多准则排序中的路径问题及层次分析法推广

本文指出,在多准则排序中层次分析法用矩阵乘法实现排序度量转换是不正确的.实际上排序度量转换与把排序指标的重要性传递到目标的路径有关,多准则排序是多路径的,多路径排序度量转换不是线性转换,不能用矩阵乘法实现.为此,将排序度量映射到高维状态空间上、用不确定性隶属度向量表征,进而把排序度量转换转化为隶属度转换.通过揭示指标隶属度中包含着确定目标隶属度的冗余值来论证隶属度转换是非线性转换,用区分权滤波算法实现隶属度非线性转换.由此建立多准则排序的非线性排序模型.     

一种基于GA的多目标模糊决策方法研究

针对多目标决策中目标非标准化对决策的影响，提出一种基于相对隶属度的改进遗传算法。在求解过程中，首先计算出群体中所有个体的目标特征值，然后计算目标非标准化对决策的影响度和影响度因子；通过影响度因子将目标非标准化对决策的影响计算到相对隶属度中，将目标特征值矩阵转化为相对隶属度矩阵，构造基于相对隶属度的相对适应度函数，以减小目标非标准化对决策的影响；最后给出了应用该算法处理复杂零件协同制造中制造资源优化配置的一个实例，证明算法的可行性与有效性。     

聚类有效性研究综述

聚类是一个无监督学习过程,因此确定最佳聚类数是一项困难的工作. 聚类有效性研究是通过建立聚类有效性指标,评价聚类质量并确定最佳聚类数的过程. 首先,介绍了聚类的数学描述和聚类有效性指标的分类;然后,基于指标 构成成分的不同,分别评述了12 个仅考虑数据集几何结构信息的聚类有效性指标、6 个仅考虑隶属度的聚类有效性指标以及9 个同时考虑数据集几何结构信息和隶属度的聚类有效性指标,分析了不同类型指标的研究现状;接着,简要总结了外部性指标和稳定性指标等其他聚类有效性指标的研究现状;最后,总结并展望了聚类有效性研究面临的挑战和发展方向.     

一种新隶属度函数的模糊支持向量机

传统的模糊支持向量机隶属度函数都是基于样本与类中心距离进行设计,这对非球形分布数据很不合理.使用类内超平面代替类中心,提出基于样本到超平面距离的新隶属度函数设计方法.该方法克服传统方法的不足,降低隶属度函数对样本集几何形状的依赖,提高模糊支持向量机的泛化能力.数值实验表明,与支持向量机和三种不同隶属度函数的模糊支持向量机相比,新隶属度函数的模糊支持向量机达到最好的分类效果,而且新隶属度方法的简单易行,计算时间少.     

基于多场景和区间模糊数的输电网规划综合决策

为解决电网规划决策中不确定性及模糊性问题, 将情景分析法与区间隶属度相结合, 提出一种新的输电网规划决策方法. 根据电网规划特点, 选取影响规划场景发生的5个关键事件, 依次求取其初始概率、模拟概率, 并由此推算出情景概率. 针对情景分析法在应用中难以准确量化及场景过多问题, 定义综合考虑情景概率及影响程度的评价因子指标实现对典型场景的筛选. 决策过程中, 采用基于梯形隶属函数的区间数模糊决策方法求取方案隶属度, 克服了规划指标难以精确计算问题. 并根据最大隶属度进行方案排序, 最终求得各方案优劣比较结果. 最后通过算例验证了该方法的有效性.     

计算机生成兵力的目标选择研究

根据CGF目标选择的模糊性特点,介绍了一个基于模糊集理论的目标威胁分析算法和基于效用理论的目标选择算法。基于模糊集理论的威胁分析能准确反映和描述实际战场环境下信息的模糊特性,算法通过隶属度函数计算得出不同威胁因素的隶属度值,然后通过层次分析法综合各威胁因素隶属度值获得每个目标的威胁程度。基于效用理论的目标选择算法通过效用函数综合考虑了目标的威胁程度和与之交战的期望效益两方面因素,能很好地模拟实际作战兵力的目标选择过程。     

基于信息熵的安全风险评估指标权重确定方法

权重反映了各个指标在＂指标集＂中的重要性程度。基于信息熵理论,给出了一种安全风险评估指标权重的确定方法。其基本思想是：首先建立信息系统安全风险评估的熵模型,定义隶属函数,通过意见采集和专家排序,形成专家意见隶属度矩阵,然后引入平均认识度和认识盲度的概念,剔除专家在排序阶段认识上隐含的不确定性,最后经过归一化处理,得到了指标集的权向量。基于信息熵的指标权重确定方法为确定安全风险评估指标权重提供了一种新方法。     

R-fuzzy粗糙近似隶属度集的优势测度方法及其视觉感知应用

R-fuzzy集以粗糙集的形式给出了隶属函数,按照隶属度与描述符的相关程度将其进行分类.完全符合描述符的隶属度划分到下近似集,与描述符有关的隶属度划分到上近似集.如果能够得到上近似集中隶属度的重要性,将拓展R-fuzzy的应用领域.进一步讲,如果能够引入一种方法对R-fuzzy上近似集中的隶属度重要性进行量化,将可实现对隶属度重要性的量化排序,实现更高的分辨力.本文提出的优势测度概念可以很好的实现这个要求.首先,给出了优势测度理论框架,证明了优势测度与1型模糊集的等价性,接着,论证了与R-fuzzy集的一致性,指出了优势测度模糊集本质就是R-fuzzy粗糙隶属集的验证器.最后,通过人类视觉感知实验及优势测度的可视化,研究了不同类别群体共识与个识对确定R-fuzzy隶属度测度的影响,分析了R-fuzzy粗糙近似隶属度集的优势测度方法对于人类群体感知辨识的优势.     

基于数据域描述的模糊临近支持向量机算法

针对传统支持向量机由于样本中存在孤立点或噪声而导致的过学习问题,通过分析模糊支持向量机和临近支持向量机的特点,借鉴它们的优点:模糊隶属度和临近超平面,提出了一种数据处理方法。该方法考虑了样本点到类中心的距离与样本对分类的贡献率的关系。这种改进使分类更为清晰和准确。结果表明:采用新的模糊隶属度模糊临近支持向量机算法有较高的识别率,但也耗费了较多的训练时间。     

空地精确制导武器对地攻击目标毁伤评估

针对现代战场的复杂性、目标毁伤评估信息的多样性、不确定性,结合模糊理论和贝叶斯网络建立了目标毁伤评估模糊贝叶斯网络模型.对于网络中的连续节点, 运用模糊理论将其转换为相应的隶属度,再利用可能性概率转换理论转换为可用于贝叶斯网络推理的概率知识.模型考虑了天气、电子和光学干扰、武器-目标匹配度等因素对目标毁伤评估的影响,作战决策人员可以运用该模型对各种攻击条件下的目标毁伤效果进行仿真,快速、准确地评估目标毁伤等级,并可融合战后收集的侦察情报得到目标真实毁伤信息,利用评估准确度对预测评估模型进行修正,最终为是否进行二次打击及合理配置火力提供决策依据.     

一种新的基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过模糊聚类得到测量点迹与目标预测位置之间的隶属度,并将其作为权值系数对有效回波的信息量进行加权,来实现目标的状态估计的更新。仿真结果表明,传统算法在多目标密集时易产生关联错误而导致跟踪发散,新算法通过加权过程保证了对多目标的高精度跟踪。     

Method for Risky Multiobjective Group Decision-Making and Its Application

The multiobjective group decision-making problem under risk is common in reality. This paper focuses on the study about risky multiobjective group decision-making problem where the index value is not certain. We give indexes classifying method and index normalizing formula of this type problem. By building objective function that minimizes general weighted distance from every alternative to the relatively best and worst alternative, the optimal membership degree of every decision-maker to every alternative can be obtained, and by building another objective function that minimizes general weighted distance from the optimal membership degree of every decision-maker to every alternative to the group optimal alternative and the group inferior alternative, the optimal membership degree of every decision-maker to every alternative can be obtained, which are both based on probability theory and fuzzy theory. Aftermost a model is established which collects group preferences. This method provides a new idea and     

基于灰色关联-模糊综合评判的雷达抗干扰性能评估方法

针对雷达抗干扰性能评估的问题, 提出一种基于灰色关联-模糊综合评判的雷达抗干扰性能评估方法。该方法以模糊数学和关联函数理论为基础, 首先借鉴已建立评价指标的模糊综合评判因素集, 采用区间数打分, 基于灰色关联方法确定评价指标权重。然后, 通过隶属函数建立评判矩阵，计算模糊综合评断结果, 并按照隶属度的大小确定雷达抗干扰能力级别。最后, 建立模糊值线性序评价模型, 确定雷达抗干扰性能的优劣顺序。经实例验证, 所提方法既可以确定雷达抗干扰性能的评价等级, 又能进一步确定雷达抗干扰性能的优劣顺序, 且较为客观可靠。     

Intuitionistic fuzzy C-means clustering algorithms

Intuitionistic fuzzy sets (IFSs) are useful means to describe and deal with vague and uncertain data. An intuitionistic fuzzy C-means algorithm to cluster IFSs is developed. In each stage of the intuitionistic fuzzy C-means method the seeds are modified, and for each IFS a membership degree to each of the clusters is estimated. In the end of the algorithm, all the given IFSs are clustered according to the estimated membership degrees. Furthermore, the algorithm is extended for clustering interval-valued intuitionistic fuzzy sets (IVIFSs). Finally, the developed algorithms are illustrated through conducting experiments on both the real-world and simulated data sets.     

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.     

基于直觉模糊推理的直觉模糊时间序列模型

由于受到模糊集理论的限制,模糊时间序列预测理论在不确定数据集的描述上有失客观,针对这种局限性,提出一种直觉模糊时间序列预测模型。应用模糊聚类算法实现论域的非等分划分;针对直觉模糊时间序列的数据特性,提出一种更具客观性的隶属度和非隶属度函数的确定方法;提出一种基于直觉模糊近似推理的模型预测规则。在Alabama大学入学人数和中国社会消费品零售总额数据集两组数据集上分别与典型方法进行对比实验,结果表明该模型有效提高了预测精度,证明了模型的有效性和优越性。     

模糊C均值聚类区间型模糊化参数模型

针对经典模糊C均值聚类算法中模糊加权指数对聚类的影响及其取值范围不确定性问题,提出了一种区间型模糊加权指数的设计模型。分析该模型设计的理论依据及对聚类结果的影响,推导出包括模糊隶属度划分矩阵、模糊聚类中心等基于该模型的模糊化参数表示方法。理论分析和实验证明,区间型模糊化参数模型的设计在基于模糊划分的数据处理中取得了很好的效果。     

一种基于模糊规则的模糊辩识方法

提出了一种基于模糊聚类和最小二乘估计方法的模糊辨识方法。该方法是基于模糊聚类,计算给定样本在各类中的隶属度,并给出输入变量的隶属度函数。利用递推最小二乘估计辩识模糊模型的后件参数,本文给出了详细的的算法。为了验证该方法的有效性,本文给出了Ｂｏｘ－Ｊｅｎｈｉｎｓ数据的辨识结果。     

基于区间二元语义的动态灰色关联群决策方法及应用

With respect to the problem that index value is ofter given in the form of interval linguistic assessment information in the dynamic multiple attribute group decision making, a novel dynamic grey incidence group decision making methodology based on interval two tuple linguistic information is proposed. Firstly, the algorithms and properties of the interval two tuple linguistic information are used to aggregate the information evaluation matrix. Secondly, the positive and negative ideal schemes for each time period are designed in order to deal with the problem that the expert weights and time weights are known, while index weights are unknown, so that the multi objective programming model with the minimum deviation of the grey incidence degree between each scheme and the positive ideal scheme for each stage is built to determine the index weights. Thirdly, the grey incidence each stage degree with interval two tuple linguistic information between each scheme and the positive and negative ideal scheme for each stage is calculated to establish the optimization model of the optimal membership degree for scheme, so that the expressions form of the optimal membership degree for scheme is determined to solve the optimal membership degree for scheme. Finally, an example validates the feasibility and effectiveness of the novel model. The results show that the proposed method can more precisely deal with the language information and avoid information distortion and loss based on the previous method of processing the language.     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.