基于模糊相关度的模糊C均值聚类加权指数研究

在极小化模糊C均值（FCM）聚类目标函数的过程中,针对目前模糊加权指数m的确定缺乏理论依据和有效评价方法的问题,提出了一种基于模糊相关度的模糊加权指数计算方法。首先定义模糊相关度的聚类有效性函数,然后通过Gauss迭代计算FCM聚类有效性并将其反馈到模糊加权指数的变化中,从而使m收敛到一个稳定的最优解。理论分析和实验结果表明,该算法是有效的,所得到加权指数m符合预期的结果。     

模糊c均值聚类算法中参数m的优选

本文利用模糊决策理论提出了一种模糊c均值(FCM)聚类算法中加权指数m的优选方法.文中定义了合适的模糊目标和模糊约束,通过模糊决策确定最佳的m值,以保证FCM算法获得好的聚类效果.实验结果显示了该方法的有效性,并得到实际应用中m的最佳取值范围为[1.5,2.5].     

直觉模糊多属性决策的新方法

针对属性值以直觉模糊数形式给出的多属性决策中确定属性权重的问题,提出了一种直觉模糊数熵权的确定方法,依照传统权熵的确定方法的思路,通过一个公式求得直觉模糊熵;然后求得属性的信息熵;根据传统熵权确定公式得到属性权重,进而利用得分函数对方案进行排序;最后通过算例说明该方法的有效性和实用性。     

基于子集测度的模糊加权指数进化计算方法

为解决在模糊C-均值聚类应用过程中,模糊加权指数的确定缺乏理论依据和有效评价方法的问题,提出了一种基于子集测度的模糊加权指数进化计算方法。根据子集测度理论定义聚类有效性函数,在聚类过程中通过循环进化迭代计算聚类的有效性,并将其值反馈到模糊加权指数的变化中,使收敛到一个稳定解。通过实验得到的加权指数符合预期的结果,理论分析和实验结果表明了该方法的有效性。     

一种基于广义熵的模糊聚类算法

针对熵模糊聚类算法只考虑特殊的加权指数问题,将广义熵引入到模糊聚类的目标函数,获得一种基于广义熵的模糊聚类模型和模糊聚类算法。将核函数引入到该模糊聚类模型中,提出基于广义熵的核模糊聚类算法。实验研究广义熵模糊聚类算法与核模糊聚类算法,证明当使用熵模糊聚类算法对数据聚类时,选取加权指数大于2的值可获得较好的聚类结果,同时参数对核算法的聚类结果有较大的影响。     

基于模糊聚类的小波变换图像去噪算法改进

介绍一种改进的较优的基于模糊聚类的小波变换图像去噪算法.首先分析了模糊C均值聚类算法中加权指数m的重要性,采用基于模糊决策的方法,分别构造模糊目标和模糊约束,由模糊目标和模糊约束的交集来共同确定最优的加权指数m以获取较为理想的聚类分类结果.再利用该种加权模糊聚类算法把小波系数划分成包含信号与只包含噪声的小波系数两类,将只包含噪声的小波系数置为零,将包含信号的小波系数利用软阈值法进行收缩,最后对处理后的系数根据M带小波变换的局部时频分析能力及其良好的信噪分离能力进行M带小波变换,得到去噪效果较好的图像.     

基于最大模糊熵和微粒群的双阈值图像分割

基于最大模糊熵准则和微粒群算法,提出了一种新的双阈值图像分割方法.该方法通过定义3种模糊隶属度函数,将图像模糊划分为暗、灰和亮3个不同的区域.同时采用微粒群算法搜索最大模糊准则下模糊参数的最优组合,进而确定图像的两个最佳分割阈值.仿真结果表明,该算法具有良好的分割效果和较强的实时处理能力.     

基于模糊熵和证据推理的语言?? 数多准则决策方法

定义了语言??数及其模糊熵, 提出了基于模糊熵和证据推理的多准则决策方法, 以解决准则权系数信息不完全确定的语言??数多准则决策问题. 所提方法通过建立基于语言??数模糊熵的线性规划模型来得到准则的最优权系数, 利用证据推理算法确定方案的综合准则值, 进而得出最优方案. 最后通过实例验证了所提出方法的有效性和可行性.

     

一种基于模糊划分的边缘检测算法

基于信息论中最大熵原理，提出了一种新的基于模糊划分的边缘检测算法，并介绍了模糊概率和用条件概率与条件熵来定义模糊划分熵的概念以及模糊划分的原理。该算法是利用自然划分以及梯度图像模糊划分的关系，在条件概率与模糊划分熵的基础上，通过最大模糊熵原则来实现图像分割中最优阈值的自动提取，以实现图像的边缘检测。通过不同类型测试图像的边缘检测结果比较表明，该算法用于边缘检测能获得很好的效果。     

基于直觉模糊熵的直觉语言多准则决策方法

针对现有直觉模糊熵方法中存在的一些问题,提出一种新的直觉模糊熵,并将其与现有的几种直觉模糊熵计算结果进行比较.针对准则权重信息不完全且准则值为直觉语言数的多准则决策问题,通过建立基于模糊熵的决策模型来求解准则的最优权系数,并利用直觉语言加权算数平均算子(IL-WAA)求出方案的综合准则值,进而由直觉语言数的记分函数确定方案的排序.最后,通过算例分析验证了该方法的有效性和合理性.     

基于加权信息熵的直觉模糊信息系统的三支决策

讨论直觉模糊信息系统上的三支决策问题.首先,定义一个由模糊因子、均值因子和概率因子3部分组成的相似度函数,从而建立直觉模糊信息系统上的三支决策模型,并指出该模型从理论上统一了各种双论域模型;其次,考虑论域对象的评价值不同,提出一种基于评价值的划分测度:加权信息熵,并且证明划分越细,加权信息熵越大;最后,基于加权信息熵的性质,给出最优三划分的合理解释,从而提出一种新的阈值求解方法.     

一种基于信息熵约束的快速FCM聚类水下图像分割算法

智能水下机器人视觉识别系统的使命是快速、准确地处理获得水下目标的相关信息并及时反馈给计算机来指导机器人进行下一步的任务。为了在保证分割质量的前提下实现快速图像分割,结合梯度算子、图像的直方图特征和采样计算,并以图像的相对信息损耗为约束,提出了一种基于熵约束的快速FCM聚类水下图像分割算法,并依据水下图像分割效果和模糊划分的有效性评价指标,详尽研究了新算法中加权指数二的取值规律性。实验结果表明,这种算法能够获得较好的分割质量和时间效率,符合机器人对实时性的需求。     

多变量非线性系统参数自调整的模糊加权控制

本文针对多变量非线性系统,提出了一种参数自调整的模糊加权信息融合方法．利用 模糊组合变量降低模糊控制系统的维数,根据不同的模糊组合变量对最后决策的作用大小, 赋予不同的权重来实现对多变量非线性系统的控制,在利用反向传播算法对量化系数和加权 系数进行自学习后,在线进行基于模糊规则的参数自调整,有效地解决了多变量模糊控制系 统中难于设计多维规则库和在线实现自适应模糊控制的问题．本文还对所提出的方法进行了 仿真实验和实际系统的实验,实验结果证明了该方法的有效性．     

一种优化模糊划分的遗传方法

模糊隶属函数是设计模糊系统的一个关键概念.如何生成适当的隶属函数已成为30年来一个富有挑战性的问题.利用遗传算法和信息熵来解决模糊区域划分和优化,用信息熵来作为适应度评价函数的标准.最后,利用Matlab对所给算法进行了实验,得到一个优化的模糊区域划分.     

一种基于模糊加权型推理法的模糊神经网络

本文在Ｍａｍｄａｎｉ模糊推理法的基础上,给出了改进的模糊加权型推理法－广义模糊加权型推理法。     

基于改进直觉模糊熵和信息集成算子的多准则群决策方法

针对直觉模糊环境下准则权重和决策者权重完全未知的群决策问题,提出了一种基于改进直觉模糊熵和信息集成算子的多准则群决策方法.首先,借助直觉模糊数、语言变量法和定量指标值转化公式,将决策者的初始评价准则值规范化;其次,引入改进的直觉模糊熵度量方法确定准则权重和决策者权重;进一步对直觉模糊决策矩阵用直觉模糊加权平均算子和直觉模糊有序加权平均算子进行信息集成,利用新的得分函数对备选方案排序择优.从理论上论证了该方法的可行性,结合算例验证了该方法的有效性.     

Intuitionistic Fuzzy Interval‐Valued Linguistic Entropic Combined Weighted Averaging Operator for Linguistic Group Decision Making

Entropy, a basic concept of measuring the amount of information and the degree of confusion, has been applied in many weighted averaging operators in the linguistic group decision making. In the paper, we construct an intuitionistic fuzzy linguistic entropy based on the intuitionistic fuzzy entropy and the intuitionistic fuzzy linguistic variable. Then, inspired by operations of concentration and dilation (De SK, Biswas R, and Roy AR, Fuzzy Sets Syst. 2000;114(3):477?484), we extend the intuitionistic fuzzy linguistic entropy to the intuitionistic fuzzy interval‐valued linguistic entropy. After that, the intuitionistic fuzzy interval‐valued linguistic entropic combined weighted averaging (IFIVLECWA) operator is proposed for multiple attribute linguistic group decision making. Finally, a numerical example about the selection of optimal alternative(s) is presented to illustrate the applicability and effectiveness of the proposed method.     

基于改进模糊熵和证据推理的多属性决策方法

针对证据推理方法框架下属性权重难以获取的问题,提出一种基于改进模糊熵和证据推理的多属性决策方法。首先,定义证据推理信度决策矩阵框架下的三角函数模糊熵公式,并证明了其满足熵的四个公理化定义。其次,所提方法能够同时处理属性权重完全未知和属性权重信息部分已知两种情况：当属性权重完全未知时,基于信度框架下的改进模糊熵和熵权法的基本思想计算属性权重;当属性权重信息部分已知时,定义加权模糊熵,建立期望模糊熵最小的线性规划模型求解最优属性权重。最后,利用证据推理算法融合方案属性值,结合期望效用理论得到方案排序结果。通过实例计算,并与传统模糊熵计算方法进行比较分析,验证了所提方法能够更加充分地反映原始决策信息,更具客观性和一般性。     

属性权重未知picture模糊多属性决策方法及其应用

针对属性权重未知的picture模糊多属性决策问题,提出一种基于picture模糊熵和picture模糊加权对称交叉熵的多属性决策方法.首先,基于余弦函数提出一类新的picture模糊熵,并验证该熵值满足picture模糊熵的公理化定义;其次,针对标准化处理后的picture模糊决策矩阵,以picture模糊熵确定各属性权重,同时确定正、负理想方案;再次,分别计算各方案与正、负理想方案的picture模糊加权对称交叉熵,考虑决策者的主观评价倾向以模糊折中值得到各备选方案的排序结果;最后,将所提多属性决策方法应用于河南自贸试验区郑州片区创新型项目遴选,并通过对比分析验证该决策方法的有效性与合理性.