群中模糊集的上近似集合与下近似集合

粗糙集概念是由Pawlak于1982年提出的,现已从许多方面作了推广,粗糙集与模糊集的结合近年来越来越受到国际学术界的关注,现在研究群中模糊集的上,下近似,并且讨论了近似算子的乘积结构,定义了粗糙模糊子群的概念,证明了模糊子群一定是粗糙模糊子群,在同态映射下,子群的像的上下近似也一定是它的上,下近似的同态像。     

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.     

基于模糊值概念网的模糊信息检索研究

在模糊值概念网中,任意两概念间的关联度可用模糊数的任意形式表示,概念间的关系可为模糊正相协或模糊负相协。为了减少模糊推理时间,模糊值概念网可看作是由关联矩阵和关系矩阵组成,关联矩阵中的元素代表概念问的关联度．关系矩阵中的元素代表概念间的关系。使用模糊正相协和模糊负相协可准确地表示用户的查询,增强了模糊信息检索系统的灵活性。将模糊值概念网的结构扩展到互联网,提出了一种基于网络型的模糊值概念网的模糊信息检索方法,在分布式网络中能进行相对较为有效的信息检索。     

基于DFS的并行粒计算模型及其应用

粒计算是近几年提出的新概念。在粒计算领域中,动态模糊性是普遍存在的,而人们在用粒计算求解问题时又希望从并行角度来求解问题。因此,基于DFS,给出并行粒计算模型和算法,并用实例进行分析,说明该算法是有效的,从而进一步丰富了粒度计算的研究内容。     

动态联盟伙伴选择问题的混合计算方法

针对已有伙伴选择问题方法的不足,以最小化竞标花费,交通运费和拖期惩罚成本之和为目标,给出伙伴问题的0-1整数规划模型,并提出了求解问题的混合遗传算法.该算法用染色体的编码确定合作伙伴的组合,结合专家经验,通过模糊神经网络对人工给定的隶属函数和模糊规则进行修正,用所得到的结果改进合作伙伴的组合.实验结果表明,模糊神经网络的使用提高了模糊推理的准确性,进而也提高了混合算法的有效性,使其具有比普通遗传算法更好的寻优能力.     

模糊OWL 2本体到模糊关系数据库映射形式化方法

针对语义Web上的模糊OWL 2本体,提出了基于关系数据库的模糊本体存储方法.通过深入分析模糊OWL 2本体的结构及语义特点,提出了基于模糊关系数据库的模糊本体存储结构,在此基础上,给出了模糊OWL 2本体到模糊关系数据库映射的形式化方法.理论和实例结果表明所提出的形式化映射方法是合理和可行的.     

基于模糊统计的模糊Petri网token确定方法

在模糊Petri网应用研究中,普遍存在模糊token由专家直接给出或主观假定的问题。基于这种情况,提出了通过模糊统计法来获得库所的模糊token,为成功应用模糊Petri网理论创造了条件。给出了计算模糊token的通用形式化算法。实例论证了模糊统计法在求取模糊token时的可行性与有效性。     

多粒度模糊粗糙近似算子的信任结构与属性约简

多粒度是近年来粗糙集领域研究的一个热点方向, 为使多粒度模型更适用于实际数据, 提高模型的可用性, 模糊思想被引入到多粒度粗糙集模型中。本文构建了基于模糊相似关系下的多粒度模糊粗糙集模型, 并建立了模糊信任结构。在该信任结构下根据多粒度模糊粗糙集的上、下近似构造信任函数与似然函数。研究多粒度模糊粗糙集在模糊等价关系下的属性约简, 并给出相关算法。     

Subsumption Checking between Concept Queries in Different Ontologies Based on Mutual Instances

This paper proposes a checking method based on mutual instances and discusses three key problems in the method： how to deal with mistakes in the mutual instances and how to deal with too many or too few mutual instances. It provides the checking based on the weighted mutual instances considering fault tolerance, gives a way to partition the large-scale mutual instances, and proposes a process greatly reducing the manual annotation work to get more mutual instances. Intension annotation that improves the checking method is also discussed. The method is practical and effective to check subsumption relations between concept queries in different ontologies based on mutual instances.     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.     

Togai扰动及误差估计

介绍了模糊集的一种扰动，给出Togai推理中由输入扰动引起的输出误差的上、下界估计，由此说明，Togai推理是稳健的．     

基于模糊机会约束的博弈联盟收益

在模糊博弈环境下,研究联盟收益问题.基于Tsurumi合作联盟概念,利用模糊变量刻画局中人参与联盟程度,拓展了模糊联盟概念.针对博弈决策者在一定置信水平下极大化联盟收益的乐观值或极大化联盟收益的悲观值情形,引入模糊变量的可信性测度,建立了模糊联盟最优收益的模糊机会约束规划模型.该模型反映了博弈偏好对模糊联盟整体收益的影响.     

毕达哥拉斯模糊三支概念格

将毕达哥拉斯模糊集理论引入模糊三支概念格中, 在毕达哥拉斯模糊形式背景下研究毕达哥拉斯模糊三支概念格的构造。首先, 结合毕达哥拉斯模糊集理论将对象与属性的关系同时用隶属度和非隶属度表示, 给出毕达哥拉斯模糊形式背景的定义;其次, 基于给定的阈值α和β以及三支决策思想, 将对象集(属性集)划分为正域、负域, 边界域3个部分;在此基础上, 给出2种毕达哥拉斯模糊三支概念(对象导出毕达哥拉斯模糊三支概念与属性导出毕达哥拉斯模糊三支概念)的定义和相关定理, 构建相应的概念格;最后, 结合实例阐释毕达哥拉斯模糊三支概念格在实际问题中的应用。     

一种优化的综合本体相似度计算方法

本体映射的研究,主要集中在概念相似度计算部分。文中针对目前相似度计算存在的一些问题,提出了一种优化的综合计算方法——CAIRSim。该方法通过候选概念策略的方式减少参与计算的概念数,然后分别基于候选概念的属性、实例和关系来计算概念的相似度,并进行加权综合得到概念相似度。     

基于Fuzzy函数逼近的柔性模糊控制器论域压缩算法

针对模糊控制稳态控制精度不高的问题,提出了一种提高ＦＩＳ系统函数逼近精度的新方法——论域压缩算法．基于模糊数二元基元组的概念改进了一类Ｈｏｏｖｅｓ－Ｊｅｅｖｅｓ算法,实现对模糊数参数的寻优和输出论域的动态调整．构造基于ＳＯＷＡ类算子和ＢＡＤＤ解模糊的广义柔性模糊控制器作为仿真平台,对一过热汽温对象的控制给出仿真算例．结果表明,该方法可对控制达到任意精度上的逼近,从根本上解决Ｆｕｚｚｙ控制精度不高的问题．分析指出动态论域压缩算法对模糊控制具有理论上的普遍意义     

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。     

结合示例空间概念权重的多示例核学习方法?

提出了一种考虑包中样本在概念空间中重要度的多示例核学习方法。引入了包中示例对整个样本空间所包含概念的权重向量。通过数量化的手段表示出每个示例从属于每个概念的重要程度。主要步骤如下:a)通过对所有示例进行聚类,得到能够反映多示例包中所含概念的簇;b)借用文本分类中的r-pattern计算得到每个示例对于概念空间中每个概念的权重向量;c)在多示例核中通过余弦相似度结合示例的权重,得到更能反映概念空间特性的多示例概念核。该方法同时考虑了包层次的概念和示例层次的权重,能够有效度量包中示例对于最终包标记的影响,且本身建立在多示例核的基础上,适用于多种多示例学习的场合。在标准数据集和图像数据集上的实验表明,该算法是有效的。     

模糊随机多目标规划性质的研究

在模糊随机环境下,针对于多目标规划问题的性质,给出了一系列的重要结论。首先,基于模糊随机理论,提出了模糊随机多目标规划问题的期望值模型,实现了对实际问题的不确定性到确定性的转化, 并为解决实际问题提供了理论模型。规划问题的凸性在优化理论中占有非常重要的地位,因此,对于所提出模型的凸性,利用模糊随机变量的期望值的特殊性质,给出了严格的证明。 定义了模糊随机多目标规划的期望值绝对最优解、期望值有效解及期望值弱有效解的概念,并研究了它们的性质。根据生活中的实际问题所建立的模糊随机规划模型的求解,所得结果为其算法的研究及最优决策的执行提供了重要的理论依据。     

基于Wup的语义相似度计算的全局本体语义

异构数据集成领域大量应用了本体研究方法来解决数据语义异构问题,其中有不少的语义相似度计算方法.因此,在WordNet环境下的语义相似度计算方法上,提出了Wup语义相似度计算模型框架用以解决两个局部本体之间的语义问题,并提出了构建全局本体的语义分析方法.     

基于模糊聚类的异类多传感器数据关联算法

针对异类传感器观测空间不一致的问题，提出了基于模糊聚类的异类多传感器数据关联算法．该算法首先通过在不同传感器的观测空间上建立多目标运动状态的投影，将多传感器多目标关联问题分解为多个单传感器多目标的关联问题，再对单传感器采用模糊聚类的方法求解关联概率，实现了在密集杂波环境中多目标的数据关联和精确跟踪．该算法降低了多传感器多目标跟踪的复杂性和计算量，有效地解决了异类多传感器可用公共信息少的问题．仿真结果表明，该算法的跟踪误差要小于传统的联合概率数据关联算法，且具有更优越的跟踪性能．