控制系统中基于映射云的不确定性表示

为合理地描述仪器仪表、执行机构输出的不确定性,提出了一种映射云概念.映射云具体是通过随机变量簇将输入量变换到输出的可能取值空间,并对若干给定输入值分别建立输出的隶属云片;然后估计输入输出映射的期望函数、熵函数和超熵函数,并建立输入输出映射云,用来定量描述输出的模糊性、随机性及其变化情况.应用实例表明,映射云能有效描述仪器仪表和执行机构的输出不确定性.     

二维正态云模型的单规则推理映射

针对二维正态云模型在实现数据的定量输入到规则的定性推理、再到数据的定量输出的转换过程中,其输出与输入之间的映射区域存在的不确定性问题,通过构造3σ正态分布随机数,在输入云模型与输出云模型分别具有相同的熵参数和超熵参数的情况下,总结出二维正态云模型的单规则推理映射规律,指出该映射区域是一个发散区域,其大小不但与云模型的参数期望有关,而且还与参数熵和超熵有关,而最大离散系数则与期望无关,该结论可以作为二维正态云模型多规则映射研究的理论指导.     

基于云空间和模糊嫡的边缘检测算法

基于模糊集理论及云理论,提出了对象云的图像模糊边缘检测方法(OCFD).算法充分考虑图像的模糊性和随机性,建立起图像空间与云空间的映射模型,生成模糊对象云和边界云,完成图像空间到云空间的映射.在云空间中实现逻辑云运算的边界云提取,提出并实现了基于边界云的过渡区定义及其提取算法.最后利用最大模糊熵在过渡区内实现检测边缘.实验证明,OCFD算法在检测性能方面优于模糊Sobel,Pal.King等算法,为图像的模糊理解和分析提供了一种新的思路,同时也丰富和拓展了云理论.     

正态云隶属度函数确定的FSM方法

隶属度函数及其确定方法的研究具有重要意义。采用正态云模型表示的隶属度函数综合了模糊性和随机性,具有普适性;提出了确定隶属度函数的模糊减法均值聚类(FSM)方法,得到了最优聚类中心和数据的隶属度。实例仿真表明,采用该方法确定了石油钻井中总体积的正态云隶属度函数,解决了隶属度函数难以客观描述和难以确定的问题。     

类正态分布数据云模型的预测算法

类似正态分布在实际的生活与生产中分布最为广泛,精确确定的模糊概念隶属函数严重影响该类数据的预测精度.云模型把随机性和模糊性结合起来,用数字特征期望、熵和超熵,揭示随机性与模糊性的关联性.基于正态云模型设计预测算法,放宽形成正态分布要求的前提条件,把精确确定隶属函数放宽到构造正态隶属度分布的期望函数,更简单、直接地完成类正态分布的数据的预测,因而更具有普遍适用性.     

大数据交叉映射融合的逆向云算法仿真

大数据融合可以提升工作效率、保证数据安全。逆向云算法根据数据之间的关联性交叉映射,对不同类型数据执行逆向处理。而传统逆向云算法,分析大数据离散度的能力不强,致使计算结果的偏差较大,因此研究大数据交叉映射融合的逆向云算法。算法将原有算法作为基本理论,利用梯度联合函数反演,根据交叉梯度约束条件确定数据离散形式,捕捉数据交叉规则;依照已知节点数据的物理量,对未知节点数据插值,通过源数据项、目标数据项建立函数映射关系,得出隐含关联;按照关联度匹配数据特征,域隐含层特征函数对域网络参数反向微调,至此实现逆向云算法。实验结果可知:与传统的基于鲁棒性的大数据逆向云算法相比,上述算法分析大数据之间离散度的能力更强,得到的参数结果偏差极小。由此可见,所研究的逆向云算法的计算结果更加精确。     

实现稳定双向认知映射的逆向云变换算法

人类对客观世界认知的不确定性主要通过认知的最小(基本)单元——概念反映出来。本文基于云模型理论,提出一种新的稳定逆向云变换算法,通过实验对比分析说明该方法的稳定性;再根据正向云变换由概念内涵生成概念外延及逆向云变换由概念外延形成概念内涵的特点,利用正向云变换算法和逆向云变换算法模拟人们对概念的稳定双向认知计算过程,即概念内涵与外延之间的稳定双向认知计算过程。     

基于LabVIEW的一维云模型推理映射研究

云模型非线性映射关系是云模型应用于智能控制领域的关键问题。基于LabVIEW平台,首先将云模型单规则推理映射算法封装为LabVIEW子函数,可供云模型推理映射研究调用;进而研究了云模型非线性推理映射关系,对一种饱和特性映射关系给出了软件仿真和硬件实测结果,对一种新的云模型期望系统设计了输入、输出云模型参数以及推理规则,得到了较好的映射效果。为今后基于LabVIEW的云模型控制器的设计和应用提供了参考。     

智能云测试下拓扑映射算法实现的研究

根据智能云测试平台的特点,为加强测试资源集中管理,结合实际中ATF拓扑映射,提出了智能云测试平台自动拓扑映射实现的方法。该方法在ATF框架的基础上,不断优化候选设备分组解空间的大小和每个候选设备分组的连接映射,详细分析了自动拓扑映射核心算法的逻辑结构。采用进位表、逻辑设备排序、设备组获取排序的方法,给出新的自动拓扑映射的方法。并应用到实际的智能云测试环境中,验证了拓扑映射算法扩展性及保密性较好,在发现效率、准确性、有效性上有了很大提高。     

基于均匀分布的高斯云模型

云模型实现了定性概念与其定量表示之间的不确定转换。高斯分布与高斯隶属度函数的普适性奠定了高斯云模型的普适性,目前云模型的理论与应用研究主要集中在高斯云模型。将均匀分布引入到云模型中,扩展了高斯云模型,分别得到了均匀分布云模型和均匀高斯云模型,两类扩展的云模型为不确定性的形式化描述提供了新的途径。最后利用多维均匀高斯云模型模拟分形树生长过程,实验结果表明云模型能有效模拟自然界中不确定的分形现象。     

基于映射关系的云模型控制器研究

首先介绍了云模型的基本概念和规则推理,分析了云模型的线性映射关系和非线性映射关系,然后设计出基于多种映射关系的不同云模型智能控制器。最后与常规PID控制系统进行了对比,仿真结果表明了本文设计方法的有效性。     

基于云综合方法的三支群决策模型

在三支决策问题中，领域专家群决策是一种确定损失函数的最直接方法。相较于体现单一不确定性的语言变量模型和模糊集模型，云模型描述的专家评价更能够反映认知过程中复杂的不确定性形式，并能通过云综合的方法获得综合评价函数。但当前的云综合方法仅对数字特征进行简单的线性组合，缺乏对概念语义差异上的描述，难以获得令人信服的结果。因此首先证明了在云模型的距离空间中赋权距离和是一个凸函数，并将综合云模型定义为此函数的最小值点。然后，将该定义推广到多个云模型的场景下，提出了一种新的云综合方法——基于密度中心的云综合方法。群决策过程中，该方法在保证综合评价与基础评价之间的相似度最高的同时获得最精确的综合评价，为损失函数的确定提供了一种新的语义解释。实验结果表明，在与简单线性组合和合理粒度方法对比中，该方法所确定的损失函数使得三支决策中的误分类率最低。     

基于云模型的人—虚拟角色思想交互模型

基于情感、动机的非语言交互是影响人—虚拟角色交互效果的重要因素,提出了基于云模型的人—虚拟角色非语言交互模型。以尊敬的交互为例,设计了基于云模型的三级尊敬分级模型,提出了基于云模型的交互按钮设计方法。提出了尊敬按钮云滴归属算法,使虚拟角色理解尊敬的过程符合人类认知的不确定性;提出了基于二维鞠躬尊敬云的鞠躬控制算法,随机产生鞠躬最大角和低位保持时间,刻画鞠躬表达尊敬的不确定性。算法分析和交互合成效果表明,所提方法能够刻画交互双方对非语言信息理解的模糊性和随机性。     

一种基于粒子群算法的模糊隶属函数优化方法

在分析图像模糊增强算法对于隶属函数及其模糊区域选择方法不足的基础上,提出一种新的基于粒子群算法的模糊隶属函数优化方法。该方法给出一个新模糊熵的定义,这个新模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时又考虑到图像在空域中划分区域时随隶属函数变化而变化的情况。这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息。另外,根据图像增强算法中使用double型数据类型的特点,采用改进粒子群优化算法寻求隶属函数的最优参数。将新算法应用于图像增强中,取得了优于现有大多数模糊增强算法的效果。     

A three-dimensional probabilistic fuzzy control system for network queue management

A novel probabilistic fuzzy control system is proposed to treat the congestion avoidance problem in transmission control protocol （TCP） networks. Studies on traffic measurement of TCP networks have shown that the packet traffic exhibits long range dependent properties called self-similarity, which degrades the network performance greatly. The probabilistic fuzzy control （PFC） system is used to handle the complex stochastic features of self-similar traffic and the modeling uncertainties in the network system. A three-dimensional （3-D） membership function （MF） is embedded in the PFC to express and describe the stochastic feature of network traffic. The 3-D MF has extended the traditional fuzzy planar mapping and further provides a spatial mapping among ＂fuzziness-randomness-state＂. The additional stochastic expression of 3-D MF provides the PFC an additional freedom to handle the stochastic features of self-similar traffic. Simulation experiments show that the proposed control method achieves superior performance compared to traditional control schemes in a stochastic environment.     

本体映射中一种综合的概念相似度计算方法

本体映射是实现异构本体间互操作的有效方法,其核心环节是概念相似度的计算。针对传统概念相似度计算方法中存在的不足之处,提出了一种综合的概念相似度计算方法——DISS模型。该算法从概念定义、概念实例、概念结构三个方面计算相似度。实验证明,该算法改善了传统计算方法中存在的片面性和不完善性问题,提高了本体映射的查全率和查准率。