一个采用模糊产生式规则的推理方法

在模糊集理论的基础上,本文提出了一种模糊产生式规则.为了采用这类规则进行推理,文中给出了规则前件与事实是否匹配的模糊匹配函数.最后给出了一个生成匹配事实的最大模糊包含演绎树的算法,并用实例说明采用模糊产生式规则进行不精确推理的方法.     

用以解决模糊情报检索中模糊聚类从属度问题的一种文献标引词自动统计算法

常见情报检索系统一般是采用普通集合论和布尔逻辑表达式处理提问的。能够更为一般地表达检索者要求和处理提问的检索方法之一是相似性检索算法,特别是在其基础之上的模糊检索算法。本文提出计算文献标引词在各类文献中出现概率的一种可在电脑中自动统计的算法,它能有效地解决模糊情报检索中模糊聚类的从属度问题,同时,在不干扰检索者和原有的布尔逻辑检索系统工作的条件下,可望用这种方法将系统改造成为相似性检索、模糊检索系统。     

分离模糊集合(A(-overF),AF)与模糊信息智能融合

利用内-分离论域、外-分离论域与分离论域,改进了L.A.Zadeh模糊集合,提出了由内-分离模糊集合与外-分离模糊集合共同组成的分离模糊集合。利用分离模糊集合,给出了模糊信息融合的生成及其属性关系;给出了模糊信息融合中的信息筛以及信息筛分准则,进而提出了模糊信息外-融合-智能检索算法;利用这些理论结果,给出了模糊信息外-融合在疾病分类智能检索中的应用。     

基于直觉模糊等价关系的聚类算法

首先引入直觉模糊集的模运算、直觉模糊集之间的关系及合成运算的定义,然后提出了直觉模糊集的截集定义,揭示了利用直觉模糊等价关系的分类原理,并讨论了基于直觉模糊等价关系的模糊聚类算法,从而使直觉模糊集的基本理论得到进一步扩展。最后给出了该算法的一个数值实例。     

基于模糊聚类的音乐哼唱检索的研究与实现

针对哼唱检索中匹配过程的耗时性和哼唱的非完全准确性,提出了并行模糊动态时间规整算法实现音乐的哼唱检索。采用相对音高差表示旋律,用动态时间规整算法实现哼唱音高差序列与目标音高差序列的近似匹配。在匹配过程中,引入模糊集合及模糊聚类,通过构造哼唱音高差与目标音高差之间的隶属函数并计算隶属度得到音高差信息的相似度,进而获得转换代价矩阵,最后得到两个匹配序列的匹配距离。为提高检索速度,引入并行算法实现匹配过程。实验结果表明,模糊方法的引入提高了检索精度,并行算法的运用明显缩短了检索时间。基于并行模糊动态时间规整算法的音乐哼唱检索的正确率达到72%左右,在双核计算机上进行实验,引入并行算法后检索时间缩短一半。     

人体病灶信息的模糊算法与实现

人体病灶信息是一个模糊集，本文利用模糊算法实现对人体病灶信息的处理并给出了硬件及软件的实现方法     

一种基于模糊量化直方图的图像检索方法

颜色直方图是一种重要的基于颜色特征的图像检索方法.本文在颜色量化中引入模糊集合理论以描述与人类视觉认知相关的模糊概念,提出了基于人的主观感知的模糊颜色量化方法,以及相对应的模糊匹配准则.归纳实验结果证明该方法可以减小量化误差和适应人的感知模糊性,该方法具有广泛的适应性和进一步提高检索精度的可能.     

直觉模糊语义匹配的相似性度量

首先引用Atanassov直觉模糊集的基本概念和运算,综合考虑其隶属度函数与非隶属度函数两个因素的影响,通过对Zadeh模糊集相似度的计算模型进行扩展,给出了直觉模糊语义匹配的相似度的几种扩展计算方法,即最大最小法、算术平均最小法、几何平均最小法、相关系数法、指数法等,并举例阐明其应用,从而使直觉模糊语义匹配度的计算方法得到进一步拓广。最后,研究了直觉模糊相似关系,证明了直觉模糊相似矩阵的一个定理。     

逆分离模糊集合((-overA)F,(-overA)(-overF))与模糊信息安全获取

利用论域的动态特征, 给出了具有属性析取特征的、由内逆-分离模糊集合与外逆-分离模糊集合共同构成的逆分离模糊集合,进而给出了逆分离模糊集合之间的模糊距离;基于逆分离模糊集合的生成,给出了模糊信息关系,进而给出了逆模糊信息智能伪装及其智能获取算法;结合椭圆曲线,给出了逆模糊信息内-伪装安全获取算法在商业领域的应用。     

基于免疫进化的模糊集更新算法

动态模糊集在很多领域有着广泛的用途.在应用中,随着环境的变化,动态模糊集的更新是目前关注的一个问题,而动态模糊集如何反应环境的变化是动态模糊集更新的一个难点问题.本文提出了一只基于免疫进化的模糊更新算法,算法能够较好的体现环境的变化,使得更新后的模糊集更有利于模糊聚类的需要.     

一种基于自适应模糊聚类的高效图像索引方法

通过对模糊C均值聚类算法进行分析评价,提出了一种高效的自适应图像数据聚类方法,该方法采用曲线的多项式拟合技术自动获取随数据分布动态变化的阈值,改进后的算法克服了模糊C-均值聚类对聚类中心的敏感性以及聚类的局部性,并在此基础上建立了相应的索引机制.仿真实验表明,自适应模糊聚类索引大大提高了检索性能.     

不确定知识的相似度量方法及应用

基于模糊集和粗糙集理论,给出常用的几种不确定知识的相似度量方法,并应用于信息检索系统中。建立了更符合用户信息需求的模糊相关检索模型。利用粗糙集的等价关系(近似关系)表示用户查询兴趣特征,并通过不精确的分类知识方法进行知识库中用户兴趣分类。     

关于信息检索中应用模糊聚类分析的若干问题

采用基于模糊直接聚类分析的方法,建立了一个快速有效的信息检索的模糊聚类分析模型。讨论了该模型在信息检索应用中的若干问题。最后给出了算例。     

基于粒子群的大量信息模糊检索

为了改善随着信息量增加信息检索效率急剧降低的情况,将改进的粒子群优化算法引入信息检索中,通过粒子群算法迭代检索,使关键检索字在大量信息点上模糊匹配,在迭代终止时检索出匹配度最高的信息项。对100万到2亿条信息量的信息进行检索实验,检索时间1．7s左右,匹配度高于97％。该方法检索速度快、稳定、匹配度高且鲁棒性强。     

基于相关反馈的视频检索算法

针对信息检索中如何提高检索的精度问题,提出了一个基于相关反馈的视频检索算法。利用信号在神经网络中来回传递实现自动相关反馈,提高了检索精度,且最大限度地减少了相关反馈中人的参与,最后检索的结果是与查询最接近的一段视频片段。给出了神经网络的构造和具体的检索算法,并与基于关键帧的视频检索方法进行了比较。实验结果表明,用该算法检索的准确度比用基于关键帧的视频检索方法平均提高6%以上。     

基于信息粒化、语词计算模糊控制系统中的信息重组

在定义了粒元关系网络和矩阵的基础上,研究了基于信息粒化、语词计算模糊控制系统中的信息重组方法,并通过算例说明了此方法的有效性。     

基于互信息的粗糙集信息检索模型

在信息检索过程中，由于文档中存在大量的多义和近义现象，导致不确定性出现，这将影响检索的性能.为此采用基于互信息的粗糙集理论来处理这类不确定性问题.首先计算训练文档集中的词之间的互信息，对互信息做模糊聚类来构造词之间的等价关系，然后借助于该等价关系提出并实现了一个以粗糙集上下近似为基础的信息检索模型，通过实验的测试，该模型能够提高信息检索的效率.     

基于形状特征分划分的树状区域匹配图像检索

提出了一种依据形状特征划分的树状区域匹配的图像检索算法,其思想是首先基于形状特征将图像发为若干给定浓度的树状关系区域,再结合所划分区域的结构关系及其颜色特征进行匹配检索。通过2个检索粗过滤条件,显著提高了检索响应速度,应用此算法,图像中对象的几何变换（移动、旋转、比例缩放）不会影响到查询结果,实验测试的结果表明,与一般的颜色直方图匹配算法相比,该算法大大提高了检索效率。