一种启发式变阶直觉模糊时间序列预测模型

论文针对已有高阶模糊时间序列模型在预测精度和预测范围上的限制,结合直觉模糊集理论,提出一种启发式变阶直觉模糊时间序列预测模型。模型首先应用直接模糊聚类算法对论域进行非等分划分;然后,针对直觉模糊时间序列的数据特性,改进现有直觉模糊集隶属度和非隶属度函数的建立方法;最后,采用阶数随序列实时变化的高阶预测规则进行预测,并将历史数据发展趋势的启发知识引入解模糊过程,使模型的预测范围得到扩展。在Alabama大学入学人数和北京市日均气温两组数据集上分别与典型方法进行对比实验,结果表明该模型有效克服了传统模型的缺点,拥有较高的预测精度,证明了模型的有效性和优越性。     

基于DTW的长期直觉模糊时间序列预测模型

针对现有直觉模糊时间序列模型中直觉模糊关系组和确定性转换规则过度依赖训练数据规模的问题,提出一种基于动态时间弯曲（DTW, dynamic time warping）距离的长期直觉模糊时间序列预测模型。通过直觉模糊C均值（IFCM, intuitionistic fuzzy C mean）聚类构建直觉模糊时间序列片段库,动态更新和维护规则库,减少系统复杂度。提出基于DTW距离的直觉模糊时间序列片段相似度计算方法,有效解决不等长时间序列片段匹配问题。通过对合成数据以及包含不同时间序列模式的气温数据的实验,与其他相关模型比较,说明该模型对于不同时间序列趋势变化模式中均具有较高的预测能力,克服传统模型提高模型只能满足单一模式时间序列预测,提高模型的泛化性能。     

基于遗传算法的直觉模糊多目标规划

提出了一种基于遗传算法的直觉模糊多目标规划模型.首先,定义了目标函数和约束函数的隶属和非隶属函数;其次,通过直觉模糊"最小-最大"算子,提出直觉模糊多目标规划模型;然后,用遗传算法进行求解,使之适应线性和非线性的情况,具有通用性;最后,通过一个算例表明,直觉模糊多目标规划的性能优于模糊多目标规划.     

基于直觉模糊集的红外图像伪装评价研究

提出一种利用直觉模糊集评价红外伪装性能的方法.建立了伪装目标和背景红外图像的灰度值与直觉模糊集隶属度、非隶属度的关系;提出用Gamma函数作为隶属度函数,并用直觉模糊集方法重新描述红外图像;通过计算伪装前后直觉模糊集描述图像的三种模糊距离(Euclidean距离、Hamming距离以及Hausdoff距离)评价伪装效果.实验证明,用Gamma函数作为隶属度函数的直觉模糊集方法评价红外图像伪装具有很好的稳定性,且简单有效.     

基于直觉模糊粒化的信息熵属性约简算法

在直觉模糊关系中,对象之间通过隶属度和非隶属度的刻画使得拥有了更为优越的关系评估效果.为了对信息系统的不确定性达到更好的度量,首先引入基于直觉模糊关系对信息系统进行直觉模糊粒化,然后在粒化的结果中依据隶属度和非隶属度分别定义了信息熵的概念,并将它们结合作为直觉模糊关系下信息系统的信息熵,最后根据该信息熵构造一种属性约简算法.实验结果表明提出的算法具有较优的属性约简性能.     

基于直觉模糊集和直方图均衡的图像增强方法

针对模糊增强不能改善图像的对比度和直方图均衡增强存在过度增强、图像细节信息丢失的缺陷,提出了基于直觉模糊集和直方图均衡的图像增强算法.由于待增强图像包含大量的不确定性信息,给出了一种新的直觉模糊增强图像的算法,该方法通过合成像素的直觉模糊隶属度和非隶属度的方式来实现,能够显著增强图像的细节信息,但不能改善图像对比度.因此,将直觉模糊增强和直方图均衡进行融合,以直觉模糊增强为主,同时抑制直方图均衡的不足,既增强了图像的细节信息,又改善了图像的对比度.最后,通过典型的图像增强实例验证了算法的有效性和可靠性.     

基于条件熵的直觉模糊条件推理

该文在利用隶属度和犹豫度计算直觉模糊逻辑命题真值的对称合成方法的基础上,提出了一种基于条件熵的直觉模糊条件推理新算法。将直觉模糊条件推理规则的前件和后件与决策信息系统的条件属性和决策属性等价起来,条件属性、决策属性和推理规则均视为直觉模糊命题,直觉模糊命题的真实程度转化成一种决策规则前件对后件的条件熵的度量,并给出了条件熵的范围,从而确定直觉模糊命题的真实程度的范围。     

流量异常检测中的直觉模糊推理方法

针对网络流量特征属性不确定性和模糊性的特点,将直觉模糊推理理论引入异常检测领域,该文提出一种基于包含度的直觉模糊推理异常检测方法。首先设计异常检测中特征属性的隶属度与非隶属度函数,其次,给出基于包含度的强相似度计算方法并生成推理规则库,再次给出多维多重式直觉模糊推理规则,最后建立异常检测中的直觉模糊推理方法。通过对异常检测标准数据集KDD99的实验,验证该方法的有效性,与常见经典异常检测方法对比,该方法具有更良好的检测效果。     

抑制式非局部空间直觉模糊C-均值图像分割算法

针对传统的模糊C-均值(FCM)算法没有考虑图像像素的空间邻域信息,对噪声敏感,算法收敛较慢等问题,该文提出一种抑制式非局部空间直觉模糊C-均值图像分割算法。首先,通过计算像素的非局部空间信息提高抗噪能力,克服传统的FCM算法只考虑图像单个像素的灰度特征信息的缺陷,提高分割精度。其次,根据直觉模糊集理论,通过“投票模型”自适应生成犹豫度作为抑制因子修正隶属度,提高算法的运行效率。实验结果表明,该算法对噪声鲁棒性较强并且有较好的分割性能。     

基于谱聚类的高阶模糊时序自适应预测方法

结合数据特征及分布特点提出一种基于谱聚类的模糊时间序列自适应预测方法。首先基于谱聚类的思想,根据样本数据特征获取其所属论域的个数及范围,实现向模糊时间序列的自适应转化;然后基于Markov概率模型表示模糊时间序列中的模糊关系,从而对多步模糊关系、高阶模糊关系及模糊关系的稳态进行求解;最后获取预测值的可能模糊状态,进而利用去模糊化方法将其还原为预测值。在真实以及人工时间序列数据上的实验表明了所提方法的合理性与有效性。     

基于区间值直觉模糊集的距离测度

区间值直觉模糊集是直觉模糊集的进一步推广,具有比直觉模糊集更强大的模糊信息表达能力.基于区间值直觉模糊集理论,给出了三种基于海明距离、规范化海明距离、欧氏距离、规范化欧氏距离的扩展区间值直觉模糊集距离测度公式,对它们进行了比较分析,并给出了相应的定理和证明.     

基于直觉模糊Petri网的知识表示和推理

针对模糊Petri网存在隶属度单一的问题,将直觉模糊集理论与Petri网理论相结合,构建直觉模糊Petri网(Intuitionistic Fuzzy Petri Nets,IFPN)模型,用于知识的表示和推理.首先构建了IFPN模型,并将其应用于知识的表示,通过在模型中引入抑止转移弧,解决了否命题的表示问题.其次提出了基于矩阵运算的IFPN推理算法,通过修改变迁触发后token值的传递规则,解决了推理过程中的事实的保留问题;通过修改变迁的触发规则,抑制了变迁的重复触发.最后对推理算法进行了分析,并举例验证了提出的IFPN模型及其推理算法的可行性,结果表明IFPN是对FPN的有效扩充和发展,其对推理结果的描述更加细腻、全面.     

基于核距离的直觉模糊c均值聚类算法

针对现有直觉模糊c均值聚类算法无法发现非凸聚类结构的缺陷,提出了一种基于核化距离的直觉模糊c均值聚类算法。算法在定义了基于核的直觉模糊欧式距离基础上,通过把聚类样本映射到高维特征空间,使原来没有显现的特征突现出来,从而能够更好地聚类。实验选择一组人工数据集及一组UCI数据集测试了本文算法,并将其与五种经典的聚类算法进行了比较。实验结果充分表明了该算法的有效性及优越性。     

三角直觉模糊数理论在供应商选择中的应用

随着社会的发展,物质极大地丰富,人们的需求也多样化,为人们提供服务的供应商越来越多,如何选择满意的供应商也是生活中非常重要的事情,基于社会现实文章首先阐述了三角直觉模糊数的理论知识,继而将一种基于两个三角直觉模糊数之间距离的决策方法应用在供应商的选择中。     

基于直觉模糊集多属性决策的灰色关联分析法

基于直觉模糊集理论,提出了一种新的灰色关联分析方法来研究模糊多属性决策问题.首先,根据直觉模糊集的几何意义,引入了两个直觉模糊集之间的距离,且每个备选方案的评价值用直觉模糊值表示.其次,依据传统灰色关联分析方法的基本思想,通过计算每个方案对直觉模糊正、负理想方案的灰色关联度.然后计算备选方案对直觉模糊正理想方案的相对关联度度.最后,通过一个具体实例说明该方法的有效性和具体应用过程.     

基于相对熵的直觉模糊聚类方法

在众多的模糊集中,直觉模糊集同时定义了信任度、非信任度和犹豫度,便于处理不确定信息.在不确定信息应用领域的背景下,重点研究了直觉模糊环境下的聚类问题,提出了基于相对熵的直觉聚类方法,并通过数值算例验证了方法的可行性和有效性.     

基于相似度的直觉模糊推理反向三I算法的鲁棒性

本文将直觉模糊集与反向三I算法结合起来,研究了直觉模糊推理a－反向三I算法,给出了IFMP、IFMT问题的直觉模糊推理a－反向三I算法解的表达形式和分解形式.其次,借助双剩余,定义了直觉模糊集间的相似度,给出了直觉?ukasiewicz蕴涵、直觉Gödel蕴涵、直觉Goguen蕴涵、直觉R₀蕴涵的相似度,并分析了它们之间的关系.最后,利用直觉模糊集上的相似度作为扰动参数,讨论了直觉模糊推理a－反向三I算法的鲁棒性,特别是,针对以上四种剩余型蕴涵算子,得到了直觉模糊推理a－反向三I算法的一些关于鲁棒性的结论.     

基于直觉模糊推理(1,2,2)-a型泛三Ⅰ算法的鲁棒性

本文基于直觉模糊集，研究了直觉模糊推理（1，2，2）-a型泛三I算法，给出了IFMP、IFMT问题的直觉模糊推理（1，2，2）-a型泛三I算法解的表达形式和分解形式.其次，利用直觉模糊集间的自然距离定义了直觉模糊连接词和直觉模糊集的灵敏度，给出了直觉Lukasiewicz蕴涵、直觉Gödel蕴涵以及它们各自对应三角模的灵敏度，在此基础上，证明了直觉Lukasiewicz蕴涵是直觉模糊集上最鲁棒剩余型蕴涵算子.最后，讨论了直觉模糊推理（1，2，2）-a型泛三I算法的鲁棒性，并且针对以上两种具体蕴涵算子，相应地获得了直觉模糊推理（1，2，2）-a型泛三I算法解的灵敏度.结论表明，直觉模糊推理算法的鲁棒性完全取决所选择的直觉模糊连接词.