一种基于超长方体集的模糊模式识别算法

结合模糊C均值算法(FCM)与模糊最小一最大神经网络算法。提出一种基于超长方体集的模糊模式识别算法．首先采用基于特征加权的FCM算法进行粗划分。得到c个平行于特征轴的超椭圆球类；再根据已知的样本的类别标记进行进一步划分；以改进的最小一最大模型建立超长方体阵，使每个超长方体只能容纳一种类别的样本点。并且分属不同类别的超长方体无重叠．使用这种方法构建超长方体集更快速、更简单，但对训练样本的要求较高，应选择能够充分体现数据分布情况的数据点作为训练样本．     

一种有监督的模糊模式识别模型

给出了一种有监督的两类模式识别模型，该模型允许选取模糊特征，其学习或训练方法是模拟人们认识事物的过程实现的，它是Ｃｏｒａ－３模式识别方法的一种拓广。因此可作为较复杂的智能系统或专家系统的识别模型．     

基于超长方体与KNN的分类算法

提出了超长方体与KNN相结合的分类算法.在训练阶段,该算法为训练集中的每一个类别构造多个超长方体,区域分离每一类训练样本.在测试阶段,该算法首先检查测试样本是否被某一个超长方体包围,如是则其类别被识别出,否则用KNN方法确定其类别.实验采用四个真实数据集进行测试.实验结果表明基于超长方体与KNN的分类算法在四个数据集全部优于两个基于多球覆盖的分类方法,是一种有效的分类方法.     

一种模糊多层多目标群决策方法的研究

将AHP方法运用到层次多目标群决策中，确定多层目标准则体系中的目标层和准则层的权系数，符合判断指标一致性的需要，而对各方案关于各个准则的权重，采用模糊语言进行评价，满足决策实用性的需求．结合模糊最大最小集法和上述方法，提出了一种带有偏好的模糊多层多目标群决策方法，并用算例对其求解过程进行了说明．     

一种基于各向同性集的模糊滤波算法

图像中的椒盐噪声是一种特殊的噪声,处理不当会使图像本身的细节变得模糊不清,从而使图像降质,中值滤波能够有效地抑制椒盐噪声,但模糊了图像中的一些细节。因此结合方向图,提出了一种基于各向同性集的模糊滤波算法,不仅能够有效地抑制椒盐噪声,而且能够较好地保持图像细节,该算法大大优于中值滤波。     

基于模糊模式识别的模块选择算法

阐述了模块化设计中,模块选择的过程与策略.以属性结构为模型的模块数据库为基础,引用隶属度、贴近度等模糊数学的概念,提出了基于模糊模式识别的模块化选择算法,并对该算法的可行性进行了验证.     

基于超模糊运算的模糊群

给出了像经典群的定义那样规范的模糊群的定义,及其等价定义,提出了交换模糊群的概念,并继续讨论了模糊群和子模糊群及其模糊陪集的一些性质.由于模糊群具有和群一样经典的结构,因此,使模糊代数的深入研究有了充分的理论基础.     

基于FP-tree最大频繁模式超集挖掘算法

数据挖掘应用中的最大频繁项集挖掘算法大多存在候选项目集冗余问题,造成时间和空间的浪费.针对此问题,通过构造条件FP-tree,对不符合要求的项目进行剪除并对MFIT算法进行改进,提出一种基于FP-tree的最大频繁模式超集挖掘算法.此算法无需产生大量的候选集,同时减少数据集扫描次数,降低数据库遍历时间,提高算法效率.实验证明,此算法在降低候选项目集冗余度的同时有效减少了算法运行时间.     

基于模糊最小集的试卷诊断模型

利用模糊最小集方法，提出了一种考试试卷诊断模型。该模型首先确定诊断参数向量对应症状的最大可能分布，再由界限值决定症状集；最后利用诊断逻辑识别。     

模糊超球神经网络的条件重叠学习算法

模糊超球神经网络的聚类学习算法采用形状因子θ实行有指导的学习.针对θ的引入所带来的问题,提出一种新的无指导学习算法--条件重叠学习算法.算法不受模糊超球形状因子θ的影响,学习速度快,学习后的模糊超球个数更少,识别正确率更高.     

区间数Fuzzy集的一种模式识别方法

运用Fuzzy集理论对区间数的模式识别问题进行了研究.在确定系数Fuzzy集的基础上,提出了"区间数距离"和"贴近区间"的概念,接着给出了两个贴近区间的模型;最后,实例的求解证明了该算法的可能性和有效性.     

有限字符集的模糊识别方法

本文讨论了有限字符集的模糊识别方法.设此有限字符集合为X,它含有26个英文字母、10个阿拉伯数字以及30个中国的省市地名,总共有66个字符.文中采用了模糊模板匹配的方法识别字符集合X中每个元素的特征;使用合成矩阵与最大隶属原則做最后判决.可以证明,这种识别方法是符合最小距离原則的.实验表明,上述方法切实可行,我们准备将这个模糊识别有限字符集的方法用于中国汽车牌照识别系统中.     

模糊模式识别算法在动态心电图QRS模板统计中的应用

在对动态心电图QRS波形模板进行和统计的基础之上,采用模糊模式识别理论对QRS波形进行了有效识别,并给出了相应的VisualC 程序设计实例,实验证明该算法是准确有效的。     

基于神经网络模式识别的板形模糊控制器

提出一种基于CMAC(Cerebellar Model Articulation Controller)神经网络的板形缺陷模式识别方法,并基于模式识别结果设计了板形模糊控制器.将模式识别与控制器设计合二为一,利用CMAC神经网络识别出相对于6种常见板形缺陷基本模式的隶属度,直接作为板形模糊控制器的前件部,实现了隶属度的求取功能.通过对板形缺陷特征的分析,合理定义了模糊集合,大大地减少了模糊推理的计算量.仿真结果表明,该板形模式识别方法识别精度高,设计的板形模糊控制器可以快速将板形缺陷控制到期望目标,板形控制性能良好.     

模糊模式识别的若干问题研究

本文在原来模糊模式识别的基础上进行分析,阐明了模糊逻辑的特点与识别的关系,提出了模糊模式识别的动态模型,从而指出机器学习在模式识别中的重要性。     

模糊模式识别在汽车类型识别中的研究

给出了用模糊技术来识别汽车类型、客车载客量和货车吨位的实用方法．     

The Algorithm for Rule-base Refinement on Fuzzy Set

In the course of running an artificial intelligent system many redundant rules are often produced. To refine the knowledge base, viz. to remove the redundant rules, can accelerate the reasoning and shrink the rule base. The purpose of the paper is to present the thinking on the topic and design the algorithm to remove the redundant rules from the rule base. The ＂abstraction＂ of ＂state variable＂, redundant rules and the least rule base are discussed in the paper. The algorithm on refining knowledge base is also presented.     

一种新的协同模式识别学习算法

在协同模式识别中，学习可以归结为求原型向量和伴随向量．文中提出了一种基于核函数映射的学习算法，输入向量被隐式地映射到一个可分性有所提高的向量空间，然后计算变换后的原型向量．对伴随向量增加一个附加的约束以避免它的范数超过一定值，从而改善伴随向量的性能，减少误识别．通过对数字、英文字母和汉字等的训练实验表明，这种算法得到的伴随向量能更好地表示样本的特征，计算所得的初始序参量能更好地反映测试图像与训练样本之间的相似程度．     

一种模糊聚类模式识别方法及应用

提出了一种新模糊Ｋｏｈｏｎｅｎ聚类网络算法,同时提出了模糊伪监督分类算法：模糊特征降维方法,最后给出应用实例及和其它方法的比较结果。     

基于提升小波滤波器的模式识别

文章提出了一种基于提升小波滤波器的模式识别方法。由目标图像的高频分量的两种不同类型的提升,我们引出了一个差分方程,且该方程是包含提升滤波器的自由参数的椭圆方程逆问题的近似。因为这个离散的逆问题是病态问题,所以方程中自由参数的值可以用正则化方法和最小二乘方法来确定。模式识别可以通过将学习提升小波滤波器作用于查询图像来实现。