自学习的诊断决策信息融合系统

研究了应用模糊测度理论融合诊断信息的方法,给出了一种基于模糊积分学习的模糊测度构造算法,并以其为核心实现了一种自学习的诊断决策信息融合系统。     

基于RBF的模糊积分多传感器数据融合的刮板输送机电机故障诊断

刮板输送机是煤矿井下重要的开采设备之一,简要分析了现阶段刮板输送机的故障诊断现状,针对刮板输送机故障种类繁多,相互影响大且不易诊断的问题,根据多传感器数据融合理论,提出了RBF和模糊积分相结合的刮板输送机故障诊断数据融合方法。在特征级采用RBF,可以对同类传感器采集的数据进行快速学习和收敛,得到同源数据对每一类故障的模糊测度,以便在高维空间内进行同源数据的线性可分。决策级采用模糊积分理论利用该模糊测度通过模糊积分计算,获得刮板输送机故障信息的预测结果,该方法具有较好的容错性,简化了冗余信息,降低了故障相互影响的关联性。刮板输送机减速器电机故障的诊断研究表明,文中所提出的方法有助于克服故障类型的不确定性,在整体上确保故障数据的完备性,正确地判定故障的类型,提高了故障诊断的准确性。     

基于区间orthopair模糊距离测度的ELECTREⅢ决策方法

为了解决决策信息为区间q-rung orthopair模糊数的多属性群决策问题,提出了一种基于区间q-rung orthopair模糊距离测度的ELECTREⅢ多属性群决策方法.定义一种新的区间q-rung orthopair模糊Chebyshev距离测度并讨论其性质,同时基于区间q-rung orthopair模糊Chebyshev距离测度提出了最大偏差法求属性权重,最后提出一种基于区间q-rung orthopair模糊距离测度的ELECTREⅢ决策方法,并进行实例分析验证其有效性和实用性.     

基于幂均融合算子的模糊传感器数据融合

提出了一种新的融合模糊传感器数据的方法。首先把模糊传感器输出的隶属函数作为对模糊命题的支持程度，之后引入了一个相似性测度对各个传感器输出的相似性进行度量，定义了一个相对一致度系数表示各个传感器被其他传感器所支持的程度，最后基于幂均算子实现了模糊传感器的数据融合。与已有的方法相比，该方法综合考虑了各个传感器的输出信息，降低了融合过程中的信息损失。通过一个目标识别的算例验证了该方法的有效性。     

模糊积分分类器中的自适应模糊测度

与其他分类器相比较,模糊积分分类器具有可以表示特征属性间交互作用的特性.确定合适的模糊测度是其关键因素之一.模糊测度的确定方法主要有2种:专家给定和从历史数据学习获得.由于模糊测度自身的复杂性,模糊测度主要是从数据中学习得到.为了能够更好地利用特征属性在样例空间体现出的局部特征,提出了一种用人工神经网络实现自适应模糊测度的方法.使得模糊测度可以随着输入样例的不同而变化,及时反映出在对样例进行分类过程中各特征属性的重要性和属性间的交互作用的不同,从而提高分类性能.实验证明该方法有效,可行.     

基于模糊信息多级融合的故障诊断

为进一步提高综合故障诊断的可靠性,提出一种基于模糊信息多级融合的故障诊断方法,在传统模糊信息融合故障诊断的基础上,将各级诊断数据重新融合后再进行系统的综合故障诊断.对船舶主动力系统故障诊断的应用表明,该方法较传统方法更准确有效,在局部传感器误检的情况下仍作出了准确的故障诊断,可为提高大型系统故障诊断的可靠性提供有益的借鉴.     

Choquet模糊积分融合模型中模糊测度的确定

用模糊积分进行多分类器融合时,模糊测度是至关重要的.有限的事例集上,基于模糊测度的Choquet模糊积分的计算可以用乘积与求和算子来表示,即转化成模糊测度的线性组合.本文用线性规划来确定模糊测度,并且用例子说明模糊积分融合方法要优于乘积法、最大值法、多数投票法、加权平均法等简单的融合方法.     

嵌入式水电事故预测系统中信息融合的方法

提出了一种嵌入式水电系统事故预测中信息融合的方法利用模糊IF/THEN规则表达专家知识的神经网络学习方法·在以此构造的基于多源信息融合的分类系统中,采用了模糊IF/THEN规则和数字数据·为了处理模糊语言值,提出了一种能够控制模糊输入矢量的神经网络体系结构·该方法能够对非线性实间隔矢量和模糊矢量进行分类     

可能性熵权在尾矿坝风险评估中的应用

针对尾矿坝风险评估中由各指标信息的不确定性所造成的权值难以选取,以及导致评价效果降低的问题。以可能性分布来统一表征信息的的模糊、随机、不完全等不确定性,并映射到[0,1]区间上以统一量纲。引入广义模糊数来定量描述专家信息,并提出了一种新的广义模糊数相似测度计算方法。利用广义模糊相似测度对各指标的可能性熵权进行调整,以获得更加合理、有效的指标权值,并通过实例进行了验证。验证结果表明,可能性熵权法在不确定性信息的处理方面具有更强的适用性,它有效地将可能性熵权的定量性和客观性与模糊专家信息的包容性融合在一起,为尾矿坝风险评估中各指标权值的选取提供了理论依据。     

基于Sugeno积分的区间直觉模糊多属性决策

拓展了模糊测度与Sugeno积分的概念与理论,给出了区间直觉模糊信息环境下多属性决策的一种新方法.定义了区间直觉模糊值模糊测度与区间直觉模糊值Sugeno积分,并分析了它们与经典模糊测度及Sugeno积分之间的内在联系.在研究了区间直觉模糊值Sugeno积分性质和计算方法的基础上,提出了以该积分为集成算子的多属性决策方法.通过具体实例验证了该方法的实用性和有效性.     

基于时域模糊决策融合的雷达工作模式识别方法

在雷达工作模式识别中,侦察设备对雷达信号参数的测量误差严重影响了识别效果,针对这一问题文中提出时域模糊决策融合(TFDF)的雷达工作模式识别方法。首先分析了雷达脉冲组特征,在脉冲组层次提取雷达信号的脉冲组描述字(PGDW);然后基于联合隶属度函数改进传统的神经网络硬判决方式,实现雷达信号识别的模糊决策;最后运用DS证据理论将多个时刻的模糊决策融合,从而完成雷达工作模式的最终识别。基于时域模糊决策融合的识别方法可以有效改善参数测量误差对工作模式识别效果的影响。仿真结果以及对比实验表明,文中所提算法具有更好的抗噪性能,在雷达信号的参数测量误差为15%时仍具有90%以上的识别率。     

多传感器系统最优决策融合的熵方法

根据多传感器最优决策融合的信息模型提出了多传感器决策融合熵的概念；推导了多传感器系统最优决策融合的熵规则，分析了该方法对融合系统的可行性和虚警率的影响，表明该方法对提高融合系统品质具有重要意义。     

基于水平效应函数的模糊指派求解模型

结合模糊信息结构特征,提出了水平效应函数L(λ)的概念,建立了从整体上集中量化模糊数位置的、具有广泛可操作性的IL-度量方法及IL-度量在水平效应函数L(λ)下的IDθ-不确定度,进而通过引进的零型模糊数推广了著名的匈牙利算法。最后通过一个算例验证了算法的有效性。并在此基础上,利用模糊信息的IDθ-不确定度分析了指派决策的可靠性程度。该讨论为某种意识下的不确定型决策奠定了理论基础,具有较强的可操作性。     

单边三角形模糊数属性决策树学习算法

通过定义单边三角形模糊数空间上的一种全序关系,提出了属性取值为单边三角形模糊数的决策树学习算法.作为ID3算法在单边三角形模糊数意义下的推广,算法通过一种分割信息熵的极小化来选取扩展属性.通过非平稳割点的分析,减少了分割信息的计算次数,使算法的效率得到了提高.     

基于直觉模糊交叉熵及灰色关联的混合评价信息供应商选择决策

针对主客观混合评价信息的供应商选择决策问题,提出一种基于直觉模糊交叉熵及灰色关联的群决策方法。在确定供应商选择决策指标体系的基础上,将不同类型的主观评价信息统一转化为直觉模糊数,基于新的得分函数及单个决策者与决策群体的评价偏差确定决策者权重。把转化为直觉模糊数的规范化客观评价信息与群体直觉模糊主观评价信息合并,并采用直觉模糊熵确定各属性权重。根据直觉模糊数之间的交叉熵距离度量,采用灰关联法实现对备选供应商的排序择优。制造类企业供应商选择算例表明所给方法的合理有效性。     

连续区间Pythagorean模糊相似测度及其多属性决策方法

针对基于连续区间Pythagorean模糊相似测度的多属性群决策问题,首先,提出连续区间Pythagorean模糊有序加权平均(C-IVPFOWA)算子;然后定义一种新的连续区间Pythagorean模糊相似测度,并研究该相似测度的优良性质;接着,基于连续区间Pythagorean相似测度构建决策者权重和属性权重非线性优化模型,同时提出基于新的连续区间Pythagorean相似测度的多属性群决策方法;最后,通过智能家居工程案例验证所提出方法的可行性和有效性.     

基于因素空间的多传感器决策融合方法

基于因素空间理论,建立一种多传感器多目标识别方法。根据多传感器探测与控制网络系统的决策特性提出了传感器模糊矩阵的建立方法,根据对概念的反馈外延计算提出多目标识别方法。仿真结果表明该方法能使系统的识别错误率低于１０％。多传感器多目标决策融合的工程方法为其决策融合方法的建立提供了一条新的途径。     

基于层次分析模糊特征融合的目标识别

提出了基于层次分析法模糊特征融合的目标识别，给出了确定多因素属性特征参量相对重要性的量化关系和综合模糊推理识别的权重向量求解方法，利用综合模糊评判模型进行辐射源的属性判决识别。通过计算机仿真试验，证实了该方法的有效性。     

一种基于模糊分类网络的信息分类方法

针对信息搜索与挖掘中存在的关键词多义性及用户对所要查询信息的分类存在一定的模糊性问题,提出了一种基于模糊分类网络的信息挖掘方法。该方法利用模糊分类网络固有的对模糊信息的非线性处理能力和自适应学习机制,通过对WEB页面大量分类文档信息的学习,建立了基于模糊分类网络的信息分类器和挖掘模型。构造的信息分类模型结构简单、学习收敛速度快且易于实现。文中给出了分类策略和实现算法,并以中国石油网油气管道专题信息分类为例验证了方法的有效性。