可能性规划表示与求解

利用可能性理论提出了一种基于PDDL（planning domain definition language）的可能性规划表示方法——Poss-PDDL,给出了基于可能性理论框架下的定性决策理论和图规划算法的可能性规划求解方法——可能性图规划,设计并开发了可能性规划问题求解器Poss-Graphplan.PDDL是国际规划器大赛的标准域定义语言,这使得Poss-PDDL更具通用性和标准性.由于用可能性理论表示动作效果和状态的不确定性更具优势,因此Poss-Graphplan更适用于解决那些概率模型无法解决或者很难获得概率信息的不确定规划问题.可以证明,应用可能性图规划方法求解可能性规划问题得到的规划解是最优的.实验结果表明,可能性图规划方法在问题求解能力和速度上的表现都较为突出.     

广义可能性计算树逻辑模型检测中的成本分析

为解决广义可能性计算树逻辑模型检测中的成本问题,提出了带成本的广义可能性计算树逻辑模型检测方法.首先,引入带成本的广义可能性决策过程模型,该模型不仅能刻画系统的非确定选择和可能性转移,还能定量刻画系统的能耗、开销等成本.其次,在带成本的广义可能性决策过程模型下,给出了带成本的广义可能性计算树逻辑的语法及语义.然后,在已...     

基于随机决策准则的改进多级影响图机动决策方法

针对传统影响图机动决策方法需要由飞行员预先给出空战态势评估难于准确确定的先验似然函数,将随机决策理论引入到影响图机动决策当中,提出了基于随机决策准则的改进多级影响图机动决策方法. 该方法仅需在决策时刻评估潜在空战态势,依据决策准则便可以产生机动决策. 为了优化该方法,基于典型随机决策准则,分别设计了5种机动决策准则,在典型空战想定条件下仿真分析了各机动决策准则的特点. 仿真结果表明:在态势劣势时,后悔值准则决策效果较好;在态势优势时,悲观准则、乐观准则、折中准则、等概率准则决策效果较好.      

基于模糊决策的短跑图视频中特征点轨迹模拟方法

提出了一种基于模糊决策的短跑图视频中特征点轨迹模拟方法.在时空信息中进行短跑图视频特征度量目标以及观测间距离特征提取,采用模糊决策方法计算不同目标中心的模糊隶属度,利用模糊综合函数对两种隶属度进行融合,获取模糊综合隶属度.通过模糊决策概念形成纹理特征关联规则和关联规则挖掘短跑图视频中特征点轨迹,完成短跑图视频中特征点轨迹模拟.仿真实验结果表明,所提方法能够提升短跑图视频中特征点轨迹模拟精确度,能够有效降低计算复杂度和绝对误差.     

基于2个不相关的不确定因素的一次性决策理论研究

针对决策问题中出现的多个不确定因素,研究2个不相关的不确定因素的一次性决策问题.在单一不确定因素的一次性决策基础上,首先得出2个不确定因素的可能性,然后提出焦点和最优方案的选择方法,给出2个不相关的不确定因素的一次性决策过程,最后以报纸经销商问题为例说明这样的决策过程.分析的结果表明提出的决策模型能够帮助决策者在2个不确定因素的情形下找出最优方案.     

基于可能性分布和信息熵的舞台方案模糊决策

升降舞台结构方案选择中存在着大量的模糊和主观因素．在分析现有评价方法的基础上，尝试运用可能性理论处理舞台结构方案中蕴含的不确定性信息，提出了一种新的基于可能性分布、结合熵值赋权的模糊综合决策方法．通过考虑影响评价的各种来源和形式的信息，将专家知识转化为对变量取值的弹性约束，引入可能性分布表征升降舞台结构方案选择问题中包含的模糊因素，构造出相应的方案集和评价指标体系，建立了可以进行模糊推理和决策的评价模型；应用模糊变换原理，对评价系统各层次指标依次判别，并采用一种主客观组合的赋权方式进行权重分配，在单因素基础上形成综合判断．阐述了求解原理和实施步骤，并通过实例分析比较说明了该法的可行性．     

优化图型判断技术及其在羊疾病防治决策系统中的应用

专家系统是一个具有大量专门知识与经验的程序系统,它应用人工智能技术,根据一个或多个专家提供的特殊领域的专门知识、经验进行推理和判断、模拟专家作决定的过程,来解决那些需要专家决定的复杂问题.在讨论专家系统决策实现中的图型判断推理决策技术与方法的基础上,提出了一种优化图型判断方法,并介绍了基于优化图型推理判断的远程羊疾病防治决策系统的实现技术与方法.     

基于知识影响图的多Agent集成诊断与决策

建造一种包括应用Agent和系统Agent的2层多Agent诊断系统结构，提出应用Agent诊断与决策及系统Agent全局决策的集成方案；设计基于知识的诊断与决策影响图及推理方法，分别用于应用Agent内部的诊断与操作决策、局部的运行决策、以及系统Agent的全局运行决策；实例证明了方法的可行性。     

群体决策的模糊偏爱公理和不可能性定理

对于群体决策问题中决策个体和决策群体偏爱均为模糊的情况,建立了较弱的传递性意义下的模糊偏爱公理系和不可能性定理.在模糊偏爱的意义下,扩展了群体偏爱的ArroW不可能性定理.     

利用二元决策图求解故障树的基本事件排序

故障树分析是一种核电站常用的概率安全评价方法。对利用二元决策图求解故障树方法中的关键问题——基本事件排序进行了研究。先将故障树转化成二元决策图,然后通过遍历二元决策图直接获取割集。在转化的过程中,基本事件的排序对二元决策图的规模和计算速度有着直接的影响。寻找基本事件的最优排序是该方法的重点。该文提出的三条排序法则,对基本事件的排序有明显的帮助,可使二元决策图结点数减少约二分之一。     

基于聚类中心分离的模糊聚类模型

在模糊C-均值聚类（FCM）目标函数的基础上按聚类中心分离原则增加一个聚类中心分离项来扩展FCM算法,提出基于聚类中心分离的模糊聚类模型(FCM_CCS)。该模型可使聚类过程中的聚类中心之间距离扩大,从而得到更好的聚类效果。由于该模型和FCM一样对噪声敏感我们提出它的可能性聚类模型(PCM_CCS),最后进一步扩展成它的可能性模糊聚类模型(PFCM_CCS)。基于聚类中心分离的可能性模糊聚类模型在处理噪声数据和克服一致性聚类问题方面表现出良好的性能。对数据集的测试实验结果表明了提出的PFCM_CCS能同时产生模糊隶属度和典型值,使聚类中心间距扩大,同时具有更好的聚类准确率。     

数字电路测试生成的二元判定图方法

测试是保证电路系统可靠性的重要手段,已成为集成电路设计与生产的一个组成部分,研究了基于二元判定图的数字电路测试生成方法,对布尔函数的表示和操作的二元判定图进行研究,详细讨论了其中的ite算符;给出了基于二元判定图的电路测试生成方法的实现步骤,并用实例进行了说明。     

一种鲁棒的无监督聚类图像分割算法

针对目前基于模糊C-均值聚类图像分割算法的噪声敏感问题, 提出一种基于无监督可能性聚类的自动加权图像分割算法. 该算法先应用均值漂移迭代确定可能性C-均值聚类算法的初始化中心, 利用可能性聚类的模式搜索性质自动确定聚类划分; 然后根据像素间灰度值关系进行图像加权, 通过将加权系数与像素噪声的可能性相关联, 降低噪声对图像分割的影响. 实验结果表明, 相对于基于模糊C-均值聚类的图像分割算法, 该算法不仅取得了较好的分割效果, 而且无监督分割时计算效率更高, 对噪声的鲁棒性更强.     

一种鲁棒的无监督聚类图像分割算法

针对目前基于模糊C-均值聚类图像分割算法的噪声敏感问题, 提出一种基于无监督可能性聚类的自动加权图像分割算法. 该算法先应用均值漂移迭代确定可能性C-均值聚类算法的初始化中心, 利用可能性聚类的模式搜索性质自动确定聚类划分; 然后根据像素间灰度值关系进行图像加权, 通过将加权系数与像素噪声的可能性相关联, 降低噪声对图像分割的影响. 实验结果表明, 相对于基于模糊C-均值聚类的图像分割算法, 该算法不仅取得了较好的分割效果, 而且无监督分割时计算效率更高, 对噪声的鲁棒性更强.     

基于二维直方图的改进的PCM聚类分割方法

相对于模糊C均值算法,可能性C均值(PCM)聚类方法具有更好的抗干扰能力.提出一种基于二维直方图的改进的PCM聚类图像分割方法,该方法除了考虑图像的点灰度信息外,还考虑像素点的邻域相关信息,利用改进的PCM聚类算法得到各象素点的隶属度对图像进行分割.实验表明,该方法能够对噪声图像有效地进行分割,具有较高的鲁棒性.     

基于中心自动融合的多尺度可能性聚类算法

针对可能性聚类对初始化参数设置依赖性较强的问题, 提出一种基于中心自动融合的可能性聚类算法, 并证明了算法中尺度因子的多尺度性质. 该算法通过建立中心的相关性判定准则, 根据数据自身分布特点动态调整聚类数目与结构, 通过引入尺度参数实现对数据的多分辨率分析. 与传统的模糊和可能性聚类算法相比, 该算法摆
脱了对聚类数目及初始化中心或隶属度矩阵设置的依赖性, 易于控制. 人造数据和真实数据实验结果表明, 该算法能自动确定数据中不同尺度下的聚类结构, 具有识别不同大小聚类结构的能力.     

不确定结构的模糊可靠性优化设计方法

提出了基于模糊可靠性的结构优化设计方法。并对基于模糊可靠性和基于随机可靠性方法的结构优化设计作了实例定量对比研究。结果表明：在已知数据信息相同的条件下，两种可靠性优化方法设计的结构，可有完全相同或一致的设计结果。说明了模糊可靠性模型和文中方法用于不确定结构的优化设计是有效和可行的。     

带有等式约束的可能性线性规划问题的一种解法

对不含等式约束的可能性线性规划问题进行了讨论,着重探讨了带有等式约束的可能性线性规划问题的解法。通过把等式约束转化为不等式约束,给出了一种近似解,并利用一个实例进行了详细地阐述,使可能性线性规划问题的解法得到完善     

可能性熵聚类

研究了基于可能性熵理论的聚类问题．首先定义并讨论了可能性熵,继而将可能性熵引入聚类分析,提出了可能性熵聚类算法．它考虑到熵聚类的全局和局部效应,具有清晰的物理意义和数学特征．该算法还能在聚类过程中自动地确定分辨率参数,克服了对于噪声和外围点的敏感性．仿真实验证明,即使各类大小不一,数据集被强噪声所污染时,该算法仍能有效地估计各类中心．     

基于理想点的模糊数排序方法

考虑可能度均值和正、负理想点,通过α截集的方法,把模糊数映射成区间数,并求出其左、右可能度均值及可能度均值到左、右理想点的距离,利用其距离形成一个类似贴近度的综合排序指标,并提出以此综合指标排序模糊数的方法。