一种改进的基于模糊案例推理方法及其在分类中的应用

针对基于特征权值的相似性模型在相似案例搜索上的局限性,通过汲取模糊规则在捕获领域知识上的有效性和灵活性,提出了一种改进的基于模糊案例推理方法。首先通过确定特征变量取值区间及对特征区间的模糊划分,直接从数据中学习规则;然后计算启动强度并合并规则得到分类器;最后通过计算类别强度,实现对未知案例的分类。3组UCI标准数据集上的实验结果表明,此方法不仅学习时间短,而且可以利用更少的样本获得更好的分类效果。     

遗传模糊系统的分类器融合

将遗传模糊系统引入分类器融合，并且提出了一种快速的遗传模糊系统设计方法，在该方法中对传统的产生初始群体的方法和交叉操作进行了改进．本文方法在从ELENA数据集和UCI数据集中选择的3个大样本数据集上进行了测试，与当前有代表性的分类器融合方法进行了比较实验．实验结果表明，该方法在缩短训练时间以后仍然能够得到模糊规则数少，分类精度高的分类器融合系统．     

用于FSVM抑噪的统计型模糊权重函数

提出了用于设计模糊支持向量机(FSVM)的统计型模糊权重函数,该函数基于模式分类思想为每个训练数据建立一个分类面,数据的模糊权重根据分类面对2类数据的识别率来计算.靠近分类间隔的疑似噪声/离群点将获得相对较小的模糊权值,其作用受到抑制;而远离间隔区域的数据不容易受到盲目抑制.该方法能够有效识别噪声/离群点,降低它们对分类器的影响.实验验证了所提方法的合理性和有效性.统计型模糊权重函数对于含噪情况未知的训练数据尤其显得重要,因为数据含噪情况可以籍由函数分类功能得到恰当的估计.     

基于极速学习的Choquet模糊积分分类器

在交互环境下,模糊积分分类器具有良好的分类性能.如何确定在属性集幂集上定义的模糊测度是模糊积分分类器中的一个关键问题.当属性的个数增加时,计算复杂度呈指数级增长.为了解决这一问题,借鉴极速学习机算法中权重向量随机确定的思想,提出了ELM-Choquet模糊积分分类器.实验结果表明,和Choquet模糊积分分类器相比,该算法具有较优的分类性能.     

偏向自适应区间模糊C均值的遥感地物分类方法

遥感图像类内地物的异质性和类间地物的模糊性,造成地物类别归属的不确定性.模糊集理论能够对分类模糊现象进行有效的刻画,而区间值数据模型能够反映类别数据的不确定性.因此,本文结合区间值数据模型与模糊C均值算法,提出一种偏向自适应区间的模糊C均值算法,通过归一化类内均方差调整类别的整体区间宽度,利用偏向因子对数据进行有选择性的动态区间建模,进而增加类内紧凑性与类间边界可分性.实验结果表明,该方法可以有效地应用于SPOT5遥感数据的地物分类,整体分类精度和Kappa系数较现有流行的模糊分类方法均有较大的提升.     

基于模糊感知器的神经模糊分类器

针对一类基于模糊感知器的神经模糊分类器,分析了隶属函数限制条件对分类结果的影响。并根据模糊密度的概念,提出一种为输入特征选择合适的模糊划分的方法。仿真结果表明了该方法的有效性。     

广义区间值模糊粗糙集模型及其公理化特性

把粗糙集理论和区间值模糊集理论结合起来, 利用粗糙集理论的构造性方法, 提出了一种广义区间值模糊粗糙集理论模型。首先, 利用区间值模糊剩余蕴含算子和它的对偶算子, 定义了一种广义上下区间值模糊粗糙集近似算子。然后, 利用该蕴含算子的性质, 讨论了该模型上、下近似算子一系列有趣的性质。 在公理化方法中, 通过定义一对抽象的区间值模糊近似算子, 刻画了广义区间值模糊粗糙集模型的公理化特性。     

复模糊值Choquet模糊积分

在复数域上的复模糊测度与复模糊值模糊测度的基础上，给出了复数域上的复区间值函数及复模糊值函数，进而定义了复数域上的复值模糊可测函数及复模糊值模糊可测函数，最终，定义了复数域上的复模糊值Choquet模糊积分，同时研究了该积分的一些基本性质．     

一种粗糙模糊神经网络分类器及其应用

提出了一种粗糙模糊神经网络分类器的模型。其过程为:利用粗糙集理论获取分类知识,根据训练样本建立决策表,进行决策表属性值离散化、属性约简和分类规则的提取;依据约简后决策表的属性、经模糊化处理的属性值及分类规则构造粗糙模糊神经网络分类器。该分类器可以有效地克服粗糙集规则匹配方法抗噪声能力和规则泛化能力差的缺点;同时可简化神经网络的结构,加快网络的训练速度。并详细介绍了该分类器用于汽车车牌字符识别的步骤和实验结果。     

网格平台下模糊积分分类挖掘算法的实现

为了拓展算法的应用领域,降低算法的复杂性,提高分类器的性能,提出了网格平台下的模糊积分分类数据挖掘,依据模糊积分的概念,应用隶属度矩阵来确定模糊积分密度,再对分类器集成,对网格中采集的原始数据进行处理,实验证明用该集成方法所构成的分类系统能明显提高分类器的性能.     

区间值模糊控制

引入区间值模糊控制的概念, 运用区间值模糊推理的推理算法,讨论了区间值模糊控制的插值机理,并对区间值模糊控制进行计算机仿真试验,以说明算法的可行性.     

区间值Fuzzy矩阵

在区间值Fuzzy集的理论上,定义了区间值Fuzzy矩阵与[λ1,λ2]—截矩阵,并讨论了它们的基本性质与运算.     

An Interval-valued Fuzzy Competitive Neural Network

Because interval value is quite natural in clustering, an interval-valued fuzzy competitive neural network is proposed. Firstly, this paper proposes several definitions of distance relating to interval number. And then, it indicates the method of preprocessing input data, the structure of the network and the learning algorithm of the interval-valued fuzzy competitive neural network. This paper also analyses the principle of the learning algorithm. At last, an experiment is used to test the validity of the network.     

区间值Fuzzy域上的Fuzzy代数

提出了区间值Ｆｕｚｚｙ域及区间值Ｆｕｚｚｙ代数的概念，给出了一个区间值Ｆｕｚｚｙ集为区间值Ｆｕｚｚｙ代数的充分必要条件，并应用区间值Ｆｕｚｚｙ集的扩张原理，讨论了区间值Ｆｕｚｚｙ代数在代数同态下的象和逆象问题。     

区间值模糊集上的粗糙近似

提出了区间值模糊粗糙集的上下近似，并且利用区间值模糊集的截集定义了区间值模糊粗糙度量，在此基础上讨论区间值模糊粗糙集和区间值模糊粗糙度量的性质。     

蕴涵区间直觉模糊粗糙集及其性质

在区间直觉模糊近似空间上,利用一对区间直觉模糊蕴涵算子(I,J),定义了蕴涵区间直觉模糊粗糙集的概念,并证明了相应的一些重要性质。最后,对区间直觉模糊关系的自反性,对称性和传递性进行了刻画。     

区间直觉模糊集的分解定理

引入了区间直觉模糊集截集的概念,讨论了其有关性质,并给出了关于区间直觉模糊集的分解定理,进一步丰富了模糊集的理论基础.     

区间值直觉Fuzzy度量空间及其完备性

给出区间值直觉Fuzzy数的定义，并引入区间值直觉Fuzzy数间的区间值直觉Fuzzy距离，建立区间值直觉Fuzzy度量空间并讨论其完备性．进一步对n维区间值直觉Fuzzy度量空间作了相应的讨论．     

推广的Choquet积分及其计算

定义了一种推广的Choquet积分,积分中所采用的非可加集函数取得区间值,使其在实际应用中更具合理性.引入了一种进化算法———混合蛙跳算法(SFLA)来计算积分的值,通过实验数据所得到的计算结果验证了算法的可行性与有效性.