基于云-神经网络的多属性模糊规则分类

针对模糊规则分类中数据边界硬性划分的局限性问题,建立了云-神经网络模型,并提出了基于云-神经网络的模糊规则分类算法.在不影响数据模糊性和随机性的基础上,将数据转化为规则,并利用神经网络的学习能力,进行多属性模糊规则分类,与传统方法相比,该方法在保证数据模糊性和随机性的基础上,提高了模型精度和分类准确率,应用实例表明了该方法的有效性和可行性.     

基于层次分析法的模糊分类优选模型

不同的模糊分类算法在同一个数据集合上常会产生不同的模糊分类．究竟哪种方法最能揭示数据的真实结构,对此,以模糊分类有效性指标为评价指标,应用层次分析法对各模糊分类进行综合评价,建立了一个模糊分类优选模型．大量实验表明,该优选模型所选出的最优模糊分类,其模式识别率高,能揭示数据的真实结构．

     

基于k-最近邻的支持向量预选取方法

在所有的训练样本中只有支持向量(SVs)能对支持向量机分界面优化结果产生显著影响.基于k-最近邻规则,提出了一种训练样本的预选取方法.针对一些典型人工数据集,公用基准数据集以及TM 遥感数据的实验结果表明.该方法能够有效减少训练样本数目,显著加快学习速度,并保证理想的分类精度.

     

优势模糊粗糙模型及其在审计风险评估中的应用

针对模糊信息系统,建立基于优势关系的粗糙集模型,并给出该模型的多种知识约简定义.通过构造分辨函数,得到了求解优势模糊粗糙集模型的最大分布约简算法.最后将该模型应用于审计风险评估,得到了较为合理的评估规则.

     

云决策分析方法

提出一种基于不确定性人工智能的决策分析方法.该方法利用云理论中的云变换和概念提升方法来刻画属性因素的概念云模型,并对每个因素都分配相应的云权重;使用X-条件云和极大判定法,找出每个因素的最佳评判语言云模型;让云权重参与综合评判,最终通过云计算得到基于云滴分布的综合评价结果.实验结果表明,与传统的模糊决策分析相比,它更具有易理解性,广普适性和高准确性等特点.

     

一种新的快速模糊规则提取方法

提出一种高效的规则提取算法,采用熵测量改进Chi-merge特征区间离散化方法,模糊划分输入空间.先为每个数据生成单条规则,再聚集相同前项的单条规则产生带概率属性的分类规则.提取的规则无需任何调整,应用模糊推理便可获得较理想的分类效果,同时支持增量式规则更新.最后给出了新方法的性能测试结果.

     

变精度模糊粗糙集的一种定义

模糊粗糙集模型同经典粗糙集模型类似,容易受到噪音数据的影响 .针对该问题,受变精度粗糙集模型的启发,提出了变精度模糊粗糙集的概念. 针对现有变精度模糊粗糙集模型尚不能满足一些基本性质的缺陷,重新定义了模糊近似空间中某一模糊集的 β-下近似和β-上近似,该定义方式能够满足上述的基本性质.

     

钴湿法冶炼萃取过程中的组分含量软测量

提出了一种钴湿法冶炼萃取组分含量混合建模方法.该模型由基于物料衡算关系的动态机理模型与基于萃取平衡实验数据的RBF神经网络模型组成.机理模型作为描述过程动态行为的整体框架,RBF神经网络用来辨识机理模型中的未知函数关系.在上述混合模型的基础上,还提出了一种模型校正策略,进一步提高了模型的精确性.将所建立的混合模型应用于实际湿法冶炼生产过程中,结果表明该方法具有良好的估计性能.

     

基于自相关函数的模糊时间序列优化算法

针对模糊时间序列模型中模糊推理规则的优化问题, 提出一种时间序列的自相关理论与模糊时间序列相结合的算法. 首先考查数据平稳化; 然后运用传统的数据模糊化方法得到模糊集, 进而建立模糊规则, 并运用自相关函数理论对模糊规则进行优化; 最后通过对Alabama 大学注册人数的预测验证了所提出算法的有效性.

     

一种改进的 T-S模糊系统稳定性分析方法

提出一种改进的方法以降低T-S 模糊系统稳定性判定方法的保守性. 通过定义有效最大交叠规则组(EMORG),提出一个改进的充分条件以保证模糊模型全局二次渐近稳定. 此条件仅需在每个有效最大交叠规则组内分别寻找一个局部公共正定矩阵 .以往的稳定性判定方法作为特例被包含在所提出方法中. 仿真结果验证了该方法的有效性.

     

基于递阶分解聚类的非线性系统递推模糊辨识

提出一种基于递阶分解聚类的递推模糊辨识方法．采用半模糊化方法对论域内的样本进行归类,根据各子集“线性化”程度评判模糊聚类的有效性,通过对性能最差的子集进行分解并辨识新增子模型的参数,逐步完成整个样本空间的模糊划分和模型辨识过程．在线辨识时采用递推最小二乘算法对模糊规则进行修正,同时可根据建模精度的要求删除性能最差的规则,并确立新模糊规则．仿真研究表明了该方法的有效性．

     

深海采矿机器人的行走鲁棒控制

针对深海采矿机器人模型和外界环境不确定性而导致其控制问题异常复杂这一难题,首先用RBF神经网络逼近系统不确定性的上界,在状态反馈的基础上,构造了基于虚拟输入的航向控制鲁棒自适应律;然后给出了左右履带速度输入与虚拟输入之间的模糊控制推理规则,提出了采矿机器人的行走控制方法.仿真结果验证了所提出方法的可行性.

     

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.

     

基于期望值-混合熵的区间概率模糊随机多准则决策方法

定义了区间概率模糊随机变量及其期望值和混合熵.针对准则权重确知并且准则值为区间概率模糊随机变量的多准则决策问题,提出一种基于期望值-混合熵的决策方法.该方法首先给出了区间概率模糊随机变量的期望值-混合熵度量;然后基于此度量建立优化模型,通过计算得到各方案的期望值-混合熵区间;再采用可能度的方法得到方案集的排序.最后通过实例说明了该方法的有效性和可行性.

     

基于自学习模糊Petri网的知识化制造系统采购预测

对模糊Petri网进行改进,使其增加自学习能力,即自学习模糊Petri网(SFPN).提出了自学习模糊Petri网模型知识库的建立方法,通过构造SFPN模型知识库,建立并保存现有产品的SFPN模型,开发新产品或进行新的决策时调出并进行修正后作为新产品模型,通过较短时间和少量样本的自学习训练,便可用于新产品的预测或决策.最后通过采购预测实例验证了该方法的有效性.

     

一种基于关联规则的多类标分类算法

提出了一种基于关联规则的多类标算法(MLAC),利用多类标FP-tree来分解组合生成多类标规则,并通过组合多重关联规则分类器进行分类预测,降低了由高维属性带来的高计算复杂度,有效地提高了算法的性能和效率.针对多类标数据集的实验结果表明,MLAC算法在性能和效率等方面均优于ML-KNN等多类标分类算法.

     

基于投影技术的三角模糊数型多属性决策方法研究

针对属性权重完全未知且属性值为三角模糊数的多属性决策问题,提出一种基于线性规划和模糊向量投影的决策方法.该方法基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,计算各方案的加权属性值在模糊正理想点和负理想点上的投影,进而计算相对贴近度,并据此对方案进行排序.最后,通过算例说明了模型及方法的可行性和有效性.

     

基于直觉模糊粗糙集的属性约简

针对Jensen下近似定义的局限性,提出一种新的等价类形式的近似算子表示,并将其推广到直觉模糊环境.在此基础上,将相对正域,相对约简,相对核等粗糙集的知识约简概念推广到直觉模糊环境,提出一种直觉模糊信息系统的启发式属性约简算法.实例计算表明,该方法比Jensen的属性约简方法更为合理有效.

     

基于TD-TP-growth的模糊关联规则挖掘算法

提出一种基于ＴＤ-ＦＰ-ｇｒｏｗｔｈ的模糊关联规则挖掘算法．首先,使用３种t-模算子以及由其产生的蕴涵算子计算模糊频繁项的支持度和规则的蕴涵度,产生的关联规则能表示模糊项间的确定性和渐近性逻辑语义;然后,以事务的惟一标识为键值,散列存储每个事务相对ＦＰ-ｔｒｅｅ中每个结点所表示模糊项的隶属度,使ＴＤ-ＦＰ-ｇｒｏｗｔｈ适用于模糊频繁项的挖掘,并分析了算法的时间和空间复杂度;最后,实验结果表明该算法比基于ａｐｒｉｏｒｉ的模糊频繁项挖掘算法在时间方面更加有效．

     

基于核岭回归的非线性内模控制

提出一种基于核岭回归(KRR)建模的内模控制策略.该方法充分利用基于结构风险最小化为学习规则的回归方法的非线性拟合性能$建立内模控制系统,从理论上分析了内模控制系统的稳定性和稳态误差同逆模与内模估计误差的关系问题.仿真表明,在训练样本有限和有噪声污染情况下,该系统较神经网络方法具有更好的控制性能.