机动目标空间群生成算法

提出了一种机动目标的空间群生成算法,该算法的思想是定义空间群目标间的多种特征相似度,通过一级融合获得的信息,计算目标多种特征相似度矩阵并融合求得合群结果。该方法用特征相似度空间属性计算代替了测量空间的目标属性计算,提高了可靠性。该算法的时间复杂度仅为O(n2)。仿真实验表明,该算法具有较高的合群效率,结果可信。     

融合搜索引擎结果集的模糊积分算法

对分布式信息检索的结果集采用模糊积分进行了融合，推导并给出了分布式信息检索的模糊积分算法．该算法可利用模糊积分的单调性，通过计算各信息源的模糊度量值采融合结果集并且评价排序效果．在实际的Web环境中针对4个搜索引擎算法进行了测试，结果发现，经模糊积分后的算法能较好地平衡合唱效应和黑马效应，并能获得更好的信息融合结果．在相同的条件下，所提算法在前100篇文档的排序中所荻得的相关文档数比Borda Count算法多3～4篇，比ComMIN算法多7～8篇．     

RTK快速求解整周模糊度算法及应用

分析了GPS-RTK测量速度的关键即解算整周模糊度，通过对RTK整周模糊度算法原理的分析，提出了快速RTK求解整周模糊度算法．该算法首先确定未知点的初始坐标，进而得到初始模糊度；然后以初始值为中心建立一个搜索空间，应用最小二乘原理搜索出准确的模糊度值．     

基于模糊神经元网络的信息融合模型

为了解决对象是庞大数据的复杂的工业生产过程的建立模型困难的问题,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,结果表明:通过两次聚类算法的融合,获得精确的聚类个数和隶属度,以此来确定模糊神经网络的结构模型,并将得到的隶属度作为依据,建立基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。该成果对煤矿开采具有一定的参考价值和指导意义。     

机动目标的模糊多模型跟踪算法

设计了一种基于模糊逻辑推理的机动目标多模型跟踪新算法（FMMTA）,把量测新息对其协方差的逆的加权二次函数作为模糊推理系统的输入,并通过模糊逻辑推理得到模型集中各模型的匹配度,代替了交互式多模型（IMM）算法中的模式概率计算,降低了计算的复杂度。该算法将测量空间的不确定性映射到模糊空间,从而解决了从测量空间的不确定性到模式空间不确定性的模糊推理问题,并将模糊推理与多模型卡尔曼滤波结合,进行并行处理,有利于机动目标的实时跟踪。Monte Carlo仿真结果表明,在模糊规则设计恰当的情况下,FMMTA算法相对于IMM算法在降低机动目标位置和速度的跟踪误差方面更有效。     

一种结合勾股模糊相似度的多属性决策方法

为了解决现有勾股模糊相似度度量中由于忽略犹豫度而造成度量不精确的问题，提出一种新的相似度的度量方法.首先，在属性值为勾股模糊数的条件下，将勾股模糊相似度定义结合灰色关联分析的思想应用于多属性决策，提出一种新的结合勾股模糊相似度的灰色关联分析多属性决策方法，并设计了该方法的算法.通过一个翔实的算例分析证实了提出方法的正确性和有效性，证明其为多属性决策的一种新的可行方法 .通过两组实验结果的对比，提出的方法比其他方法的决策更贴近实际结果，验证了该方法的可靠性.该算法还避免了人工计算，具有高效性.     

基于相似度测量法的模糊最短路径问题

提供了一种基于相似度测量法处理模糊最短路径问题的算法,通过计算各路径的相似度找到模糊最短路径长度,并获得相应的模糊最短路径.     

基于多查询数据融合和正相关反馈的检索算法

为提高信息检索系统的性能，提出了一种多查询数据融合与正相关反馈相结合的检索算法．算法的核心思想是：利用基于向量表示的余弦相似度测度计算查询与文档之间的相似度，采用多查询数据融合技术将多个检索结果融合，以及从上一次检索结果中取出前M个相关文档和初始查询一起构成新的查询，将新查询提交给系统并继续下一次的检索，如此反复，直到获得满意的结果．实验结果表明，该算法相对于仅使用了多查询数据融合技术的算法和仅使用了正相关反馈技术的算法，其平均准确率分别提高42．6％和23．17%．     

基于拓扑结构/自适应模糊决策的地图匹配算法

给出了基于节点信息的路网空间拓扑结构的具体描述形式．引入相关性概念，提出了一种基于道路几何信息的自适应模糊决策地图匹配算法．通过待配路段两两之间隶属度值的比较与模糊排序以及测度因子参数的适应性调整，使算法在道路几何分布复杂，且较为密集的区域，仍具有较强的适应能力．根据模糊决策后各路段隶属度值的分布情况，提出了将拓扑结构匹配算法划分为决策、校验、弃用等3个应用时段的拓扑结构／自适应模糊决策组合匹配算法的整体设计思路．对实际跑车数据的仿真处理结果表明，该算法较好地解决了地图匹配算法中相互矛盾的算法的计算效率与算法的可靠性之间的协调问题．     

基于 MEMS 辅助的单基线北斗融合测姿算法

载体的姿态信息是导航的重要参数,随着北斗卫星导航系统（Beidou navigation satellite system,BDS）和微机电系统（micro-electro-mechanical systems,MEMS）惯性传感器的发展与完善,高精度、低成本、自主化的融合测姿技术具有广阔的应用前景,因此,提出MEMS辅助单基线北斗融合测姿算法。根据MEMS惯性传感器解算出的姿态信息确定基线向量的搜索范围,从而辅助模糊度函数法（ambiguity function method,AFM）减小整周模糊度搜索空间,提高整周模糊度快速求解的成功率和计算效率。将BDS输出的姿态角信息作为观测信息,对MEMS陀螺仪解算出的姿态信息进行实时校正,实现BDS和MEMS传感器二者的数据融合算法。通过实测数据仿真验证,该算法能够解决信号失锁带来的整周模糊度求解困难的问题,并且测姿系统能在遮挡和动态等复杂环境下提供高质量姿态测量结果。     

基于变精度粗糙-模糊集模型的诊断知识获取

提出一种基于变精度粗糙-模糊集模型的诊断知识获取算法,利用相似性聚类方法自动获取模糊隶属函数,将连续属性表示成模糊值,通过定义模糊相似关系和模糊相似类给出了变精度粗糙-模糊模型的近似表示,并引入蚁群算法求取模糊相似关系下的属性约简,进行诊断知识的获取。将其应用于精对苯二甲酸生产过程尾氧浓度故障诊断知识获取中,结果表明:该算法可以从故障数据中提取更客观有效的诊断规则,在实际故障诊断中具有很好的应用价值。     

一种模糊概念相似度的计算方法

由于现有的经典本体映射方法以及相似度计算方法无法处理模糊信息,因此它们都无法计算模糊概念之间的相似度.为此,提出了一种新的基于向量空间模型的模糊概念相似度计算方法SimFC-VSM(similarityoffuzzyconceptbasedonvectorspacemodel).SimFC-VSM方法首先利用模糊本体中的模糊关系构建向量空间模型;然后将模糊概念表示成此向量空间模型中的向量;最后通过向量运算的方法来计算模糊概念之间的相似度.因此,所提出的方法SimFC-VSM可以有效地利用向量空间模型来计算模糊概念之间的相似度.     

基于相似树的MPLS多播标记聚合算法

为了减少MPLS网络多播标记的占用空间，本文提出了一种基于相似树的求解算法，将与同一共用树相似的多播组进行标记聚合。首先运用模糊聚类的方法生成共用树，然后以共用树为基础进行多播树的构建和组成员的更新。动态多播组成员的变化大多只会造成LER节点类型的转换，不需要重新分配标记。实验结果表明，本算法可以大大缩小MPLS标记的占用，在 元素数量大于最大数量的1/2、相似度阈值 =0.75时，能够将大于50%的多播组进行标记聚合，而平均每组多用的节点数小于0.5。     

基于模糊概念相似性与模糊熵度量的模糊分类算法

在AFS(axiomatic fuzzy set)理论框架下,提出了一种基于模糊概念相似性与模糊熵度量的分类算法.模糊分类规则的前件通过概念聚合得到,一种基于模糊概念相似性与模糊熵度量的概念选择函数指导聚合过程;然后,利用剪枝算法对得到的模糊规则集进行剪枝,得到最终的分类规则集.用8组来自UCI数据库的数据集作为实验数据对算法进行验证,并与7种经典分类方法进行比较.实验结果表明该算法能得到较高的分类精度,分类结果明显优于参照的分类方法.     

基于SEART网和模糊相似测量的手写汉字预分类法

提出了一种手写汉字预分类的新方法.该方法分2步进行,首先采用有监督的扩展ART神经网络(SEART)产生一定数量的预分类组,然后通过模糊逻辑处理将各组字符分别转换成基于非线性加权函数的模糊样板,并通过基于模糊相似测量的匹配算法、相似性测量样板的分级分类进行预分类.测试结果表明,该方法效果良好,预分类正确率达到98.19%.     

基于模糊-粗糙集模型的一种归纳学习方法

对传统粗糙集理论进行了扩展，提出了一种模糊-粗糙集模型。利用模糊集理论和Koho-nen网络自组织映射算法对决策表的连续属性进行模糊化，并用模糊贴近度构造模糊相似矩阵，把普通粗糙集的不可分辨关系推广为模糊相似关系。提出一种基于模糊-粗糙集模型的归纳学习算法FRILA，此算法和决策树算法相比，具有得到的规则数目少、规则表示简单等优点。实例验证了此方法的有效性。     

模糊核超球感知器

提出了一种基于核化技术的模糊核超球感知器分类算法，该算法通过核化技术把样本数据映射到高雏特征空间，并利用超球感知器学习寻找高雏特征空间的决策超球，从而得到各类样本的决策函数．同时，样本测试中采用的模糊技术有效提高了算法的适应性．该算法学习规则简单，所得特征空间超球在样本空间的分布能很好地反映样本的数据结构，适用于不同类型数据结构样本的学习，并经大量试验显示了算法的有效性．     

支持生物激励设计的跨领域知识元聚类方法

为了解决现有生物激励设计过程存在的跨领域知识获取难的问题,提出了面向生物激励设计的基于功能特征语义相关性的功能语义聚类和基于环境特征约束适应性的环境约束聚类组成的两阶段知识元聚类算法。将生物激励设计过程跨领域实例知识检索问题转化为对离散的生物领域或工程领域知识元的聚类检索。根据跨领域术语知识表示的不同确定跨领域检索功能词,执行基于功能特征语义相关性的功能语义的一阶段聚类,结合生物领域功能与环境特征约束间的相关性,完成基于不同类型环境特征约束的二阶段聚类。一方面,将模糊理论与模糊数学引入知识元聚类算法中,提出基于模糊隶属度函数的语义相似度计算方法,实现了基于功能关键字的语义聚类;另一方面,将FCM聚类算法引入到知识元聚类过程中,结合给出的不同类型环境特征约束相似性算法,提出了AFCM算法,实现了基于环境特征约束适应性的环境约束聚类。最后,开发了相应的原型系统,并且以视觉假体装置设计为例进行测试。结果表明,聚类时间和准确率得到极大改善,聚类效率得到显著提升。该算法有效地避免了跨领域知识分布的离散性,减少了设计过程中研究对象的数量,能够合理地获取已有设计知识,为深入研究奠定了基础。     

基于动态双重前缀的模糊相似性连接算法

针对相似性连接问题， 提出了动态双重前缀的模糊相似性连接算法.与之前的算法不同的是，本文采用双重前缀，即在查找候选以及构建索引时使用不同的前缀来提高过滤效率，并在此基础上进行了优化.首先通过取各个前缀生成的候选集合的交集来缩小候选集合;其次提出最大区分任选前缀，利用此前缀进行预验证来减少最终进入到验证过程的候选对，以此来减少连接时间.并且在三个真实数据集上进行实验，将本文算法与Silkmoth算法以及MF-Join算法进行比较，结果表明所提算法可以生成更小的候选集集合并且需要更少的连接时间.