基于二型模糊逻辑的交通流量预测

提出了一种改进的模糊c均值聚类算法,该算法将模糊聚类的对象从单值扩展到区间,在构造二型模糊系统时,通过对历史数据的学习提取二型模糊规则,克服了专家方法不能对未知领域提取规则的不足.在此基础上,针对智能交通系统,提出一种新的基于二型模糊逻辑的交通流量预测方法.该方法应用区间型二型模糊集具有上下限隶属度函数的性质构造预测区间,适合于处理具有复杂不确定性的情况.通过隶属度函数可以反映出该区间中预测值的可靠性,从而克服了其他预测方法仅给出单值且稳定性不高的缺点.仿真结果表明,基于二型模糊逻辑的流量预测区间具有较高的准确度,其平均相对误差低于6%.     

基于QPSO算法优化的区间二型模糊逻辑系统预测

设计了一类区间二型模糊逻辑系统,研究基于历史数据的预测问题.在区间二型模糊逻辑系统设计中,前件、后件、输入测量区间二型模糊的主隶属函数均选择成具有不确定标准偏差的高斯型二型隶属函数.量子粒子群优化(QPSO)算法用来调整所设计的区间二型模糊逻辑系统参数.部分欧洲智能技术网络(EUNITE)的负荷竞赛数据和美国田纳西州(WTI)原油价格数据用来测试所提出的模糊逻辑系统预测方法.定义综合评价误差和作为模糊逻辑系统的预测性能指标.仿真研究表明,所提出的区间二型模糊逻辑系统预测方法在收敛性和稳定性上均优于相应的一型模糊逻辑系统.     

基于区间直觉模糊数Choquet积分算子的TOPSIS方法

针对区间直觉模糊数的多属性决策问题,提出了一种区间直觉模糊(IVIF)Choquet积分算子,结合传统的逼近理想解排序(TOPSIS)方法,对TOPSIS算法进行改进来处理区间直觉模糊数之间的相容性问题.该方法利用隶属度和非隶属度以获得专家对属性的肯定性评价,根据重要性权重排序函数,构造了基于区间直觉模糊数的海明距离Choquet积分算子,最后,通过一个实例证明该方法的有效性和可行性.     

基于多伴随直觉模糊粗糙集的三支决策

决策粗糙集提供了处理不确定数据和风险数据决策问题的一个新方法,基于决策粗糙集的三支决策理论是典型的风险决策理论的推广.传统的直觉模糊粗糙集采用一对三角模与蕴涵算子来构造逻辑算子,未考虑属性之间的差别,而多伴随直觉模糊粗糙集采用多个伴随对构造逻辑算子,更好地体现了用户偏好.构造了多伴随直觉模糊粗糙集模型,研究了基于多伴随直觉模糊粗糙集的三支决策.首先,定义了乐观多伴随直觉模糊粗糙集,并用于处理直觉模糊数的复杂计算问题;然后利用隶属函数和非隶属函数计算损失函数,通过期望损失函数对事件对象进行评估,进一步构造了相应的三支决策模型;基于期望损失函数值最小的原则诱导出三支决策,并得到相应决策的风险值.此模型中期望损失函数的构造是基于支持度与非支持度两种度量的综合讨论,考虑更全面,更能有效地反映实际生活情况,满足用户偏好.最后用医学诊断的例子来验证该模型的有效性.     

基于模糊聚类的二型模糊神经网络系统辨识

二型模糊神经网络结合了二型模糊系统描述实际情况不确定性和神经网络的学习能力,在非线性系统的辨识中得到了广泛应用。二型模糊神经网络参数学习使用最多的是反向传播算法算法,该算法原理简单,易于实现。但是该算法对初值敏感,不合适的初始会导致算法收敛于非最优解或者发散。针对反向传播算法的这一缺点,提出了一种基于模糊C均值聚类的区间二型模糊神经网络辨识算法。该算法选择高斯型隶属度函数,将模糊C均值算法得到的聚类中心初始化高斯函数的中心,而高斯函数的宽度利用模糊C均值聚类算法的隶属度和中心求取。通过2个非线性系统的辨识效果表明,提出的辨识算法具有较高的辨识精度,收敛速度较快。     

FNN在心率失常判别中的研究

提出了一种基于模糊神经网络(FNN)对心率失常信号进行判别的新方法.首先,根据心电信号特点构建Sugeno型模糊神经网络,然后使用Cam Delta算法对其进行训练,这样可以得到模糊隶属函数,此隶属函数将R-R间期波及QRS波的长度模糊化.随后,用几何法通过计算隶属度实现对心率失常的判别.经MIT-BIH心电数据库和实测数据检验,此方法可有效的对心率失常进行判别.     

一种基于网格划分的模糊聚类算法

提出了一种改进的模糊聚类算法GBFC(Grid—Based Fuzzy Clustering)．在定义隶属度函数前先做网格划分，形成数据簇的基本形状，并提供真实的参数信息参与此后的隶属度函数定义．隶属度函数综合考虑了影响簇形状的因素，具有合理直观的几何意义且形式简洁．算法通过网格划分加速聚类过程，通过模糊隶属度函数容忍噪声数据，克服了传统模糊聚类算法时间耗费量大的缺点．实验表明该算法具有良好的聚类性能．     

高斯隶属度函数模糊神经网络在肺癌诊断中的应用

选用隶属度函数为高斯函数的模糊神经网络用于肺癌诊断,尝试提高诊断的正确率.对于非二值输入参数,首先用高斯隶属度函数模糊化,然后与二值参数一起作为BP神经网络的输入参数.所用病例被随机分为训练集和证实集,训练模糊神经网络,用证实集测试该网络区分肺癌与非肺癌的能力.结果表明,用高斯隶属度函数的模糊神经网络比作为对照的三角形隶属度函数模糊神经网络诊断正确率有所提高,而且对病例如何分组不敏感.     

分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题,提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM.该算法利用分布式K-Means聚类算法对每个数值型属性进行聚类,求得聚类中心,由此构造全局模糊集,定义全局隶属度函数.DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘,采用全局-局部站点模式,其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF.实验结果表明,该算法能准确地生成全局模糊频繁项目集,在求解全局模糊频繁项目集过程中,传送局部模糊候选项目集支持数的通信量为O(n),提高了算法的挖掘效率.     

后验概率加权的模糊隶属度函数

模糊支持向量机(FSVM)中的模糊隶属度函数确定一直是一个难点问题。针对支持向量分类机对噪声数据或孤立点非常敏感的问题,受贝叶斯决策理论的启发,结合样本密度特性,研究样本点相对于同类和异类的关系,对各样本点分布的紧密程度给出了描述,构造了样本点的后验概率与样本密度的加权方法,提出了一种新的加权模糊隶属度函数构造。该方法避免了对噪声数据和孤立点的检测。通过建立基于提出模糊隶属函数的FSVM进行仿真,实验表明,提出的模糊隶属度函数构造的后验概率加权方法的有效性。     

普通二型模糊相似度与包含度及其关系

针对现有的二型模糊系统规则库精简方法不能有效地消除冗余模糊集合的问题,提出了新的普通二型模糊相似度与包含度.首先,基于2种模糊性测度的公理化定义,提出了计算公式;然后,讨论了普通二型模糊包含度的性质,并提出了2种测度的相互转换定理;最后,通过实例验证了2种新测度的性能,并将提出的普通二型模糊相似度用于高斯普通二型模糊集合的聚类分析,聚类结果由不同α-水平上的层次聚类树组成,可以合理地区分这些集合.     

区间Ⅱ型变论域自适应模糊逻辑控制器

在变论域自适应模糊控制方法的基础上,结合Ⅱ型模糊集较强的鲁棒性和处理不确定性问题的能力,设计了一种区间Ⅱ型变论域自适应模糊逻辑控制器.为了使控制器保持在最优状态,采用粒子群优化算法来优化隶属度函数;然后由Lyapunov方法证明了区间Ⅱ型变论域自适应模糊逻辑控制器的稳定性.对Duffing系统和1维6卷混沌系统的仿真表明,区间Ⅱ型变论域自适应模糊逻辑控制器可以很好地跟踪参考信号,较之变论域模糊逻辑控制器,其可以有效地防止抖震且控制量较小.     

区间二型模糊语言Z-numbers及其应用

针对区间二型模糊多属性群决策问题,提出了以区间二型模糊语言Z-numbers(IT2FLZNs)为信息环境的群决策方法。首先,在区间二型模糊集和Z-numbers理论基础上提出了区间二型模糊语言Znumbers并定义了其相关运算性质,提出了两个区间二型模糊语言Z-numbers之间的相似度与距离;其次,在专家和属性权重都未知的情况下,根据决策中总体不确定性最小原则,利用相似度构建最优化模型,确定专家和属性的权重,并且通过综合比较各方案的群体效用值、个体遗憾值和亲密度来选择最优方案;最后,通过一个银行流动风险的实例验证所提方法的有效性与可行性。     

一种新的区间二型模糊集排序方法

区间二型模糊集排序是模糊决策领域中的一个重要内容,然而文献中排序方法在某些情形下无法区分区间二型模糊集的排序顺序.针对这一问题,给出了一种新的基于模糊集内心的排序方法,依据排序值的大小来确定区间二型模糊集的排序顺序.与已有排序方法相比较,所给方法能够有效区分区间二型模糊集的排序顺序.     

基于区间二型模糊神经网络反演控制抑制二惯量系统的机械振动

针对带有不确定性和扰动的二惯量伺服系统,提出了一种基于区间二型模糊神经网络的自适应反演控制策略抑制系统的机械振动.首先建立了二惯量系统的动力学模型,设计了反演自适应控制律;其次系统中负载和电机两端未知的扰动变量定义为待估计项,采用区间二型模糊神经网络对其进行估计,给出了基于区间二型模糊神经网络的参数自适应律.基于李雅普诺夫稳定性理论,证明了闭环系统输出跟踪的收敛性,并且跟踪误差可以通过调节控制参数达到任意小.仿真结果表明该方法具有较好的控制性能.      

Fuzzy comprehensive evaluation for decision making of water saving irrigation system

ThebenefitofinvestmentforalargerscaleWSISiscloselyrelatedtoreasonableplanninganddesigning ,andtheim portantrequirementforplanninganddesigningistodecidewhichirrigationtechniquewillbeusedforWSISatfirst[1 ] .Manyfac torshavetobeconsideredinthestageofplanning ,andmostofthemarehardtobeanalyzedquantitativelynowadays[2 ,3] ,theexperiencesofexpertsanddecisionmakersplayleadingroles,butthiswoulddeviatefromobjectiverealityowingtothedecisionmakersaredifficulttoavoidasubjectivityandone sidedview[4] .Bec…     

一种基于二分查找的快速降型算法

降型是二型模糊系统中的主要运算. 在KM和EKM算法基础上提出一种新的降型算法, 在有序的样本点集合中采用二分查找方法,能快速确定转换点并求出二型模糊集合的质心. 在4种不同类型的区间二型模糊集合上, 与KM、EKM、MEKM降型算法进行实验比较, 结果表明4种算法均能准确地找到左右切换点, 求出二型模糊集的质心, 但我们所提算法找到切换点所需的循环次数最少, 算法效率较高.      

基于经验数据的机械零件模糊可靠性分析随机抽样法

文章讨论了根据专家经验获取模糊变量隶属函数,再对机械零件进行可靠性分析的方法。首先对专家提问,请专家按要求对变量可能的取值做出描述,给出相应的区间和隶属度,从而把他们对变量取值的定性认识转化为定量信息,再通过对这些定量信息进行数学处理建立变量的隶属函数;然后把模糊变量转化为当量随机变量,用传统可靠性理论中的随机抽样法模拟零件的可靠度;最后通过算例验证了方法的可行性和有效性。