参考模糊集合构造方法及模糊模型辨识

本文提出了一种基于参考模糊集的模糊模型辨识方法,探讨了模型结构和模糊关系的辨识问题.在隶属函数的定义上引入了优化算法,最终将辨识问题转化为优化问题.文中给出了具体的辨识算法,仿真实例表明该模型辨识方法具有满意的精度.     

异构无线网络中基于模糊集合的动态信任模型

针对异构无线网络融合带来的安全问题,提出了一个基于模糊集合的动态信任模型DTMBF。使用模糊隶属度标示了信任的主观不确定性,引入直接信任、推荐信任、推荐可信度和信任时间戳4个参量来计算网络的信任度,并通过信任反馈控制机制动态调节上述参量。直接信任和推荐信任反映了网络的历史服务情况,推荐可信度和信任时间戳则反映了信任反馈的可信性和时效性。仿真分析表明,该模型能准确有效地确定网络的信任度,有效地抑制了恶意用户的诋毁行为和合谋欺骗行为。     

基于模糊集合的完整性信任度评估模型

完整性度量是可信计算得以实现的一项重要技术。根据影响操作系统完整性的内核模块、二进制可执行文件等因素,通过定义直接信任度、间接信任度和综合信任度等计算公式构建了一个操作系统的完整性信任度评估模型,该模型利用模糊集合理论将完整性度量化为[0,1]之间的具体数值,并根据隶属函数将操作系统的信任度划分为四个信任等级。该模型改变了原有完整性度量中一致执行、不一致停止的二值状态,为远程验证者提供较为精确的操作系统完整性度量值,提高了系统的可用性。仿真实验结果表明该模型较客观地提供了操作系统的完整性信息。     

基于模糊集合的构件资源信任评估模型研究

基于构件的复用来构建应用程序,可以显著提高应用程序的质量和开发效率。但由于Internet的开放性与动态性,使得选择出服务质量高且安全可靠的可信任构件难度较大。针对该问题,提出了一种构件资源信任评估模型,并分析了该模型中的可信需求模型定制、证据信息采集及可信评估方法等关键技术。通过实例对该模型的应用过程和科学性进行了分析,该模型为选择出可信的构件资源提供了一种有效的解决方案。     

层次分类模型的构造及实现

本文提供了一种层次分类模型的构造方法。利用这个模型建立的决策支持系统（ＤＳＳ）运行表明，框架，规则是可行的，模型是有效的。这个模型也适用于可层次化的复杂系统的分类和辨识。     

移动自组网中一种基于模糊集合的分层信任模型

移动自组网中,作为对基于密码体系的安全手段的重要补充,信任模型在解决内部攻击,识别恶意节点、自私节点,提高系统安全性、可靠性和公平性等方面有着显著优势。提出一种基于模糊集合的分层信任模型,模型采用模糊集合对信任关系进行建模,引入向量贴近度为推荐信任分配权重,并充分考虑分层（分簇）结构移动自组网的特点,强调了系统的可扩展性、动态适应性、鲁棒性和资源开销最小。     

基于模糊集合的可信计算信任模型评估

可信计算是信息安全的重要研究领域,而信任模型的可信性评估是该领域中亟待解决的关键问题。在深入研究可信计算信任根、信任链及其可信性影响因素的基础上,提出了基于模糊集合理论的可信计算信任模型评估方法。基于模糊集合理论的评估方法定义了不同的可信度度量规则和模糊集合,基于计算得到的可信度,评价信任模型的可信性。分析结果表明,基于模糊集合的信任评估方法能够有效评估可信计算信任模型的可信性,丰富了可信计算信任评估理论。     

模糊集合及其在智能CAI中的应用

文章对模糊集合及其理论进行了描述,指出了它在实际应用中的必要性和优越性,并阐述了智能CAI的特点。     

基于模糊集合的证据理论信息融合方法

提出了一种利用模糊集合确定概率分配函数（mass函数）进行信息融合的方法。该方法首先构造出融合对象的模糊集合,然后以隶属度函数为基础计算出概率分配函数,再利用D-S规则对多传感器信息进行融合。汽车轮胎压力监测的实验表明该方法获得的mass函数在信息融合中的有效性。     

基于Vague集模糊推理的多评价指标模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入,并运用于决策问题中,有学者已把Vague集用于多评价指标的模糊决策中,但其决策方法在某些时候却难以得到目标。为此,本文提出了一个基于Vague集模糊推理的多评价指标模糊决策方法。在这个方法中,从基于Vague集的模糊推理的观点来看待模糊决策问题。将评价指标和候选方案之间的关系用一组基于Vague集的推理规则来表示,将决策者的要求用一组Vague集来表示,经过模糊推理等过程最后得到决策结果。然后还给出了一个实例说明这种多评价指标模糊决策方法。这个基于Vague集模糊推理的多评价指标模糊决策方法的提出为决策系统提供了一个有用的工具。     

决策支持系统中粗糙集理论的应用研究

粗糙集理论是近代新兴的数据处理方法，概率统计方法是传统数据处理方法，两者各有其优缺点。文章在对粗糙集理论进行深入研究的基础上，提出将两种方法结合，并在决策支持系统中应用，在系统的实现过程中提出了新的处理方法。     

模糊集和粗糙集

介绍和比较了模糊集和粗糙集各自的理论和特点，同时讨论了两种理论相结合来研究问题的方法。     

群AHP模糊综合评估方法研究及在DSS中的应用

目前在众多领域中迫切需求具有可操作性的科学决策方法.本文将群AHP与模糊综合评估方法有机结合,研制出多目标辅助优选模型,并开发出药学类科研项目决策支持系统（DSS）.此系统可辅助决策机构为了相应的目标评估、择优科研项目.在对样本的实际操作过程中取得了满意的效果.     

一种面向连续属性空间的模糊粗糙约简

简要叙述了模糊粗糙集理论中与属性约简相关的几个重要概念,研究了属性模糊化方法,并提出了一种结合遗传算法和模糊粗糙集理论的属性约简算法,它能快速找到完整地保留了原始数据集合的信息的一个属性约简.     

基于模糊集合的证据理论信息融合方法

针对证据理论应用中基本概率分配函数(mass函数)和多传感器信息融合中各传感器测量数据的可靠程度均难以确定的问题,提出了一种基于模糊集合的证据理论信息融合方法.该方法首先利用模糊理论中的相关性函数来计算多传感器的相互支持程度;然后由隶属函数得到每个传感器提供信息的可信度;再将各传感器的支持度和可信度转化成基本概率分配函数即mass函数;最后利用证据理论对多传感器信息进行融合.仿真结果表明,该方法获得的结果具有更高的精度和可靠性.     

基于模糊数风险最小化的拓展决策粗糙集模型

决策粗糙集模型中损失函数一般是基于单值的。考虑到实际决策问题中损失函数的不确定特征,为了处理一般的情形,引入模糊数来表示损失函数。从模糊数学的角度出发,通过一系列模糊运算得出决策阈值α、β的模糊分布,并据此给出决策规则。同时,对比区间决策粗糙集模型,给出获得更紧凑的阈值α、β上、下确界的方法。最后,通过一个石油投资的例子来阐明该模型的应用过程。     

粗糙集在销售决策系统中的应用

在销售决策支持系统中,存在着大量的信息和很多不确定的因素,这使得做出科学合理的决策变得很困难。粗糙集理论是处理不确定性知识与不完整数据的有效工具,因此可以根据粗糙集理论通过分析推理找出销售数据中存在的有用的知识。依据粗糙集理论实现了一种对销售决策表知识简化的方法,采用粗集理论处理大量销售信息,从中提取有用规则,通过分析和推理产生最小决策规则。通过实例分析,验证了粗糙集理论与销售决策支持系统相结合方法的可行性。该方法有效地解决了智能销售决策支持系统中决策规则的获取与理解等问题。     

DSS鲁棒性的模糊逻辑改进

DSS的设计中，决策模型或决策规则的构建都经常的涉及不确定性问题．而DSS的鲁棒性是衡量DSS解决不确定性问题的主要标志．本文针对这一问题，提出了一种基于模糊逻辑技术的DSS设计，并与传统的基于线形加权和法的DSS进行比较，显示其在鲁棒性方面的突出改进．     

基于智能和数据仓库DSS的综合DSS

阐述了智能决策支持系统和基于数据仓库的决策支持系统的结构,介绍了将两者结合起来构成综合决策支持系统的新思路:以将智能决策支持系统与基于数据仓库技术的决策支持系统这两者不同的辅助决策方式结合起来,从而进一步提高辅助决策的效果,为各级决策者进行科学决策提供更强的辅助决策手段。