模糊时间序列预测的连续点逆模糊数预测模型

在Chen,Hong和Tseng提出的模型基础上,提出了模糊时间序列预测的连续点逆模糊数预测模型,并构造了新的算法和公式。主要体现在论域的选择、小区间数字特征代表的选择和预测公式的构造等方面。将其应用于广西大学1997~2012年招收学生的历史数据模拟预测问题的研究中,结果表明平均预测误差率非常小。     

基于组合权重的犹豫直觉模糊语言灰关联决策方法

为了处理多准则决策中的不确定信息,基于犹豫直觉模糊集和犹豫直觉模糊语言集,提出新的犹豫直觉模糊元素的欧氏距离和犹豫直觉模糊语言元素的欧式距离.利用灰关联方法,并结合组合权重的思想,提出了一种基于组合权重的犹豫直觉模糊语言灰关联决策模型.实例说明该决策方法的合理性和有效性.     

基于互异指数的直觉模糊相似度构造

为了进一步提高直觉模糊相似度对事物的识别能力,从数据的结构和几何特点出发,对已有直觉模糊相似度进行分析,结合具有倾向性的直觉模糊相似度公式,构造出一种新的基于互异指数的直觉模糊相似度,并通过Wilcoxon秩和检验的方法确定参数范围．新构造的相似度公式不仅满足直觉模糊相似度的公理化定义,而且可以广泛应用于决策领域．     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

一个新的直觉模糊集熵公式

针对现有直觉模糊熵计算公式在刻画直觉模糊集不确定程度的不足,对现有直觉模糊熵公式进行分析改进,从而提出一个新的公式,以此完善对直觉模糊集直觉性和模糊性的描述,并验证其正确性及合理性.     

基于马尔科夫链的毕业生就业移动预测系统研究

分析了大学毕业生就业状态及其转移过程的马尔可夫性,通过某专业毕业生的具体就业数据把就业等级划分为五个状态.利用层次分析法与模糊综合评判方法确定了就业等级及状态转移概率,计算出马尔科夫链的平稳分布,求得就业移动过程中的预测结果.从而构建了基于随机数学的毕业生就业移动预测系统.     

改进的直觉模糊集的熵的公式

对直觉模糊熵计算公式存在的不合理性及不全面性进行分析、补充与改进,在考虑犹豫度和模糊度的影响下,提出一个新的直觉模糊熵计算公式,其能够反应直觉模糊集的直觉性和模糊性,全面描述直觉模糊集的不确定程度,弥补了现存直觉模糊熵公式的缺陷;实例分析验证了所提熵公式的正确性及合理性。     

基于马尔科夫链的毕业生就业移动预测系统研究

分析了大学毕业生就业状态及其转移过程的马尔可夫性,通过某专业毕业生的具体就业数据把就业等级划分为五个状态.利用层次分析法与模糊综合评判方法确定了就业等级及状态转移概率,计算出马尔科夫链的平稳分布,求得就业移动过程中的预测结果.从而构建了基于随机数学的毕业生就业移动预测系统.     

自底向上粗集神经网络建模方法

提出了一种基于自底向上方式构造模糊粗糙数据模型并实现粗集神经网络建模的方法,该方法通过自适应G-K聚类算法,实现输入论域空间的模糊划分,在基于聚类数和约简属性搜索的基础上,提取优化的模糊粗糙数据模型,在此基础上融合神经网络实现粗集神经网络建模.对Brodatz纹理图像的实验表明,该方法性能优于传统的贝叶斯和LVQ方法,和传统的粗逻辑神经网络RLNN相比,该方法建立的神经网络结构精简,收敛速度快,具有更强的泛化能力.     

时间序列下的离散概率事件变化预测分析研究

针对时间序列下的离散概率事件的发生概率较难预测的问题,展开此次研究.通过阅读国内外相关文献,确定了采用矩阵分解来解决概率预测问题.在此基础上,通过理论论证,确定了如何预测事件发生概率的方法,并对该方法的可行性进行了充分论证.在此基础上,利用数学分析软件Matlab进行了仿真实验,确定了基于单个对象的有限期的概率预测结果.最后,对研究成果进行了回顾与总结.     

区间直觉模糊集的新相似性测度

相似性测度是度量两个集合相似性程度的重要方法.本文针对Liang和Shi提出的直觉模糊集的相似性测度存在的问题进行改进,并将改进后的直觉模糊集的相似性测度推广到区间直觉模糊环境.同时,归纳了一种计算区间相似性测度的一般步骤,最后通过实例验证了该方法的有效性.     

区间直觉模糊软截集（英文）

首先讨论了区间直觉模糊软集在实际问题的应用,其次定义了区间直觉模糊软粗糙集,最后给出了区间直觉模糊软截集的定义及区间直觉模糊软分解定理和区间直觉模糊软表现定理,得到了一些有意义的结果.     

直觉模糊集的新相似性测度

相似性测度是度量两个直觉模糊集相似程度的重要方法.文章给出一个新的直觉模糊集相似性测度,讨论该相似性测度的一些性质及得到利用该相似测度对直觉模糊集进行聚类的一般步骤,最后通过实例验证了该方法的有效性。     

带有两个时滞的不确定神经网络的渐近稳定性分析

研究一类具有两个时滞和不确定性神经网络的全局渐近稳定性问题,通过构造新的Lyapunov函数,运用线性矩阵不等式理论将T-S模糊模型扩展到带有两个时滞的含有不确定项模糊神经网络,并给出系统稳定的充分条件。仿真实例验证了结论的有效性。     

三参数直觉模糊集上的距离测度

距离测度是直觉模糊集理论的重要研究内容之一。本文基于三参数区间值模糊集,提出了三参数直觉模糊数与三参数直觉模糊集的概念,给出了三种含隶属度重心点的距离测度,并针对不同决策背景对三参数权重的距离测度进行分析,最后结合实例说明它的有效性。     

直觉模糊随机信息系统及其属性约简

信息系统的属性约简是知识发现的核心,将直觉模糊随机变量引入信息系统,定义了直觉模糊随机信息系统．将随机概念推广到直觉模糊模型上,针对直觉模糊随机信息系统的属性约简,给出了直觉模糊随机信息系统下的期望相关关系．基于此关系,讨论直觉模糊随机信息系统属性约简的判定和方法,并通过实际例子分析该法的有效性．     

关于k阶模糊关系的直觉模糊粗糙集

本文基于三角模研究了k阶模糊关系下的直觉模糊粗糙集,通过k阶模糊关系定义了近似算子及其性质.     

基于直觉模糊集距离测度的多属性直接聚类方法

距离测度是度量两个直觉模糊集的重要方法，在聚类分析中被广泛应用．本文基于相异度矩阵的思想，在直觉模糊多属性聚类中，定义了距离测度矩阵，然后根据不同的阚值要求转化为布尔矩阵进行聚类，最后通过实例验证该方法的有效性．     

多元时间序列的相似性匹配

常用多元时间序列相似性匹配方法难以在高效刻画局部形态特征的同时考虑各变量间的相关信息. 针对此问题,提出一种动态窗口内多维拟合分段方法. 基于序列的局部形态特征抽象出各变量维度上拟合线段的倾斜角及持续时间,组成模式表示矩阵,并借助一种多元模式距离实现序列的相似性模式匹配. 与主成分分析法、基于点分布特征的匹配法对不同数据规模的数据集进行对比,验证了该方法的有效性,特别对于多变量、不等时间跨度的中等规模多元时间序列相似性匹配具有较好的效果.