基于相互隶属度的云模型相似性度量方法

针对现有云模型相似性度量方法计算复杂度高、结果不稳定、适用性有限等问题,提出了一种基于相互隶属度的云模型相似性度量方法.依据云模型期望曲线以公共面积与自身面积之比定义云模型之间的隶属度,进而利用相互隶属度计算云模型之间的相似度.讨论了不同交点及半云情形下相应面积的计算方法,并给出了相似度的计算公式及性质证明.仿真实验表明,该方法能够在多种情形下合理地度量云模型的相似性,并且具有较高的结果准确度和较低的计算复杂度,基于云模型的评估实例进一步验证了该方法的有效性.      

基于云模型的刀库系统故障分析

针对传统模糊综合评判隶属度函数难以确定的问题,用黄金分割率法生成的隶属云模型作为隶属度函数,对传统的危害度模糊综合评判加以改进.通过建立因素集、评价集和权重集等步骤,实施基于云模型的故障分析,判断各个故障模式的风险等级,最终对到刀库系统的故障部位进行评价.评价结果表明:松开、夹紧装置系统、驱动系统变频器系统和电气系统是刀库系统的关键故障部位.     

基于属性相似度的云分类器

提出了属性相似度概念解决高维对象分类的权重问题,并结合云理论建立了基于属性相似度的云分类器.采用云理论建立训练集的各属性模型,表达各属性值隶属于其类别中心Ex的程度.分类模型由属性模型集成得到,属性权重根据属性相似度计算.各类别的同一属性间的相似度越大,此属性对分类的作用越小.基于粒子群优化方法对分类模型的中心位置Ex进行优化.将此分类器与普通云分类器应用于iris数据集的分类实验,该分类器的分类效果好于后者.     

基于逆云模型的支持向量机多类分类方法

针对支持向量机在进行多类识别中存在的拒分问题,结合能够描述客观世界不确定性的模糊理论,提出利用逆云模型描述样本对各类逆云隶属度的多类分类方法.实验表明,该方法能够有效地消除样本拒分现象,提高识别率.     

基于AHP-云模型的铁路隧道突水危险性综合评价

铁路隧道工程突水危险性评价是施工中的重要安全措施,受评价因子模糊性特征的影响,提出多因素突水危险性的云模型理论综合评价方法,提高评价的综合性和可靠性。在调研分析影响隧道突水灾害的风险因素集的基础上,选取了13个评价因素,确定各因素突水风险评语集,建立了层次分析法(AHP)确定因素权重的突水危险性综合评价云模型。并以尖峰山隧道工程为例,进行该隧道工程的突水危险性评价。研究结果表明:基于AHP-云模型的隧道突水风险综合评价方法,可以充分利用定性和定量的样本信息,系统直观地表现出隧道突水风险评价因素的特征,为多指标模糊因素的评价提供一种有效的方法;选取尖峰山隧道不同里程的10个样本为研究对象,通过AHP-云模型正向云发生器,获得各因子对不同风险等级的隶属度,结合综合评语云模型和综合确定度计算值得出隧道突水风险评价结论。     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

膨胀土与石灰改良膨胀土胀缩性的云模型评价

为解决胀缩性评价过程中模糊指标与随机指标统一处理及定性定量转化问题,探讨了基于云模型理论的胀缩性评价模型.首先基于胀缩性分类标准生成每个评价指标在不同等级的云数字特征,并应用正向正态云发生器模拟实测样本指标值隶属于各等级的确定度,然后结合指标权重获得综合确定度,以最大综合确定度值判定样本的胀缩性等级.最后基于合肥新桥国际机场膨胀土地基处理工程实例来验证该模型的可靠性,并与集对分析、可变模糊集方法和模糊数学方法的判别结果进行了对比分析.结果表明,基于云模型评价膨胀土和改良土胀缩性等级是有效可行的,且预测结果可充分反映现场实际情况.     

基于组合赋权-云模型的高速公路网交通韧性评价

为了制定提升高速公路网交通韧性的策略，提出一种基于组合赋权-云模型的路网韧性评价方法. 首先，选取结构熵、边介数、聚类系数、路网密度4个路网拓扑结构指标和行程时间指数、路网流量非均匀指数2个交通运行状态指标，从路网拓扑结构与功能两方面对路网韧性进行综合评价. 其次，对路网韧性等级进行划分，确定各评价指标在不同韧性等级的阈值，并基于逆向云发生器计算云参数特征值及确定度. 随后，采用层次分析法和熵值法对指标进行组合赋权，通过加权平均得到不同韧性等级的隶属度，根据隶属度最大原则判定高速公路网韧性等级. 最后，以某高速公路网为例进行实证研究，将所提出的组合赋权-云模型评价方法与综合模糊评价法进行对比. 研究表明，二者的评价结果相近，但组合赋权-云模型评价方法克服了综合模糊评价法中随机性的缺陷，能更客观地反映路网的真实运行状态.     

基于云模型和D-S证据理论的多源信息融合滑坡安全性评价

基于多源信息融合理论,结合安全监测数据及滑坡变形破坏特征,构建完善的滑坡安全性评价体系,应用云模型生成各评价指标隶属度,采用引入权重系数的改进D-S证据理论进行数据融合分析,建立一种基于云模型和改进D-S证据理论的滑坡安全性多指标综合评价模型,以实现对滑坡安全性的综合评判。以雅砻江卡拉水电站周家滑坡安全评价分析为实例进行研究,按最大隶属度原则判定周家滑坡的安全状态,分析表明其整体处于基本稳定状态,B1区处于不稳定状态,与实际基本相符。     

基于量子云模型演化的最小属性约简增强算法

为提高决策表中最小属性约简的效率、稳定性和鲁棒性,基于云模型在非规范知识定性、定量表示及其相互转换过程中的优良特征对量子进化算法进行算子设计,提出了一种基于量子云模型演化的最小属性约简增强算法(QCMEARE).该算法采用量子基因云对进化种群进行编码,基于约简属性熵权逆向云进行量子旋转门自适应调整,使其在定性知识指导下能够自适应控制属性约简空间搜索范围,并采用量子云变异和云纠缠操作算子较好地避免了在属性演化约简中易陷入局部最优和早熟收敛等问题,使算法快速搜索到全局最优属性约简集.仿真实验表明,提出的最小属性约简增强算法具有收敛速度快、约简精度高和稳定性强等优点.     

一种关系数据库中基于云模型关联规则的提取

为了发现有效的关联规则，属性在比较高的水平被范化，允许相邻属性值或者语言项的重量．这种软划分可以映射人类的想法，同时使发现的知识鲁棒．利用云模型的理论与方法求解数量关联问题，给出了一种云关联规则的定义，并提出了基于云模型理论支持度和置信度的计算方法，最后提出了一种提取算法Cloud model A．这种方法较好地软化了数量属性论域的划分边界，从而使得挖掘出的云关联规则更容易被人理解。     

基于模糊偏好信息和WGA算子的多属性决策分析

针对有决策者偏好信息的多属性决策问题,提出了一种基于模糊集和加权几何平均算子（WGA）的决策分析方法。应用模糊集理论,根据决策者的偏好对决策属性给出隶属函数,然后由隶属函数对决策属性进行赋权,再利用加权几何平均算子计算综合属性值进行方案集的排序与择优,最后通过实例验证了所给出方法的可行性和有效性。     

基于方案满意度的区间型多属性决策方法及应用

研究了属性权重和属性值均以区间数形式给出的不确定多属性决策问题.针对此类区间型多属性决策问题,定义了方案的综合属性正理想值、综合属性负理想值和带风险度的综合属性值;依据决策者对风险的态度,给出了方案满意度函数;提出了基于方案满意度的单目标优化模型;最后应用该模型解决了投资方案的选择问题.     

决策细化的粗糙集理论分析

对基于粗糙集的决策系统,从理论上分析了决策数据细化的程度对规则近似质量、近似分类精度、核属性和信息熵的影响.证明了决策属性的属性值划分越细,则其规则近似质量、近似分类精度和信息熵就越小,并且决策表中决策属性值细化后所得到的核属性集一定包含细化前的核属性集.因此,在对决策属性离散化时,决策数据细化的程度要适宜.研究结果对研究决策表属性的约简、决策规则的形成和有效性等问题具有实际意义.     

基于粗糙商集的模糊隶属度集值统计算法

模糊隶属度无统一算法,定义存在分歧．根据模糊概念“内涵明确,外延不明确”的特点,定义隶属度为不同外延对内涵的从属程度．在信息系统中,概念的外延用对象表示,内涵由属性表示,由此提出了求解隶属度的新算法：由原始统计数据组成初始信息系统,用粗糙集理论求得其商集并构建集值信息系统;该集值信息系统对应的条件概率空间中的条件概率即为隶属度．广义上信息系统可分为信息系统（无决策属性）和目标信息系统（有决策属性）两类．隶属度也可分为两类：第一类外延对象为内涵属性本身值,如年龄对青年人的隶属度（信息系统）;第二类外延对象为不同于内涵属性的另一属性值,如边坡工程安全系数对稳定状态的隶属度（目标信息系统）．计算以上两个实例,前者与已有结论作对比验证,后者与函数选择、经典统计方法及贝叶斯公理作对比验证,可知结果可靠,算法可行．     

基于多维尺度变换和自适应增强回归进行插值——以三维地质属性体为例

为了探索地质属性分布特征，求得三维地质体中未知点的属性值，实现自动化插值，提出了利用多维尺度变换（Multidimemsional Scaling，MDS）和自适应增强回归(Adaptive Boosting Regressor，ABR)进行三维地质属性体的空间插值。在空间插值中，未知点的属性值与其最近的几个样本点的属性值、距离以及各向异性特征紧密相关。MDS可以把这些因素进行降维得到一维的因子，然后建立ABR模型求得未知点，最后利用均值滤波（Mean Filtering，MF）减少ABR产生的不连续性，实现自动插值。通过对比普通克里金方法，结果表明，该方法在考虑各向异性的情况下简化克里金方法中人为进行半变异分析等繁琐流程，实现自动化插值；同时避免了在非特定随机场的地质破碎地带，运用克里金插值时已知样本点必须符合特定随机场的局限性。     

基于属性加权的不完全数模糊 c 均值聚类算法

针对现有的不完全数模糊聚类算法未考虑样本各维属性对聚类贡献不同的问题,提出了基于属性加权的不完全数模糊c均值聚类算法.利用ReliefF算法评价各维属性的重要程度,通过加权欧式距离将属性权重结合入聚类,并能实现在聚类迭代过程中的缺失属性、隶属度及聚类中心的一体化求解.实验结果表明,该算法强调了重要属性在不完全数模糊聚类中的作用,能够得到更为准确的聚类结果.     

属性盲化的模糊可搜索加密云存储方案

为保护基于属性的密文策略（ciphertext-policy attribute-based encryption,CP-ABE）可搜索加密云存储机制中数据使用者的属性隐私,实现云存储模糊可搜索加密,该文提出一种属性盲化的模糊可搜索加密云存储（attribute blinding fuzzy searchable encryption cloud storage,ABFSECS）方案.数据使用者的每个访问属性被随机盲化,再聚合为一个完整的盲化属性.通过关键字索引集和数据使用者生成的关键字陷门的匹配计算,实现了模糊可搜索加密云存储机制.利用云服务器的强大计算资源,引入预解密操作,减少了数据使用者的计算时间开销.安全性分析表明,ABFSECS方案具有不可伪造性,可抵抗数据使用者与云存储服务器间的共谋攻击,不会泄露数据使用者的属性隐私信息.      

基于云理论的隧道结构健康诊断方法

隧道健康状态诊断过程作为一个模糊系统,具有随机性和模糊性的特点.传统的隧道结构健康诊断方法无法妥善地将系统的模糊性和随机性关联在一起.基于此,针对隧道结构健康状态诊断系统的模糊性和随机性特点,提出了基于云理论的隧道结构健康状态诊断方法.首先,建立反映隧道结构健康状况等级评语集的正态云模型.然后,依据逆向云发生器原理,将隧道结构健康状态指标的监测数据的归一化结果值转化为隶属度云模型.将健康状态指标的重要性语言值转化为权重云,用于表征各健康状态指标的重要程度.最后,运用云理论的计算方法对隧道结构健康状态等级进行诊断,得到健康状态等级诊断结果的云模型.应用云模型的改进方法,对某市地铁2号线盾构隧道结构健康状态进行了诊断,极大提高了诊断结果的可视化和鲁棒性.