基于直觉模糊推理的目标识别方法

针对目标识别特征值的不确定性问题,提出一种基于直觉模糊推理的目标识别方法．首先,分析现有目标识别方法的不确定性与局限性,并对空中目标识别问题及目标特征进行描述;然后,设计系统状态属性变量的隶属度函数与非隶属度函数;最后,建立直觉模糊推理规则,设计推理合成算法和解模糊算法,并检验所建规则的合理性．仿真实例验证了所提方法的有效性与适用性．     

基于直觉模糊推理的入侵检测方法

将IFS理论引入信息安全领域,提出一种基于直觉模糊推理的入侵检测方法.首先,描述了入侵行为的特征属性、入侵检测的不确定性,以及现有入侵检测方法的特点与局限性,给出了原始数据预处理的方法.其次,将入侵特征属性直觉模糊化,建立了特征属性的直觉模糊集合及其隶属函数与非隶属函数.再次,建立了系统推理规则,设计了推理算法和清晰化算法.最后,选择KDDCUP 99的入侵检测数据集,验证了方法的有效性.     

基于多级直觉模糊综合的信息安全评估

以ISO 17799为依据建立信息安全评估指标体系,结合多级综合评估以及AHP方法,并利用直觉模糊算子进行运算,建立了一种新的信息安全评估模型.解决了信息安全评估过程中数据采集困难、描述不够全面、评估主观成分多、定性与定量结合不好的问题,具有很好的理论和应用价值.     

基于直觉模糊S-粗集副集的目标合群算法

阐述直觉模糊S-粗集和直觉模糊S-粗集副集的数学结构与特性。针对空间群的动态性,用一个双向直觉模糊S-集合表示一个空间群,群中的动态目标构成直觉模糊S-粗集的副集。给出基于直觉模糊S-粗集副集的目标合群算法,对空间群中发现新目标、目标合群等动态操作过程进行分析。通过实例证明该方法的正确性和有效性,计算结果表明该方法能较灵活地处理目标编群中的动态问题。     

基于绝对比较法的IFS非隶属度函数确定方法

直觉模糊集是对Zadeh模糊集最有影响的一种扩充和发展.直觉模糊集非隶属度函数的规范化确定问题,成为制约其应用的一个重要瓶颈.针对直觉模糊集非隶属度函数难以确定的问题,提出一种基于绝对比较法的直觉模糊集非隶属度函数确定方法,给出了详细的算法步骤,并从理论上证明了其正确性.最后,通过实例分析从应用上验证了算法的有效性与实用性.研究表明,该算法可有效地解决元素依属性具有优先特性的一类IFS非隶属度函数确定方法的问题.     

基于直觉模糊等价相异矩阵的聚类方法

针对直觉模糊集合数据的聚类问题,提出了一种基于直觉模糊等价相异矩阵的聚类方法。该方法首先给出直觉模糊相异区间的概念,并构建了直觉模糊相异矩阵;然后定义了直觉模糊等价相异矩阵和(α,β)截矩阵,进而给出直觉模糊聚类算法;最后将其应用于目标编群领域,通过实例验证该算法的有效性。     

基于三分法的IFS非隶属度函数确定方法

针对直觉模糊集(IFS)的非隶属度函数难以确定的问题,提出一种基于三分法的IFS非隶属度函数确定方法.首先,给出了确定IFS非隶属度函数的计算公式和非犹豫度指数的概念,规范了IFS非隶属度函数的确定方法,进而给出了非犹豫度指数的性质定理.其次,提出了基于三分法的IFS非隶属度函数的计算方法,给出了正规直觉模糊集的概念,证明了该方法确定的直觉模糊集是正规直觉模糊集.最后,以空袭目标识别的指标参数(飞行高度)实例,验证了方法的有效性.     

基于IFTPN的不确定时间知识描述和推理方法

针对现有时序逻辑在对复杂不确定时间信息描述和推理方面的局限性,构造了直觉模糊时间Petri网模型(IFTPN)及其推理方法.该Petri网模型利用直觉模糊集合对模糊时延、模糊时间片进行描述,可以表达定义在离散论域或连续论域的各种不确定时间信息,并基于直觉模糊逻辑定义了模糊时间运算法则;同时,基于线性逻辑对该模型进行描述,定义了变迁之间的各种触发规则,并给出了推理方法.将该方法应用于C4ISR系统进行决策时延分析,表明了该模型及其推理方法是比较优越的.     

基于包含度的直觉模糊粗糙集模型

将直觉模糊包含度引入粗糙集与直觉模糊集的融合建模。首先,介绍直觉模糊集在特殊格L上的定义;其次,将模糊包含度拓展到直觉模糊环境下,提出取值于特殊格L的直觉模糊包含度定义和计算公式;在此基础上,分别利用直觉模糊包含度的隶属度与非隶属度定义了上下近似算子,建立了直觉模糊相似关系下的直觉模糊粗糙集模型,并对近似算子的重要性质进行了证明。     

基于概率抽样一致性的基础矩阵估计算法

随机抽样一致性算法是应用最广泛的鲁棒性基础矩阵估计算法之一.针对随机抽样一致性算法效率低的问题,提出一种基于概率分析的随机抽样一致性算法.该算法减少首次抽样的次数,利用预检验技术确定一个较优的模型子集,通过定义样本属于该较优模型的概率来选择内点概率大的样本子集,并通过多次迭代得到一个只包含内点样本的子集.模拟数据和真实数据的基础矩阵估计实验表明,算法在计算效率和精度上均优于随机抽样一致性算法.