于B样条隶属函数的模糊推理系统

隶属函数和推理规则的确定是模糊推理的难点。通过研究模糊推理过程和B样条函数的特性,对应用B样条函数拟合模糊隶属函数进行推理的方法进行改进。通过对误差极值点、曲率极值点的计算和筛选,得到B样条函数的型值点。反算求得控制点之后,通过自适应增加控制点对曲线进行调整,增加曲线对隶属函数的拟合度,解决了B样条函数对隶属函数的拟合问题。建立B样条推理规则,构造实现了B样条推理系统,并求出该系统的最终结果为B样条超曲面。最后,通过实验验证了该方法的有效性和可行性。     

一种基于模糊聚类的隶属函数定义方法

隶属函数的确定是模糊集合理论及其应用的基本而关键的问题。本文提出了一种基于模糊聚类的、以训练样本数据为依据的、自动地确定模糊集合隶属函数的方法,为开发模糊系统节省了大量的时间和精力。     

二型模糊系统的规则提取算法

模糊规则提取是建立二型模糊系统需要解决的关键问题.提出一种改进的基于c均值模糊聚类算法(FCM)的二型模糊规则提取方法.该方法借助于二型模糊集主隶属度函数的期望与次隶属度函数值之间的联系,能克服已有算法忽略二型模糊集次隶属度函数对模糊聚类结果的影响.仿真实例表明.该算法能成功地提取二型模糊规则,比FCMV算法具有更好的性能和收敛性.     

运用模糊熵理论进行图像置乱程度评价

提出了基于模糊熵理论的图像置乱程度评价新方法。首先对置乱前后图像中任意像素所对应二阶邻域系统构造一个模糊集并定义其隶属度,其次计算图像中各像素所对应二阶邻域系统模糊集的模糊熵,最后根据置乱前后两图像的模糊熵构造图像置乱程度评价函数。实验结果表明,提出的评价方法能够较好地刻画图像的置乱程度,充分反映加密次数与置乱程度之间的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。