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。     

一种融合遗传算法和粒子群算法的改进模糊C-均值算法

针对模糊C-均值(FCM)算法必须预先给定聚类数c和容易陷入局部极小的缺点,提出了融合遗传算法和粒子群算法的GA-PSO-FCM算法.遗传算法(GA)嵌套在FCM算法的外层,用于自动寻找最优聚类数,并把有效性准则函数作为其适应度函数;粒子群(PSO)算法嵌套在FCM算法的内层,用于优化类中心向量,提高算法的全局搜索能力.最后,运用GA-PSO-FCM算法对Iris data、Wine data、Zoo data、WPBC data和WDBC data进行仿真实验,并与基于有效性准则函数改进的FCM算法、GA-FCM算法的仿真结果进行比较,表明GA-PSO-FCM算法能在预先未知聚类数的情况下,提高分类结果的精确性和稳定性.     

基于目标函数的直觉模糊集合数据的聚类方法

针对直觉模糊集合数据的聚类问题,提出了一种基于目标函数的聚类方法。该方法定义了直觉模糊集合间的加权相似性准则,解决了数据聚类过程中各维特征分配不均匀的问题。通过增加非隶属度参数对模糊c〖CD*2〗均值(fuzzy c means, FCM)聚类算法中的模糊划分矩阵〖WTHX〗U〖WTBZ〗和目标函数进行改造,进而给出迭代推导公式和算法描述,把聚类归结为一个带约束的线性规划问题,适用于大数据量的情况。最后通过典型实例验证了该方法的有效性和优越性。     

广义均衡模糊C均值聚类算法

模糊C均值聚类(FCM)算法是一种快速有效的聚类算法,但它没有考虑各类样本容量的差异, 其最小化代价函数会导致聚类判决有利于少样本类.提出一种新的聚类算法—-广义均衡模糊C均值聚类, 通过对模糊C均值聚类最小化代价函数的改进,使得样本容量在聚类代价函数中发挥效用, 从而弱化了样本容量差异对聚类判决的干扰.讨论分析了该算法的性质,模糊隶属度的推导突破了FCM解析解的约束. 通过仿真实验,验证了所提出算法的有效性.     

基于数据加权策略的模糊C均值聚类算法

针对模糊C均值(fuzzy C means, FCM)聚类算法没有考虑噪声样本点和样本数据的分布特征对聚类结果影响的不足,利用数据加权策略对FCM聚类算法进行改进。改进后的算法通过计算各样本点的密度值,将初始聚类中心限制在高密度样本点区域,并把样本点的密度值作为该点的权值,对聚类中心进行调整,突出高密度样本点在聚类中心调整中的影响力,从而达到提高聚类效果的目的。人造数据集和加州大学欧文分校(University of California Irvine, UCI)真实数据集的实验结果表明,在不提高时间复杂度的同时,与FCM算法相比,基于数据加权策略的FCM算法聚类的准确率更高。     

基于模糊投影寻踪聚类的洪灾评估模型

针对洪水灾害样本集的复杂性、随机性以及差异性,本文将模糊聚类迭代理论与投影寻踪技术进行互补融合,构建了模糊投影寻踪聚类模型.该模型采用投影值标准差和投影值欧氏距离平方和来构造投影指标函数,避免了传统投影寻踪模型由于经验性选取密度窗宽导致过于主观的问题;将高维数据低维化后进行模糊聚类运算,再通过对最优投影方向的寻优进行投影寻踪聚类运算,降低了模糊聚类迭代的运算量,实现了两种模型的双重迭代聚类.误差分析及聚类有效性评价表明,互补融合后模糊聚类与投影寻踪聚类的双重迭代聚类使得聚类精度和效果也得到了较大提高;此外,除优化算法初始化参数外,模型无需预设其它参数,也不依赖于随机训练样本,可客观依据历史样本集内在规律来进行洪灾聚类评估.实例研究和方法比较表明,提出的模型计算简洁,且能有效处理洪灾评估中的随机、模糊等主客观不确定性,能够为洪灾风险管理提供科学的决策支撑.     

基于遗传优化的采样模糊C均值聚类算法

在数据挖掘领域,模糊C均值聚类法(FCM)在处理小量低维的数据挖掘时是有效的,但是面向数据库的数据挖掘经常要处理大量、高维的数据.在这种情况下,FCM算法在时间性能上难以令人满意.本文基于采样技术对FCM算法进行改进,以提高算法的时间性能,并利用遗传算法对聚类结果进行优化以保证聚类的质量,给出了一种新的基于遗传优化的采样模糊C均值聚类算法SFGO(SamplingFCMwithGeneticOptimization).仿真实验证明SFGO算法在大规模数据库的聚类挖掘中,在时间性能和聚类质量上都能获得较满意的结果.     

基于类内差和改进划分系数的聚类有效性函数

针对改进划分系数对模糊聚类有效性的判决并不十分理想,提出了将类内差和改进划分系数相结合的两个聚类有效性函数。该聚类有效性函数从数据聚类效果要求类内样本越相似而类间样本相差越大的观点出发,通过将反映数据聚类类内紧致性程度的类内差和类间分离性程度的改进划分系数相结合,并考虑到模糊C 均值聚类算法的适用条件作为构造聚类有效性函数的约束因子,得到新的聚类有效性标准。给出应用该函数进行模糊C 均值聚类有效性判决的具体步骤,通过仿真实验证明该有效性函数具有良好的分类性能。     

基于退火的状态转移式模糊C-均值聚类算法

传统的模糊C -均值 (FCM)聚类是一种基于梯度下降的优化算法 ,该方法对初始化较敏感 ,且易陷入局部极小。借用模拟退火中系统温度的概念 ,提出基于退火的状态转移式模糊C -均值聚类方法 ,利用温度来控制类别中心的选取概率。实验结果表明 ,该方法可克服系统对数据集及初始解的敏感度 ,且能尽量避免陷入局部极小 ,而获得质量更优的解。     

一种FCM聚类算法的改进与优化

针对一种FCM聚类算法的一些不足 ,提出了具体的改进与提高的方法 ,并引入模糊决策理论 ,进行算法参数m的优化选择。改进后的算法 ,一方面有效地弥补了原算法中存在的不足 ,更好地解决了聚类数目选择等初值问题 ;另一方面 ,通过对参数m的优化选择 ,取得了较理想的聚类效果。最后给出了几种聚类算法对某数据样本集的聚类对比结果。     

模糊系统研究

模糊系统是模拟人类思维、执行智能信息处理的有效工具。本文概要讨论模糊系统的若干问题,包括模糊识别、模糊学习、模糊检索以及模糊决策等.     

一种新的模糊线性规划方法

本文详细研究了约束带有模糊系数型线性规划的模糊约束集的定义方法，给出了其隶属函数的规定原则和应满足的条件，并建议了两种具体的定义形式，从而得到了求解这种规划的新方法。     

一种基于约束满意度的模糊线性规划解法

在模糊规划的基础上重新定义了两个模糊数之间的模糊序关系,建立了模糊约束度与模糊目标函数的隶属度函数之间的关系,并由此提出了一种求解模糊线性规划的新方法．     

模糊合作对策上的Banzhaf函数

通过对经典合作对策上Banzhaf函数的描述,给出了模糊合作对策上Banzhaf函数的定义.讨论了两类模糊合作对策上Banzhaf函数的存在性和唯一性,并给出了它们的具体表达形式.探讨了所给Banzhaf函数的模糊零元,个人理性,单调性,非负性.研究了模糊联盟与其模糊支撑关于Banzhaf函数之间的关系,最后通过算例来说明所给模糊合作对策上的Banzhaf指标.     

关于Saaty对模糊逻辑不适用于AHP观点的评述

目前模糊AHP方法在国内外应用很广泛,但是AHP理论创始人Thomas L. Saaty近几年连出3篇论文质疑模糊AHP方法的科学性. 在介绍模糊AHP方法的基础上,从模糊AHP缺乏数理逻辑性、AHP判断本身就来自模糊语义再次模糊意义不大和模糊AHP对不一致性的改进不一 定能确保改进结果的有效性等角度对Saaty教授批判模糊AHP方法的观点进行系统阐述,并就经典AHP和模糊AHP两方观点进行了深入的分析,希望对国内决策科学领域的研究学者有一定的启发帮助.     

Transformation and entropy for fuzzy rough sets

A new method for translating a fuzzy rough set to a fuzzy set is introduced and the fuzzy approximation of a fuzzy rough set is given. The properties of the fuzzy approximation of a fuzzy rough set are studied and a fuzzy entropy measure for fuzzy rough sets is proposed. This measure is consistent with similar considerations for ordinary fuzzy sets and is the result of the fuzzy approximation of fuzzy rough sets.     

直觉模糊关系及其合成运算

系统研究了作为Zadeh模糊集理论重要扩展的Atanassov直觉模糊关系及其合成运算.在考察Atanassov直觉模糊集与Zadeh模糊集之间关系的基础上,首先引入直觉模糊集及范数的概念、定义和性质,对直觉模糊集之间的一般关系、逆关系、零关系、全关系、恒等关系及其合成运算等进行了定义,研究了它们进行关系运算的基本规则、特殊性质及相关定理,且给出了必要的证明过程.揭示了直觉模糊关系的自反性、对称性及传递性,证明了直觉模糊关系合成运算的结合律定理.把Atanassov算子对于直觉模糊关系性质的影响,即对于自反性、对称性、逆对称性、完全逆对称性及传递性等性质的影响,归纳为该算子的效用性质和等价性质两个定理.     

复杂系统的模糊可靠性分析

应用普通可靠性和模糊可靠性的基本理论，建立了复杂系统的模型可靠性数学模型，并以实例具体说明了计算方法.     

基于模糊区间分和模糊重心的决策方法

首先分析了传统的模糊决策理论的不足，提出了一种基于模糊重心的多目标方案决策方法，该方法能利用评测专家所给的模糊区间分，从而既方便了评测专家表达其评测意见，又充分利用了专家的评测意见，因而有利于提高决策的准确性.     

混联系统(Ⅰ)的模糊可靠性

在模糊可靠性的基本概念和原理的基础上，建立了一套计算混联系统（Ⅰ）模糊可靠性的公式。并对一个实例进行了计算。