模糊认知图研究进展

模糊认知图(Fuzzy Cognitive Map, FCM)作为知识表示、推理和软计算方法,通过在传统认知图模型中引入模糊测度来量化概念(concept)间因果关系的影响程度,近年来已成为国内外的研究热点。从研究进展的视角,归纳了FCM的基本框架和推理机制,总结了主流研究中FCM的基本类型,分析了FCM学习算法的主要特征,提出了今后专题研究方向的基本设想,以期对后续研究有所助益。     

复杂系统模糊认知图的分解研究

本文对复杂系统的知识表示与推理采用了模糊认知图的分解方法,即对原始认知图的节点进行分组,然后在组节点上构造商认知图。这样关于原始FCM的分析就转化为商认知图和各子FCM的分析,商FCM的因果关系推理提供原始FCM的整体信息,而每个子FCM继承原始FCM的拓扑结构和推理,它提供原始FCM的局部信息。这样降低了复杂系统研究的规模与复杂性,同时也使对复杂系统的研究可以在各个分类层面上和各个分组上进行,增加了模糊认知图概念间研究的丰富性和灵活性。这种分解方法可以根据需要循环往复进行。     

基于有序加权平均算子的概率模糊认知图

模糊认知图(FCM)与概率模糊认知图(PFCM)使用简单的加权和集结因果推理结果,忽略了原因节点间关联关系的不确定性,阈值函数导致推理结果进一步失真.在继承FCM与PFCM优点的基础上,引入有序加权平均(OWA)算子模拟各种确定的或模糊的与或组合关系,提出了基于有序加权平均算子的概率模糊认知图(OWA-PFCM).通过构建一个动态的攻击效能评估模型,阐述了OWA-PFCM在工程建模中的应用.OWA-PFCM能同时表示因果节点状态的不确定性、因果联系强度的不确定性、与或组合关系的不确定性,具有更强的模拟能力.     

基于测度递进的模糊认知图及其应用

模糊认知图(fuzzy cognitive map,FCM)具有简单的推理机制和较强的因果关系表达能力,已得到广泛关注和研究,但FCM对专家经验知识具有较强的依赖性,故而限制了在复杂动态系统建模中的应用.基于此,提出了一种测度递进策略的模糊认知图学习方法.利用线性回归算法,学习得到模糊认知图权重矩阵粗模型;将神经网络的权值调整算法应用于权重矩阵粗模型的细化过程,将该模糊认知图模型应用在股票市场,实现对股票日均值的预测.实验结果表明了该建模方式是有效的.     

基于大型模糊认知图的复杂系统建模与推理研究

模糊认知图作为一种智能计算工具,具有直观的知识表达、快速的数值推理能力等优点,适用于系统建模与推理.为了实现复杂系统关联认知与聚类的集成挖掘,进而达到对它的有效分析与决策,在面向复杂系统的大型模糊认知图研究基础之上,提出了用于三江源生态决策的大型模糊认知图关联认知、状态建模与推理的思路与方法,它不仅可以提升大型模糊认知图在复杂系统建模与推理方面的理论研究,也将拓展其应用领域.     

因果关系,贝叶斯网络与认知图

因果关系在预测和推理中具有重要的作用.贝叶斯网络已被用于构建诊断和决策系 统.近年来模糊认知图得到了重视.模糊认知图为结构性知识与因果推理提供了又一个理论 框架.本文简单介绍贝叶斯网络与认知图及其推理方法在智能系统中的应用.     

认知图理论的应用研究

认知图又称心象图,是近年来研究的热点.它是一种定性推理技术,也可以看作是一种计算智能,能有效地解决基于先验知识的自适应行为.文中对认知图理论作了系统的归纳总结,主要包括古典认知图和模糊认知图两方面,模糊认知图是认知图的延伸与扩展.文中通过对模糊认知图扩展模型的描述以及扩展模型之间优缺点的比较,得出了模糊认知图扩展模型的实用性和优越性.     

基于相似粗糙集和模糊认知图的文本分类研究

阐述了基于相似粗糙集和模糊认知图的文本分类问题,提出了一种基于模糊认知图的文本分类推理算法,使文本分类成为一个基于文本特征项的权和特征项与类别的相关度构成的模糊认知图进行推理的结果,最后对该算法进行了实验,并对结果进行了分析.     

模糊认知图在时间序列预测中的应用综述

时间序列预测是基于当前及历史数据对未来演化趋势的推演.准确的、可解释的时间序列预测是进行科学决策的关键技术支撑,广泛应用于金融、交通、气象等诸多领域.具有可解释性和强推理能力的模糊认知图已在时间序列预测中取得较好的效果,但目前尚无文献对该方法进行全面综述.为此,本文首先对模糊认知图及扩展的高阶模糊认知图、直觉模糊认知图和深度模糊认知图进行梳理,并在此基础上归纳了学习模糊认知图的优化算法.其次,具体介绍了模糊认知图以及扩展的模糊认知图在时间序列预测中的应用,并做出系统性的总结.最后,对模糊认知图在时间序列预测中的发展趋势进行展望.     

模糊认知图权值学习法

模糊认知图简单、直观的图形化表示和快捷的数值推理能力使其在医学、工业过程控制以及环境监测等领域得到了广泛的应用.由于受到人的经验、知识水平和认知能力的限制,很难由领域专家直接构建大规模系统的模糊认知图.近年来依据动态数据自动或半自动构建模糊认知图的研究越来越多.模糊认知图的权值学习主要分为基于Hebbian技术、遗传算法、群体智能和最小平方四大类,在此方面学者提出了颇多算法.作者就基于数据进行模糊认知图权值学习的各种方法进行综述、比较和分析,指出各种学习方法的适用性,以便于在实际应用中进行选择.