一种基于区间数多指标信息的FCM聚类算法

针对一类具有不确定性区间数多指标信息的聚类分析问题，基于传统的数值信息FCM(fuzzy c-means)聚类算法，提出了一种新的聚类分析算法．首先描述了具有区间数多指标信息的聚类分析问题，其次提出并证明了基于区间数多指标信息的关于最优划分和最优聚类中心确定的两个定理．然后根据提出的两个定理，进一步给出了基于区间数信息的FCM聚类算法的迭代步骤．最后，通过一个算例说明了给出的聚类算法．     

一类加权连续属性的多变量决策树构造方法

首先利用粗集理论和模糊聚类理论确定连续多变量属性的选择问题,然后利用聚类中心算法建立等级标准中心以解决连续变量的区间划分问题,其次将等价关系相对泛化的概念用于决策树中多变量检验的构造。最后通过实例说明了本方法是可行的。     

带有测量噪声的Ⅱ型T-S模糊建模

实际工业生产过程中,系统的数据带有测量噪声.Ⅱ型模糊集的二阶隶属度用来表征一阶隶属度的模糊度,这种模糊度的增加意味着处理不确定信息能力增加.因此,提出了一种基于Ⅱ型模糊集的T-S模糊建模方法来减少由噪声带来不确定信息的影响.首先采用改进的最小邻域算法对带有测量噪声的数据进行聚类,继而确定Ⅱ型模糊集的一阶隶属度,接着根据数据的聚类信息采用高斯混和模型得到二阶隶属度值,然后用正交最小二乘算法确定模糊模型的后件参数,最后通过仿真实验来验证该方法的有效性.     

模糊C均值聚类区间型模糊化参数模型

针对经典模糊C均值聚类算法中模糊加权指数对聚类的影响及其取值范围不确定性问题,提出了一种区间型模糊加权指数的设计模型。分析该模型设计的理论依据及对聚类结果的影响,推导出包括模糊隶属度划分矩阵、模糊聚类中心等基于该模型的模糊化参数表示方法。理论分析和实验证明,区间型模糊化参数模型的设计在基于模糊划分的数据处理中取得了很好的效果。     

改进的基于二次型距离模糊可能性C均值聚类模型

针对模糊聚类算法对点数据集聚类敏感性,以及区间类型数据聚类效果不明显等问题,提出了基于二次型距离改进的模糊可能性c 均值(fuzzy-possibilistic c-means,FPCM)聚类算法.首先分析了区间数据的特征,引入了区间值的数学表示方法,在此基础上提出了三种不同的基于区间数据距离度量方法以及相应权重矩阵计算方法,通过建立拉格朗日方程对目标方程优化,求得聚类中心、隶属度以及可能性迭代方程,并证明目标方程的收敛性,最后给出了算法执行步骤。在不同类型的数据集上实验,证明算法在点数据集和区间数据集上都具有较好聚类性能.     

基于区间对偶犹豫不确定语言广义Banzhaf Choquet积分算子的多属性决策方法

基于将对偶犹豫模糊集和语言变量相结合定义对偶犹豫模糊语言集的思路,提出了区间对偶犹豫不确定语言集的概念,研究了区间对偶犹豫不确定语言变量相关的基本理论与方法,并针对属性值为区间对偶犹豫不确定语言信息的关联多属性决策问题,提出了相应的决策方法.首先,定义了区间对偶犹豫不确定语言变量的概念、运算法则、得分函数、精确函数、海明距离以及排序方法.然后,提出了区间对偶犹豫不确定语言广义Banzhaf Choquet积分算子并证明了该算子的一些性质.为了确定属性集的模糊测度,建立了基于离差最大化方法以及Banzhaf函数的模型.进而,给出一种用于解决属性权重部分未知,属性值为区间对偶犹豫不确定语言变量的关联多属性决策方法.最后,通过算例验证了该方法的有效性.     

基于混合多指标信息的聚类分析

针对具有实数值、区间数和自然语言等形式的混合多指标信息的聚类分析问题．基于传统的数值信息FCM聚类算法，提出了一种新的聚类分析算法。在该方法中。首先描述了具有混合多指标信息的聚类分析问题，提出了基于混合多指标信息的关于确定最优划分和最优聚类中心的两个定理。然后给出了基于混合多指标信息的FCM聚类算法的选代步骤。最后给出了一个算例。     

一种基于三角模糊数多指标信息的聚类方法

针对一类特征指标值及指标权重均为三角模糊数的多指标信息聚类问题,提出了一种新的最大树聚类分析方法。首先对三角模糊数多指标信息聚类问题进行了描述;然后依据传统的基于数值信息的最大树模糊聚类分析方法的基本思路,给出了解决三角模糊数多指标信息聚类问题的计算步骤。最后,通过算例说明了本文给出的聚类方法。     

基于遗传算法的区间数核模糊聚类方法

针对现有区间数聚类算法对多种聚类模式以及不对称数据聚类性能不理想的问题,本文提出了一种基于核方法的区间数模糊聚类算法.该方法通过设计合适的核函数,有效地对非对称数据以及混合模式原型的数据结构进行聚类,同时避免了直接在高维特征空间求解聚类问题.本文采用区间数遗传算法来求取高度非凸聚类优化问题得到聚类问题的全局最优解.仿真实例说明了本文算法的有效性.     

直觉模糊框架内的区间证据组合方法研究

区间证据的组合是区间证据理论中的核心问题之一,尽管相关学者试图将D-S证据理论中的证据组合规则进行推广以实现区间证据的组合,但该问题仍未得到完全解决.目前已有的组合方法都是基于优化模型来确定融合结果中各基本概率质量(BPM)的上下界,不仅算法复杂度较高,而且这类方法不满足结合律,对多个区间证据进行组合时不能依次对各个证据进行组合,难以满足时域信息融合的需求.本文基于直觉模糊集与证据理论之间的关系,在直觉模糊框架内对区间证据的组合问题进行研究.首先基于证据理论定义一种新的直觉模糊运算,通过区间证据与直觉模糊集之间的相互转换,提出一种基于直觉模糊集的区间证据组合方法,该方法满足交换律和结合律,对多个区间证据进行组合时具有较强的灵活性.数值仿真表明,基于直觉模糊集的区间证据组合方法可以获得合理的组合结果,而且算法复杂度远低于现有方法.     

基于广义模糊数相似测度风险分析方法

为了提高风险评价信息的可信度,在"单重心方法"(SCGM)计算广义模糊数的重心点基础上,提出了一种新的基于广义模糊数相似测度的模糊风险分析方法.与现有的风险评价方法相比,基于SCGM的模糊风险分析方法考虑了决策者意见的可信度,灵活性和智能化程度更高.以管道失效概率为例给出了该方法的操作步骤,计算结果表明该方法能正确处理模糊风险分析问题,可为安全管理工作提供充分的依据.     

基于进化规划的FCMBP模糊聚类改进方法

分析了基于摄动的模糊聚类方法(fuzzyclustering method based on perturbation, FCMBP),指出指数复杂度的遍历过程是目前PC计算环境下难以处理十阶以上较高阶数模糊相似矩阵的原因.把寻求具有最小"失真"的最优模糊等价矩阵看作优化问题 来求解,提出了一种基于进化规划的FCMBP模糊聚类改进方法. 与FCMBP相比,该方法通过引入基于进化规划的优化技术避免了遍历过程,使其能够对高阶模糊相似矩阵进行处理. 得到的等价矩阵"失真"小于传递闭包法所得结果,从而获得更为精确可靠的聚类效果, 将FCMBP模糊聚类方法推广到能够处理高阶模糊相似矩阵的情形, 满足应用需要.     

模糊环境下应急物资预置的优化方法

本文基于模糊可能性理论,研究了2-型模糊应急物资预置问题.考虑到运输费用、出救点的供应量、受灾点的需求量和道路容量的不确定性,用2-型模糊变量来刻画,建立了2-型模糊环境下的期望值应急物资预置模型.根据风险值简约方法,推导了2-型三角模糊变量的上下风险值简约模糊变量的期望值公式.当模型中的2-型模糊变量相互独立且服从三角分布时,应用所得期望值公式转化原模型为等价的确定模型.等价模型是一个混合整数参数规划,因此可采用Lingo软件求解.最后,通过数值例子演示所提建模思想.实验结果证明了所建模型的有效性.     

一种基于三角模糊数的多属性群决策方法

针对方案的属性评估信息和属性权重是模糊语言形式的多属性群决策问题,先将语言信息转化为三角模糊数;然后利用三角模糊数的性质,构造了集结决策者权威性和意见一致性的组合一致性指标,并在此基础上提出了一种模糊多属性群决策算法。最后,通过企业信用状态评估实例及其组合一致性指标的灵敏度分析证明了整个算法的可行性和有效性。     

基于直觉模糊聚类的目标识别

空中目标的正确识别对防空作战具有重要的意义。针对目标识别的特点,提出了基于直觉模糊聚类的识别方法。首先,给出了直觉模糊相似度和相异度的度量方法,并利用目标特征信息计算直觉模糊相似度和相异度。然后,在分析了现有的几种直觉模糊相似矩阵构造方法的基础上,提出了一种新的直觉模糊相似矩阵的构造方法,并给出了直觉模糊相似矩阵转化为直觉模糊等价矩阵的途径;此外,定义了直觉模糊等价矩阵的（α,β）截矩阵,进而实现直觉模糊集的聚类。最后,运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明,提出的方法是可行、有效的。     

基于模糊邻近关系的结构聚类

在有序粒度空间理论的基础上,提出了基于模糊邻近关系的结构聚类分析理论和方法.首先,给出了依据距离的一致聚类的概念,提出了模糊粒度空间的一致聚类特征;其次,给出了模糊邻近关系结构聚类的粒度表示,并获得了基于模糊邻近关系结构聚类的快速算法;进而,提出了获取最佳聚类的新方法,并且这一方法是全局最优的;最后,给出了通过两个模糊邻近关系的交运算获取结构聚类融合的方法.为复杂系统结构分析研究提供了一整套理论工具和方法.     

Rough similarity degree and rough close degree in rough fuzzy sets and the applications

Based on rough similarity degree of rough sets and close degree of fuzzy sets, the definitions of rough similarity degree and rough close degree of rough fuzzy sets are given, which can be used to measure the similar degree between two rough fuzzy sets. The properties and theorems are listed. Using the two new measures, the method of clustering in the rough fuzzy system can be obtained. After clustering, the new fuzzy sample can be recognized by the principle of maximal similarity degree.     

Wang-Mendel模糊模型控制规则的提取及应用

针对如何利用系统的模糊模型设计模糊控制器,提出以系统的模糊规则库为基础,提取模糊规则中的信息获得控制规则的方法。以钢铁工业中连续退火炉的加热炉为对象进行了仿真,首先提取描述对象输入-输出映射关系的模糊规则组成完备规则库,并以此为基础提取控制规则补偿输出偏差。仿真结果表明能够达到期望的效果。     

基于相似度的区间二型模糊多准则群决策方法

针对准则权重信息完全的区间二型模糊多准则群决策问题,给出了相似度测量方法以及基于区间二型模糊数相似度的决策方法。该方法首先通过区间二型模糊数的集结算子计算出方案的综合准则值,根据期望值对综合准则值进行比较后确定出正、负理想方案,然后计算各方案分别和正、负理想方案之间的相似度,进一步求出贴近度系数后从而得到方案的排序。最后,算例分析表明了该方法的有效性和可行性。