模糊支持向量机的偏移量计算方法

偏移量确定了支持向量机和模糊支持向量机（FSVM）的最优分类面位置,对分类性能具有较大影响。为提高模糊支持向量机的识别率,基于Fisher判别分析方法提出一种新的偏移量计算方法,将其用于FSVM多类分类器设计。对3种数据集的测试结果表明,使用新偏移量的FSVM识别率高于使用标准偏移量的FSVM识别率。     

一种基于Fisher投影计算权重的模糊SVM模型

针对模糊支持向量机模型,提出一种基于Fisher投影的模糊权重赋值方法。首先将原始样本通过Fisher线性判别分析(LDA)投影到一维空间,然后根据投影点的分布计算原始样本的模糊权重。算法在低维空间中可以更好地对离群点和噪声样本进行检测,从而可以更好地计算模糊权重,提高分类器的泛化能力。在UCI标准数据集与ORL人脸数据库上的实验表明,基于提出的Fisher投影模糊权重赋值方法的模糊支持向量机算法具有更高的精度。     

基于模糊支持向量机的非平衡数据分类

支持向量机(SVM)作为一种有效的机器学习技术可以很好地处理平衡数据集,然而除了对噪声点和野点敏感以外,SVM在非平衡数据分类时会偏向多数类(负类)样本,从而导致少数类(正类)的分类精度变差。为了克服以上问题,提出了一种改进的模糊支持向量机(FSVM)算法。新算法在设计模糊隶属度时,不仅考虑样本到其所在类中心的距离,还考虑了样本的紧密度特征。实验结果表明,相对于标准SVM及已有的FSVM模型,新方法对于非平衡且含有噪声的数据集有更好的分类效果。     

基于加权模糊C均值聚类的空预器积灰监测研究

电站空预器积灰会严重影响机组运行经济性.提出加权模糊C均值聚类算法对空预器积灰程度进行监测,该方法计算多维样本中每一维数据的标准差,将其作为权重,计算样本与类心之间的加权欧式距离,降低模糊C均值聚类算法对离群点的敏感度.利用人工数据对该方法进行验证,结果表明,相比于传统模糊C均值聚类算法,提出的方法对离群点识别更加准确...     

结合正态分布概率的FSVM

针对当前模糊支持向量机（FSVM）一般使用特征空间样本与类中心之间的距离构建隶属度函数的不足,提出了一种计算FSVM的隶属度的新方法。首次使用基于正态分布概率的π型隶属度函数来计算隶属度,根据正态分布的特性,在考虑数据分布规律的同时求得数据点的隶属值,使得求得的数据能够更加准确地反应数据的特点,进而获得更好的分类函数。实验表明,这种方法较SVM和FSVM相比,降低了噪声数据的影响,并且有效地提高了分类的准确率。     

核对齐多核模糊支持向量机

支持向量机（SVMs）是当前被广泛使用的机器学习技术,其通过最优分割超平面来提高分类器的泛化能力,在实际应用中表现优异。然而SVM也存在易受噪声影响,以及核函数选择等难题。针对以上问题,本文将基于核对齐的多核学习方法引入到模糊支持向量机（fuzzy support vector machine, FSVM）中,提出了模糊多核支持向量机模型（multiple kernel fuzzy support vector machine,MFSVM）。MFSVM通过模糊粗糙集方法计算每一样例隶属度;其次,利用核对齐的多核方法计算每一单核权重,并将组合核引入到模糊支持向量机中。该方法不仅提高了支持向量机的抗噪声能力,也有效避免了核选择难题。在UCI数据库上进行实验,结果表明本文所提方法具有较高的分类精度,验证了该方法的可行性与有效性。     

改进的SVM在入侵检测中的应用

提出模糊支持向量机的入侵检测方法,根据输入样本对分类结果不同的影响程度,引入模糊隶属度,探讨了模糊支持向量（FSVM）原理。为进一步提高支持向量机的分类性能,提出Bagging算法对FSVM分类器进行集成,实验结果表明,提出的方法具有良好的检测性能。     

实例加权类依赖Relief

Relief算法是一个过滤式特征选择算法,通过一种贪心的方式最大化最近邻居分类器中的实例边距,结合局部权重方法有作者提出了为每个类别分别训练一个特征权重的类依赖Relief算法（Class Dependent RELIEF algorithm：CDRELIEF）.该方法更能反映特征相关性,但是其训练出的特征权重仅仅对于衡量特征对于某一个类的相关性很有效,在实际分类中分类精度不够高.为了将CDRELIEF算法应用于分类过程,本文改变权重更新过程,并给训练集中的每个实例赋予一个实例权重值,通过将实例权重值结合到权重更新公式中从而排除远离分类边界的数据点和离群点对权重更新的影响,进而提高分类准确率.本文提出的实例加权类依赖RELIEF （IWCDRELIEF）在多个UCI二类数据集上,与CDRELIEF进行测试比较.实验结果表明本文提出的算法相比CDRELIEF算法有明显的提高.     

离群模糊核聚类算法

一般说来,离群点是远离其他数据点的数据,但很可能包含着极其重要的信息.提出了一种新的离群模糊核聚类算法来发现样本集中的离群点.通过Mercer核把原来的数据空间映射到特征空间,并为特征空间的每个向量分配一个动态权值,在经典的FCM模糊聚类算法的基础上得到了一个特征空间内的全新的聚类目标函数,通过对目标函数的优化,最终得到了各个数据的权值,根据权值的大小标识出样本集中的离群点.仿真实验的结果表明了该离群模糊核聚类算法的可行性和有效性.     

基于FCM的两级集成分类器算法

基于模糊聚类的思想提出了一种新的两级集成分类器算法.将数据集用Fuzzy C-Means算法进行聚类,得到每个实例对应于每个类别的模糊隶属度.一级集成根据Bagging算法获得成员分类器,分类器个数为数据集类别数且每个成员分类器对应一个类别标号,这些成员分类器的采样方式是通过其对应类别的模糊隶属度为每个实例加权后进行随机重采样.二级集成是将一级集成产生的针对类别的成员分类器通过动态加权多数投票法来组合,学习到最终的分类结果.该算法称为EWFuzzyBagging,实验结果表明,该算法与Bagging和AdaBoost相比具有更好的健壮性.     

Fuzzy failure modes and effects analysis by using fuzzy TOPSIS-based fuzzy AHP

Failure mode and effects analysis (FMEA) is a widely used engineering technique for designing, identifying and eliminating known and/or potential failures, problems, errors and so on from system, design, process, and/or service before they reach the customer (Stamatis, 1995). In a typical FMEA, for each failure modes, three risk factors; severity (S), occurrence (O), and detectability (D) are evaluated and a risk priority number (RPN) is obtained by multiplying these factors. There are significant efforts which have been made in FMEA literature to overcome the shortcomings of the crisp RPN calculation. In this study a fuzzy approach, allowing experts to use linguistic variables for determining S, O, and D, is considered for FMEA by applying fuzzy ‘technique for order preference by similarity to ideal solution’ (TOPSIS) integrated with fuzzy ‘analytical hierarchy process’ (AHP). The hypothetical case study demonstrated the applicability of the model in FMEA under fuzzy environment.     

Node connectivity and arc connectivity of a fuzzy graph

The fuzzy graph approach is more powerful in cluster analysis than the usual graph - theoretic approach due to its ability to handle the strengths of arcs effectively. The concept of node-strength sequence is introduced and is studied in a complete fuzzy graph. Two new connectivity parameters in fuzzy graphs namely, fuzzy node connectivity (κ) and fuzzy arc connectivity (κ^′) are introduced and obtained the fuzzy analogue of Whitney’s theorem. Fuzzy node cut, fuzzy arc cut and fuzzy bond are defined. Fuzzy bond is a special type of a fuzzy bridge. It is proved that at least one of the end nodes of a fuzzy bond is a fuzzy cutnode. It is shown that κ=κ^′ for a fuzzy tree and it is the minimum of the strengths of its strong arcs. The relationships of the new parameters with already existing vertex and edge connectivity parameters are studied and is shown that the value of all these parameters are equal in a compete fuzzy graph. Also a new clustering technique based on fuzzy arc connectivity is introduced.     

An alternative characterization of fuzzy complement functional

In this short note we propose a novel fuzzy complement functional. This functional is different from other functionals known in the literature. However, it turns out to be an alternative characterization of the well-known negation function. We sincerely thank the anonymous reviewer whose insightful suggestions have significantly improved the paper.     

A generalized model of fuzzy rough sets

The consideration of approximation problem of fuzzy sets in fuzzy information systems results in theory of fuzzy rough sets. This paper focuses on models of generalized fuzzy rough sets, a generalized model of fuzzy rough sets based on general fuzzy relations are studied, properties and algebraic characterization of the model are revealed, and relationships between this model and related models are also discussed.     

模糊数学在企业信息处理中的应用--模糊人事评价及人事安排、岗位培训决策支持系统

本文讨论了模糊数学在企业信息处理中的应用。提出了模糊人事评价体系，以及企业人事安排、企业员工技能培训等方面的模糊决策支持数学模型。     

液位模糊控制系统设计的应用

采用S7—300可编程序控制器设计了一个模糊控制器，将控制器的模糊输出反模糊化后作为实际输出控制调节阀的开度，使中位水箱的液位达到给定值，直接利用控制经验知识使得控制品质达到良好要求。     

基于模糊算法的数据库查询工具的设计

利用SQL进行数据库查询,可以完成复杂条件的数据查询,但是,它只能表示和处理精确数据,无法表达自然语言中的模糊。针对具体人员信息数据库,提出了基于人员年龄、身高与体重的模糊单词、模糊隶属函数、模糊算子的表达式,并提出了模糊SQL语句的自动生成方法。提出并实现的基于模糊算法的人员信息数据库查询工龄,已经应用于暂住人口IC卡管理信息系统,并对其它相关模糊数据库查询具有有较好的参考意义。     

An introduction to vague complemented ordered sets

The purpose of this paper is to introduce a theory of fuzzily defined complement operations on nonempty sets equipped with fuzzily defined ordering relations. Many-valued equivalence relation-based fuzzy ordering relations (also called vague ordering relations) provide a powerful and a comprehensive mathematical modelling of fuzzily defined partial ordering relations. For this reason, starting with a nonempty set X equipped with a many-valued equivalence relation and a vague ordering relation, a fuzzily defined complement operation (called a vague complement operation) on X will be formulated by means of the underling many-valued equivalence relation and vague ordering relation. Because of the fact that the practical implementations of vague complement operations basically depend on their representation properties, a considerable part of this paper is devoted to the representations of vague complement operations. In addition to this, the present paper provides various nontrivial examples for vague complements, and introduces a many-valued logical interpretation of quantum logic as a real application of vague complements.     

基于进化模糊神经网络的频率选择表面设计方法

频率选择表面是一种二维周期阵列结构,能够有效控制电磁波的传输和反射。为了解决传统设计方法参数选择的盲目性和有效性缺陷,提出一种基于进化模糊神经网络算法的设计方法。该方法具有开放的结构,可以在线自适应并不断进化,克服普通神经网络中模型结构和参数难以设置的缺点,同时系统可以进行模糊规则插入和规则提取等。仿真结果表明,该方法具有更高的准确度,能有效地解决频率选择表面设计工作中的一些相关问题。