基于进化规划的FCMBP模糊聚类改进方法

分析了基于摄动的模糊聚类方法(fuzzyclustering method based on perturbation, FCMBP),指出指数复杂度的遍历过程是目前PC计算环境下难以处理十阶以上较高阶数模糊相似矩阵的原因.把寻求具有最小"失真"的最优模糊等价矩阵看作优化问题 来求解,提出了一种基于进化规划的FCMBP模糊聚类改进方法. 与FCMBP相比,该方法通过引入基于进化规划的优化技术避免了遍历过程,使其能够对高阶模糊相似矩阵进行处理. 得到的等价矩阵"失真"小于传递闭包法所得结果,从而获得更为精确可靠的聚类效果, 将FCMBP模糊聚类方法推广到能够处理高阶模糊相似矩阵的情形, 满足应用需要.     

基于遗传-模糊聚类的说话人识别方法及其仿真研究

利用遗传算法的全局收敛性及模糊C-均值（FCM）聚类强大的局部寻优能力，提出了一种基于遗传-模糊聚类的说话人识别方法。对说话人的训练语音数据进行遗传-模糊的软聚类分析，从而得到分类中心的全局最优解，作为每个说话人的语音模型，最后利用最大总平均隶属度函数准则对待识别语音进行模糊聚类识别．除此之外，使用自适应参数增加遗传算法的局部搜索能力。实验结果表明，这种算法克服了传统硬聚类的缺点，避免了FCM对初值敏感及容易陷入最小值的缺陷，使聚类更加合理，更好地描述了说话人的语音特征。     

短语音说话人识别新方法的研究

提出了一种较短训练语音的说话人识别新方法。利用模糊核聚类算法设计矢量量化器,对说话人的语音特征进行训练。模糊核矢量量化器将原始空间通过非线性映射到高维特征空间,在高维特征空间中对说话人的训练语音特征进行模糊聚类分析,将得到的每个类中心作为说话人的语音模型。识别时将识别矢量映射到高维空间进行匹配决策。由于核方法的引入,使得原来没有显现的特征突现出来,增加了说话人之间的可区分性。实验表明,该方法对于较短的训练语音,其识别效果优于高斯混合模型和模糊矢量量化。     

模糊模型辨识中模糊聚类方法应用分析

模糊聚类算法已广泛应用于模式识别、数据聚类以及从数据中提取模糊规则的过程。介绍了基于模糊聚类的非线性系统模糊辨识方法 ,并通过著名的Box和Jenkins煤气炉数据仿真实例详细研究了模型性能指标与输入变量及模糊聚类数之间的关系 ,指出了应用模糊聚类方法的优势与不足。对于模糊建模中正确应用模糊聚类方法具有重要指导意义     

基于最邻近聚类和向量模糊c-均值的混沌预测

针对混沌时间序列难预测的问题,提出一种新的基于最邻近聚类和向量模糊c-均值(FCMV)聚类算法的模糊建模方法。其前提参数辨识分两步,首先用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,再用FCMV把具有相同收敛向量的聚类中心归到同一个区域来优化前一步得到的聚类中心,得到前提参数;采用递推最小二乘算法辨识模型的结论参数。最后通过对Mackey-Glass混沌时间序列的建模和预测验证了该方法的有效性与实用性。     

路口群落交通流的区间二型模糊预测与多级模糊控制

提出"路口群落"的概念来分析城市交通网络中拥挤区域的交通信号控制方式.应用二型模糊逻辑对区域交通流量进行预测,得到以防止路口群落堵塞为前提的车辆平均延误最小的多级模糊控制算法(T2F-MACFC).在二型模糊规则提取时,应用了一种改进的c均值模糊聚类算法,该算法可以针对区间型数据进行模糊聚类.计算机仿真表明,T2F-MACFC算法相对于目前实际应用的"绿波"(Green Wave)自适应控制方法,可以减少交通拥挤地区50%的堵塞情况发生,而二型模糊预测方法的引入使得车辆平均速度提高大约15%.     

一种交通流状态智能推理系统

设计一种基于模糊聚类及模式识别的交通流状态自适应神经模糊推理系统，用来研究交通流状态的分类、识别及预测。首先，对大量交通流历史特征数据采用模糊聚类的方法进行状态分类并进行模式识别，得到系统的原始输入输出数据集。然后，建立交通流状态预测的自适应神经模糊系统，以交通流特征数据及其识别结果为训练数据集进行系统参数及模糊规则的训练与确定，直到误差在控制范围内。最后，进行系统检测和复核。仿真及其检测和复核结果表明了系统良好的应用性能。     

一种聚类神经网络初始聚类中心的确定方法

在基于聚类神经网络提取模糊规则方法中,其初始聚类数及聚类中心往往是事先给定的,这样会给规则提取带来一定的盲目性,并影响神经网络的学习时间和聚类效果。本文提出了一种根据测量数据集自动确定聚类神经网络初始聚类中心的方法,该方法可客观地确定聚类数和初始聚类中心,能够有效地缩短神经网络的学习时间。     

基于D-S证据理论的模糊聚类集成

针对现有集成方法在处理模糊聚类时的不足,提出一种新的模糊聚类集成方法。在证据合成的理论框架内,讨论在识别框架、概率分配函数、合成规则等问题。给出了3种基本概率分配方法：近似类别分配概率方法、归一化模糊海明距离方法以及二者证据合成的方法。分析指出合成的方法能够较好利用二者的优势进行互补,获取更为合理的基本概率分配方法。最后,通过实验讨论所提方法的参数设置、收敛性和有效性等问题。     

多变量系统模糊动态模型的辨识

介绍了一种新型的基于模糊神经网络的多变量模糊动态模型的辨识方法 ,该方法是通过将输入空间进行直接划分 ,而不是在输入空间的每一维上进行划分来得到模糊规则的。这样所形成的隶属函数为多维隶属函数 ,并使模糊规则的数目大为减少。在模糊聚类算法的基础上 ,提出了一个衡量聚类有效性的函数 ,以确定模糊规则的数目。以二级倒立摆系统为应用背景 ,取得了较好的辨识效果。     

一种基于模糊规则的非线性系统快速模糊辨识方法

针对以往模糊建模方法中算法中算法过于复杂的问题，提出了一种简单而有交的复杂系统模糊建模新方法。该方法是基于输入空间的模糊划分，计算给定样本在各模糊子空间的隶属度，并列用卡尔曼滤波算法辨识模糊模型的结论参数。整个辨识过程与模糊聚类方法和误差反馈学习方法相比所需的CPU时间最短。最后通过著名的Box-Jenkins煤气炉数据仿真结果证明了该方法的有效性与实用性。     

基于直觉模糊聚类的目标识别

空中目标的正确识别对防空作战具有重要的意义。针对目标识别的特点,提出了基于直觉模糊聚类的识别方法。首先,给出了直觉模糊相似度和相异度的度量方法,并利用目标特征信息计算直觉模糊相似度和相异度。然后,在分析了现有的几种直觉模糊相似矩阵构造方法的基础上,提出了一种新的直觉模糊相似矩阵的构造方法,并给出了直觉模糊相似矩阵转化为直觉模糊等价矩阵的途径;此外,定义了直觉模糊等价矩阵的（α,β）截矩阵,进而实现直觉模糊集的聚类。最后,运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明,提出的方法是可行、有效的。     

带有测量噪声的Ⅱ型T-S模糊建模

实际工业生产过程中,系统的数据带有测量噪声.Ⅱ型模糊集的二阶隶属度用来表征一阶隶属度的模糊度,这种模糊度的增加意味着处理不确定信息能力增加.因此,提出了一种基于Ⅱ型模糊集的T-S模糊建模方法来减少由噪声带来不确定信息的影响.首先采用改进的最小邻域算法对带有测量噪声的数据进行聚类,继而确定Ⅱ型模糊集的一阶隶属度,接着根据数据的聚类信息采用高斯混和模型得到二阶隶属度值,然后用正交最小二乘算法确定模糊模型的后件参数,最后通过仿真实验来验证该方法的有效性.     

Wang-Mendel模糊模型控制规则的提取及应用

针对如何利用系统的模糊模型设计模糊控制器,提出以系统的模糊规则库为基础,提取模糊规则中的信息获得控制规则的方法。以钢铁工业中连续退火炉的加热炉为对象进行了仿真,首先提取描述对象输入-输出映射关系的模糊规则组成完备规则库,并以此为基础提取控制规则补偿输出偏差。仿真结果表明能够达到期望的效果。     

Kernel method-based fuzzy clustering algorithm

1.INTRODUCTION Clusteranalysisdividesdataintoclustersinorderto facilitateunderstandingortofindstructurehiddenin dataset.Clusteringalgorithmspartitionasetofdata objectsintoclustersorclasses,wheresimilardataob jectsareassignedtothesameclusterwhereasdissimi lardataobjectsshouldbelongtodifferentclusters. SinceZadeh(1965)presentedthefuzzysettheory, thefuzzymethodisfirstlyintroducedinclustering problems,whichiscalledthefuzzyclusteringanaly sis.Fuzzyclusteringisawidelyappliedmethodfor acquiri…     

基于PS-IFKCM的弹道中段目标识别方法

针对现有直觉模糊核c-均值(intuitionistic fuzzy kernel c-means,IFKCM)聚类算法对初始值敏感、易陷入局部最优解及收敛速度慢等缺陷,汲取了粒子群优化(particle swarm optimization,PSO)算法优势,对初始聚类中心进行优化,提出了基于粒子群优化的直觉核c-均值(particle swarm-based intuitionistic fuzzy kernel c-means,PS-IFKCM)聚类算法,选取4组标准数据集实际样本数据对算法的有效性进行了试验。最后选取弹道中段目标识别常用的雷达截面积(radar cross section, RCS)这一特征属性进行弹道中段目标识别仿真实验,并将其与模糊c-均值（fuzzy c-means, FCM）算法、IFKCM算法的识别效果及运行时间进行比较分析,表明了该算法应用于弹道中段目标识别的有效性及优越性。     

一种对噪声干扰鲁棒的模糊末制导律设计与仿真

提出一种对测量噪声干扰鲁棒的模糊末制导律。进行模糊末制导律设计时,在分析导弹和来袭目标运动特性的基础上,根据最优制导律设计专家经验和测量噪声的干扰特性建立模糊规则。数字仿真结果表明所提出的末制导方法与传统比例导引方法比较,在测量噪声干扰和测量数据不精确的情况下,具有弹道更平直、拦截时间更短,对噪声干扰鲁棒的优点。模糊末制导律算法简单可行易于实时实现。     

基于自适应直觉模糊推理的目标识别方法

将自适应神经网络--直觉模糊推理系统(adaptive neuro intuitionistic fuzzy inference system, ANIFIS)引入信息融合领域,提出一种基于自适应直觉模糊推理的目标识别方法。首先,分析了现有目标识别方法的特点与局限性,建立了基于ANIFIS的Takagi Sugeno型目标识别模型。其次,设计了系统变量属性函数和推理规则,确定了各层输入输出计算关系及合成计算表达式。再次,设计了学习算法对网络和规则进行训练修改。最后,以20批典型目标的类型识别为例,分析比较基于直觉模糊推理及ANIFIS推理的输出结果与识别精度。仿真结果表明该方法是一种比较实用、有效的决策融合方法.