云模型算法及在过热汽温控制中的仿真研究

为了实现非线性、大时滞系统的良好控制，提出了一种新型的云模型智能控制算法．该算法是基于云模型控制规则的不确定性推理，用期望值Ex、熵En和超熵He表征定性概念，将概念的模糊性和随机性集成在一起，实现知识库中定量与定性之间的相互转换。谊智能控制器采用模糊控制原理，同时为了消除稳态误差，加入了一堆云控制，故采用了一种基于混合维的云模型智能控制器，并对600Mw超临界机组直流锅炉的过热汽温进行了仿真研究。仿真结果表明，该控制器简易、直观、鲁棒性强，具有良好的控制性能和较好的应用价值。     

地空导弹装备高原训练安全风险评估

地空导弹装备在高原开展训练时,面临众多具有随机性和模糊性特点的风险因素。针对该问题,结合高原环境以及地空导弹装备作战流程,分析了影响其高原训练安全的主要风险因素,构建了安全风险评估指标体系。在模糊综合评价法的基础上引入云模型,通过云模型的熵和超熵反映风险的随机性和模糊性,提出了基于云模型的地空导弹装备高原训练安全风险评估方法。最后,通过一个算例分析验证了该方法的实用性。研究结果可为风险控制提供参考。     

网格环境下基于云模型的信任评估与决策方法研究

针对目前网格环境下信任评估模型普遍存在未充分考虑信任关系的模糊性、信任信息的描述不完整等问题,提出了信任云的概念及其模型.该模型可从网格实体间相互协作满意度中提取信任信息,能精确描述信任期望值.通过熵和超熵刻画信任的不确定性,使评估过程更贴近于信任的语意特点.还提出了一种信任云的相似性度量方法和信任决策算法,实验表明了由信任云表述的信任关系可以作为网格环境下安全决策的依据.     

基于云模型的主观信任管理模型研究

在开放网络中,信任管理是信息安全的重要前提与基础。主观信任具有模糊性和不确定性的双重特征。将定性定量转换模型-云模型引入主观信任管理研究中,提出了一种新的主观信任的表示方法,较好地解决了信任表达中的模糊性和不确定性难题,进而提出了一种灵活直观,描述能力较强的形式化定性信任推理机制,为主观信任管理研究进行了有益的探索和尝试。     

Fuzzy熵在环境优序评价中的应用

根据环境系统的可分性原理和环境状况分析的模糊性,提出了系统分解模糊优序评价的新模型.该模型反映了评价系统中各因素间相互制约的关系,分析了环境质量优序评价二级模型的要素,对其特征进行了综合,提出了用模糊熵评定二级模式不确定性的方法.文中建立熵函数的方法是对已有文献的改进.通过实例说明模糊熵模式的应用.本文提出的模糊熵模式用于含有随机性和模糊性的模型的评定.     

一维正态云模型单规则推理映射研究

一维云模型可以用三个参数进行表征,即均值Ex、熵En和超熵He,能够实现数据从定量输入到定性推理,再到定量输出的转换过程,该转换过程可以认为是一种映射过程。针对这种映射,构造了一维云模型单规则推理结构,给出了推理算法,总结出了云模型的三个参数对这种映射过程的影响关系,最后给出了仿真验证结果。     

基于云-支持向量机的道路交通拥挤预警模型

支持向量机是一种基于结构风险最小化原理、具有很高泛化性能的学习算法,为小样本、非线性、高维数一类信息融合问题的建模提供了一种有效的途径。鉴于拥挤预警中的信息具有随机性和模糊性,并且大部分采集的交通数据包含噪声,本文利用云模型对交通路况信息进行分析和处理,通过云-支持向量机模型对交通路况进行判别,同时对交通预警进行了讨论,为进一步采取交通控制措施建立了良好的基础。     

基于正态灰云模型的装备维修保障系统效能评估

装备维修保障系统是一个复杂系统,对其效能进行评估是检验系统保障能力的重要手段。在分析装备维修保障系统构成的基础上,建立装备维修保障系统效能评估指标体系;考虑评估专家对指标权重判断的不确定性,采用区间层次分析法和三元联系数对指标进行赋权;利用正态云模型改进灰色三角白化权函数,提出一种正态灰云效能评估模型,集成了云模型和灰色评估法在处理模糊性、随机性和灰色性复杂问题方面的优势。最后通过实例分析和集对分析法、分形评估算法,验证了本文提出方法的有效性。     

基于云X信息的逆向云新算法

云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型。逆向云发生器可以实现定量数值到定性语言值的转换。本文分析了现在的逆向云算法的不足,提出了一种更简单,更精确的逆向云算法,并且对两种算法的误差进行了分析比较,最后给出了新算法的应用实例。     

基于云理论和效用理论的评估方法及其在业主评估中的应用

由于人的认知的模糊性和客观数据的随机性,评估工作总是存在着一些不确定因素。在开展评估工作的时候,一项重要的工作就是如何处理评估过程中的模糊和随机问题。概率论是处理随机问题的经典方法,但不便于处理模糊问题;模糊理论则正好相反。基于模糊理论和概率论的云理论具有同时处理模糊和随机问题的潜力,提供了一种定性概念与定量数值分布之间的转换模型。本文研究如何应用该模型来处理评估过程中的模糊和随机问题。首先,提出了综合应用云理论和效用理论的评估方法,给出了具体的方法步骤。然后,分析归纳了三类业主评估问题,并以一般性的业主评估问题为例给出了如何应用上述评估方法进行评估的过程和结果。最后,给出了从该文研究工作得到的结论。与传统评估方法相比,本文所提出的评估方法非常便于处理定性定量综合评估问题,具有在给出评估结果的同时还能给出评估结果置信度信息的优点。应用该方法解决业主评估问题,非常适合和有效。     

基于云模型的改进TODIM方案评价方法

针对传统方案评价方法只考虑评价信息的模糊性而忽略信息随机性的问题,同时考虑决策者具有参照依赖和损失规避行为,提出基于云模型的改进交互式多属性决策(简称为TODIM)方案评价方法。首先采用云模型对语义评价变量进行量化;其次定义算术平均云,基于云距离测度算法分析专家评价云与算术平均云的相似度,确定专家动态权重,并通过云的集成方法构建加权云决策矩阵;再定义正、负理想云模型并以最大化所有方案的总体贴近度为目标,建立线性规划模型确定指标权重;最后采用基于云距离测度算法的云-TODIM方法计算每个方案相对于其他所有方案的总体优势度,从而对方案排序。以云服务供应商的评价与选择为例,验证了所提方法的有效性。     

Research on time series mining based on shape concept time warping

Time series is an important kind of complex data, while a growing attention has been paid to mining time series knowledge recently. Typically Euclidean distance measure is used for comparing time series. However, it may be a brittle distance measure because of less robustness. Dynamic time warp is a pattern matching algorithm based on nonlinear dynamic programming technique, however it is computationally expensive and suffered from the local shape variance. A modification algorithm named by shape DTW is presented, which uses linguistic variable concept to describe the slope feather of time series. The concept tree is developed by cloud models theory which integrates randomness and probability of uncertainty, so that it makes conversion between qualitative and quantitive knowledge. Experiments about cluster analysis on the basis of this algorithm, compared with Euclidean measure, are implemented on synthetic control chart time series. The results show that this method has strong robustness to loss of feature data due to piecewise segment preprocessing. Moreover, after the construction of shape concept tree, we can discovery knowledge of time series on different time granularity.     

基于多特征云关联度的容差电路诊断算法

针对容差模拟电路故障诊断中存在的模糊性和随机性问题,提出了一种基于多特征云关联度的诊断算法。首先,结合模拟电路自身特性,提出与之相适合的组合云模型。之后,通过构建云关联矩阵,对不同电路特征的云隶属度进行综合评价。考虑到不同特征对总体云关联度的贡献不同,根据特征类内和类间散度对云关联度矩阵进行加权。最后,通过求取待识别特征向量与各故障模式的云关联序列,实现对电路故障的识别诊断。实例分析表明,所提方法在容差条件下对电路软故障有较高的诊断效率。     

基于组合云发生器的配电系统负荷模糊建模

基于云理论的知识表示,首次将云理论与电力系统有效结合来解决配电系统原始数据不足的问题。在对原始数据进行模糊聚类的基础上,提出了一种组合云发生器,将正向云发生器和逆向云发生器有效组合成一种闭环结构。结合配电网负荷数据的实际特点,在组合云发生器中加入了约束方程组和系统工况数据补充两个单元,保证了生成的负荷数据既能够包含系统的大部分情况,又不会出现实际不会发生的不可能数据,生成的云滴很好的反映了负荷数据所具有的模糊性和随机性。并在此基础上进行了基于T-S模糊模型的负荷辨识,将辨识结果与当前通用的几类模型对比显示了所提出方法的有效性和实用性。     

基于正态云的实物期权定价方法

实物期权一般假定期望现金流现值和投资成本为确定值,实际上由于风险投资项目的高不确定性,因而假设是不现实的,所以一些学者用模糊数学的方法对实物期权做了研究.云模型反映了随机性和模糊性的关联性.在这些研究的基础上,引入正态云模型表示投资的期望现金流现值和投资成本,得到一种新的实物期权的计算方法,并给出算例.