最大-乘积型模糊联想记忆网络的一种新的学习算法

本文提出了最大-乘积型模糊联想记忆网络的一种新的学习算法,并给出了严格的理论证明.在一定条件下,新算法能将多个模糊模式对可靠地编码到模糊联想记忆网络的连接权矩阵中,且已存储的模式对可被完整地回想出来,并举例验证了算法的有效性.     

基于容错性的模糊双向联想记忆学习算法

本文给出了模糊双向联想记忆网络吸引子的一个非退化的吸引域。在此基础上设计了一个基于网络容错性的关于连接权矩阵的解析学习算法,使得在一定的条件下,所讨论的模糊模式对均为网络的吸引子,而且各自具有非退化的吸引域。最后用实例验证了我们的结论。     

复数神经网络的一种新型初始权值选择方法

为了改善学习速率,提出了一种确定复数神经网络初始权值的新颖方法。初始权值不是随机给定的,而是通过计算求得。具体方法是选择一类隐层神经元的变换函数(类支集函数),将输入层和隐层之间的复数权值计算出来,保证隐层的输出矩阵是满秩矩阵,并从理论上证明了这样的满秩矩阵是存在的。利用这个满秩矩阵,通过最小平方算法就可以求得隐层和输出层之间的复数权值。将这些权值作为初始权值,采用最速下降算法来对神经网络进行训练。初始权值的优化,使得该算法可以有效地提高复数神经网络的训练速度和计算精度。一个特例是当隐层神经元的个数与样本个数相等时,就可以求得代价函数值为0的全局最小点。计算机仿真实例验证了该算法的有效性。     

基于熵权的作战方案优化模糊层次分析法

应用模糊数学,分析了水面舰艇作战方案中影响任务完成的各元素的相对强度,通过各指标的比较,来建立模糊判断矩阵,根据截集和指挥员对模糊判断矩阵的满意乐观程度指标进行模糊区间运算,得出熵权,再根据熵权来决定被选择作战方案的优先级,给出了计算实例并给出各种作战方案的总体优化决策顺序,该方法对作战方案优化具有指导意义.     

基于熵权的鱼雷系统模糊层次分析与评判

给出了一种基于熵权的鱼雷系统模糊层次分析与评判方法 .该方法通过两两元素相对比较技术 ,采用三角模糊数来建立判断矩阵 ,改善了 AHP方法所给出判断矩阵的不平衡问题 .根据水平截集和乐观指标 ,进行模糊区间运算 ,从而得出熵权 ,再根据熵权的大小对鱼雷系统进行分析与评判 .最后通过一个鱼雷系统评估和选择的实例来应用和检验这种系统综合评判方法.     

T-S模糊控制系统稳定性分析及控制器设计

研究了在新型的模糊Lyapunov方法下连续T-S模糊控制系统稳定性和模糊控制器设计问题,首先,得出了自由系统新的稳定性充分条件,这个条件具有更大的宽松性;然后基于一系列线性矩阵不等式设计了模糊控制器,这些矩阵不等式可以利用凸优化技术来进行解决。通过对两个具体的实例的仿真验证了本算法的有效性。     

基于属性加权的模糊K-Modes聚类算法

提出了一种基于属性加权的模糊K Modes算法。该算法假定不同属性对聚类结果有不同程度的影响 ,定义新的适应度函数 ,利用进化策略优化加权矩阵 ,以基于划分相似度的聚类精确度作为聚类结果的评价准则。实验表明 ,此算法具有较好的聚类效果 ,且属性加权矩阵反映了数据各个属性的重要程度 ,从而可以进行属性的提取和选择。     

一种改进的三角模糊数互补判断矩阵的排序方法

在传统的三角模糊数互补判断矩阵排序方法的基础上,结合三角模糊数均值的概念,提出了一种改进的排序方法。该方法通过三角模糊数互补判断矩阵以及相应的概率分布矩阵,计算得到模糊均值矩阵,从而将三角模糊数互补判断矩阵的排序问题转换为模糊均值矩阵的排序问题,然后对模糊均值矩阵利用权的最小平方法计算排序向量。通过计算三角模糊数均值,有效地减少了判断过程中的不确定性。给出了该方法的具体应用步骤,仿真算例表明该方法易于实现,具有很好的可操作性。     

有约束多目标系统的模糊匈牙利决策及其应用

首先将指标值矩阵转化为模糊关系合成矩阵,再将模糊关系合成矩阵与解决指派问题的匈牙利方法结合起来,提出了有约束多目标系统的一种新决策方法——模糊匈牙利法,并建立其模型,该模型可用著名的匈牙利算法来求解。最后应用该法于文献［1～3］中的实例,通过比较,方法简便,效果很好     

水资源系统模糊优化调度中的动态AHP及应用

在水资源的优化调度过程中，由于水资源系统内部以及系统与外界环境这间存在着大量的模糊性与随机性，应用模糊优化调度模型可以充分发考虑这些模糊因素，从而比常规的优化模型具有更大的灵活性与可靠性，为了反映模糊优化调度模型中目标函数的效益系数随时间变化而变化的规律，应用动态AHP确定效益系数，并提出一种新的方法来改进动态判断矩阵的一致性，最后应用该模型确定哈尔滨市水资源的最优调度方案，收到了较好的结果。     

Study on Assessment Level of Experts based on Difference Preference Information

The assessment of the level of experts in group-decision analysis forms an important research topic. This article proposes a factor score method (FAM) for obtaining a ranking of the assessment levels of experts in group-decision analysis. The proposed FAM can be used to obtain a ranking of the assessment levels of experts from difference preference relations, where fuzzy preference relations, utility function, preference ordering of the alternatives, multiplicative preference relations and linguistic preference relations, if any, are transformed into fuzzy preference relations through transformation technique proposed. Theorems and algorithm related to the transformation technique are developed. A numerical example is examined to illustrate the applications of the FAM and its advantages.     

多状态网络系统d-最小割集的边合并算法

为更有效的获取多状态网络系统d-最小割集（d-mincuts，d-MCs），提出一种边合并算法。算法用容量未取最大容量的边及对应取值组成的集合对表示网络状态，基于网络分割的思想，不以最小割集为基础，通过边合并、状态继承求取可行解，通过集合对的比较得到d-MCs。同时提出一个引理，更高效的求取容量下界，缩小状态空间。算法复杂度对比分析证明算法有效，且通过定义带权值的广义联络矩阵实现算法，便于编程计算。最后，通过实例分析验证了算法的有效性。     

基于折线模糊数多属性指标信息的FCM聚类算法

折线模糊数是借助实数的有序表示来确定一类模糊信息,它不仅可以按任意精度逼近一般模糊数,而且也克服了基于Zadeh扩展原理的模糊数四则运算的复杂性.该文首先引入折线模糊数定义及其有序表示,并给出它的扩展运算和度量公式.其次,采用折线模糊数的有序表示描述了待聚类对象的多属性指标信息,进而依据目标函数给出最优模糊划分(矩阵)和聚类中心的计算公式,并基于折线模糊数刻画多属性指标信息的模式提出(fuzzy c-means)FCM聚类算法.最后,通过算例说明该算法比梯形模糊数刻画指标信息更具优越性.     

模糊判断矩阵的满意一致性检验

针对多属性决策中模糊判断矩阵的一致性问题,提出了影子排序因子及增序模糊判断矩阵的概念,证明了模糊判断矩阵满足满意一致性的充要条件。根据该充要条件给出了一种对模糊判断矩阵进行满意一致性检验的简便算法,最后结合算例介绍了模糊判断矩阵在满足满意一致性时的排序方法,并分析了其在不满足满意一致性时影响其满意一致性的可能因素。这种算法不仅较为简便实用,而且为专家对原始判断信息进行针对性修正提供了参考依据,对方案排序研究提供了新的思路。     

异联想记忆Hopfield神经网络的模型、算法及性能

对联想记忆神经网络(neuralnetworks NN)的特性进行了分析,基于双向联想存储器BAM原理,对自联想记忆HopfieldNN模型进行了扩展,建造了适合于求解模式识别问题的异联想记忆HopfieldNN模型结构.并针对HopfieldNN记忆容量不足的缺陷,对常规的学习算法进行了改进,建立了基于投影原理的伪逆学习算法和广义逆学习算法,提高了HopfieldNN对样本的记忆存储能力.分析表明:本文的研究解决了HopfieldNN应用于异联想记忆模式识别的关键问题.     

一种新的基于模糊偏好的TOPSIS改进方法

基于决策制定者对决策单元的模糊偏好．研究如何根据决策单元(DMU)的模糊偏好来分别获取TOPSIS方法下基于理想点和负理想点的偏好权重．从而达到最终决策时结果与模糊偏好相一致。从新的角度引入决策单元的模糊偏好，引用TOPSIS方法中理想点与负理想点的思想，提出多指标决策中基于模糊偏好的TOPSIS方法新模型，给出一种通过主观模糊偏好与客观决策矩阵信息相结合的求解权重的方法。     

大型电站流体网络的POSTD实时仿真算法

本文针对大型电站实时仿真中常见的热工流体网络的求解问题,提出大型稀疏矩阵的POSTD实时仿真算法。POSTD (Pre___Ordering Symbolic Triangular Decomposition) 算法是在RCM排序算法的基础上加以改正,而得到的整体近似最优排序算法。同时根据流体网络计算的特点和要求,将原位LDL~1分解为三个步骤进行,即符号模拟分解、数值分解及数值求解。并在自动建模系统的支持下,在网络模块自动生成之前完成模拟定序和符号分解工作。从而大大提高了动态仿真的计算速度,同时节省存储单元,达到实时仿真的要求。该算法已编制成通用软件包。该软件包具有通用性强、实时性好、使用灵活方便和仿真精度高的特点。能适合并满足电站各种流体网络的快速计算,已用于长春20万千瓦仿真系统中。     

Data fusion of radar and IFF for aircraft identification

The problem of identification of friend-or-foe aircraft in the actual application condition is addressed.A hybrid algorithm combining fuzzy neutral network with probability factor(FNNP),multi-level fuzzy comprehensive evaluation and the DempsterShafer(D-S) theory is proposed.This hybrid algorithm constructs a complete process from generating the fuzzy database to the final identification,realizes the identification of friend-or-foe automatically if the training samples or expert’s experience can be obtained,and reduces the effect of uncertainties in the process of identification.At the same time,the whole algorithm can update the identification result with the augment of observations.The performance of the proposed algorithm is assessed by simulations.Results show that the proposed algorithm can successfully deduce the aircraft’s identity even if the observations have measurement errors.     

New judging model of fuzzy cluster optimal dividing based on rough sets theory

To investigate the judging problem of optimal dividing matrix among several fuzzy dividing matrices in fuzzy dividing space, correspondingly, which is determined by the various choices of cluster samples in the totality sample space, two algorithms are proposed on the basis of the data analysis method in rough sets theory: information system discrete algorithm (algorithm 1) and samples representatives judging algorithm (algorithm 2). On the principle of the farthest distance, algorithm i transforms continuous data into discrete form which could be transacted by rough sets theory. Taking the approximate precision as a criterion, algorithm 2 chooses the sample space with a good representative. Hence, the clustering sample set in inducing and computing optimal dividing matrix can be achieved. Several theorems are proposed to provide strict theoretic foundations for the execution of the algorithm model. An applied example based on the new algorithm model is given, whose result verifies the feasibility of this new algorithm model.