基于模糊逻辑的产生式规则拓展

在CAPP系统中,工艺知识通常采用产生式规则来表达.由于工艺知识具有模糊性和不确定性,而传统的产生式规则又难以表示和处理这类带有模糊性和不确定性的工艺知识,所以必须使用一些模糊的语言来描述这些知识并以此来进行推理.针对这一问题,提出了一个基于模糊逻辑的产生式规则模型,给出了模糊规则的产生式规则表达式以及模糊规则中各命题之间的逻辑关系,同时也指出了模糊规则的模糊匹配方式.     

一种基于模糊核超球感知器的模糊分类模型

本文提出一种模糊核超球感知器（FKHP）学习方法,并介绍了一种基于FKHP这种学习方法的模糊分类模型.模型构建的基本思想是首先选择适当的核函数,将训练模式从输入空间映射到高维特征空间;然后,在特征空间中,利用提出的模糊核超球感知器学习算法,为每一类训练模式找一个覆盖该类别的训练模式的超球;将每个超球,看作为一个模糊划分,以超球中心和半径为参数,定义超圆锥体的隶属函数,并为之建立一条IF-THEN分类规则;最后,以超球半径作为规则的调整参数,进行规则的优化调整.本文介绍了模型的结构、分类规则产生算法以及规则的调整策略.     

基于DEA模糊窗的测试软件评价研究

在测试软件的评价问题中,由于指标值、指标权重关系都具有主观模糊性等问题,将模糊数据包络分析(data envelopment analysis,简称DEA)引入评价过程.为改进现有模型在权重关系信息的模糊性处理方面存在的不足,提出了基于模糊DEA的测试软件改进评价模型,并提供了该改进模型的求解算法.所述方法首先将主观指标值模糊化,转化为模糊数;然后以模糊权重信息为约束条件,构造含有偏好信息的模糊窗,建立只有输出指标的模糊DEA模型;最后,改进模糊DEA模型经由模糊数截集的方法,转化为确定性DEA模型并进行求解.通过实例分析验证了该方法的一致性和可行性.     

自学习模糊脉冲神经网络的旋转机械诊断

针对旋转机械故障分类边界的模糊性和传统的神经网络算法难以解决应用问题的实例规模和网络规模之间的矛盾问题,提出了一种自学习模糊脉冲神经网络算法,该算法通过脉冲序列的种群编码和无监督学习较好的克服了旋转机械故障分类边界的聚类分析无效性问题.应用表明该算法有效解决了旋转机械故障的边界模糊性问题,较大提高了故障诊断的准确率.     

粗糙集模糊神经网络味觉信号识别系统

针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右.     

一种基于模糊分类网络的信息分类方法

针对信息搜索与挖掘中存在的关键词多义性及用户对所要查询信息的分类存在一定的模糊性问题,提出了一种基于模糊分类网络的信息挖掘方法。该方法利用模糊分类网络固有的对模糊信息的非线性处理能力和自适应学习机制,通过对WEB页面大量分类文档信息的学习,建立了基于模糊分类网络的信息分类器和挖掘模型。构造的信息分类模型结构简单、学习收敛速度快且易于实现。文中给出了分类策略和实现算法,并以中国石油网油气管道专题信息分类为例验证了方法的有效性。     

基于约束的模糊分类算法改进研究

针对基于约束的模糊数据归类算法的不足,构建模式自学习调节模型,并提出基于约束规则的模式微调算法CIP、基于自学习的分类规则优化更新算法OCRS。新算法基于模式间相关性、距离和支持度等因素,建立模式自主更新标准和算法协调机制。实验研究表明:新算法在准确度相同的情况下,增加了算法的识别率、自学习能力和鲁棒性。     

基于矩阵运算的产品拆卸过程规划

以模糊Petri网为工具,给出了模糊产生式规则推理Petri网模型,并将模糊Petri网与矩阵运算相结合,提出了一种模糊推理过程的形式化推理算法.在此基础上,针对产品拆卸过程中知识具有不确定性和模糊性的特点,采用模糊推理Petri网建立了产品拆卸路径决策模型,并通过实例,对所提出的拆卸路径决策算法进行了论述,结果表明此决策模型在产品拆卸过程规划中具有很强的并行处理能力,它可以根据产品在拆卸过程中零部件的信息对每一步操作做出适时的智能化决策.     

一种自适应蚁群分类算法

将分类学习看作是一个找出最优分类规则的优化问题,提出一种自适应蚁群分类算法——AdaptiveL_AMP,以得到一组可理解的分类规则.在基于规则的分类方法中,规则评价函数的选取至关重要,本文提出的算法能够针对不同数据集自动选取与之相适应的规则评价函数以提高分类准确性.此外,为进一步提高算法的分类准确率,设计了一种局部搜索策略并将其融入到AdaptiveL_AMP算法中.最后对算法进行了分析,并在多个公用的真实数据集上与相关算法进行了比较,结果表明AdaptiveL_AMP算法能够更加有效地解决分类问题.     

基于模糊粗糙集的半监督影像分类算法

针对影像分类中少量标记样本问题,提出了基于模糊粗糙集的影像半监督分类算法.首先,通过模糊粗糙集对数据的粗糙性与模糊性进行建模,采用归一化的模糊互信息来度量特征与类别信息的相关性,并利用模糊上下近似度量样本的类别隶属度;然后,结合归一化的模糊互信息改进正则化框架下的特征评价方法,在谱图分析的半监督特征选择框架下实现特征优选;其次,结合近邻约束提高模糊上下近似预测样本类别的准确性,设计基于模糊粗糙集的约束自学习,选择信息量大的未标记样本更新训练样本集;最后,利用新的样本集训练分类器,完成影像分类任务.多组实验表明所提算法能够在少量标记样本的条件下有效提高影像的分类精度.     

基于模拟退火的模糊分类系统在数据挖掘中的应用

给出了一种基于模拟退火的模糊分类系统—SAFCS,该分类系统结合了SA元启发式搜索策略的学习能力和模糊系统的近似推理方法,旨在改善与分类问题有关的大型数据空间的搜索性能,找到模糊if-then规则的优化集.SAFCS可以从输入数据集中抽取精确的模糊分类规则,并在若干不同预定义类中将其应用于对新数据实例的分类.文末用某数据集检测了SAFCS的性能,结果表明,在与其他几个著名算法比较时该分类系统性能可靠.     

一种基于遗传算法多维模糊分类器的构造方法

 提出了一种新的模糊遗传机器学习方法.在该方法中将每一模糊规则作为遗传算法中的一个个体,且具有相应的适应度函数值;在获取模糊规则的同时,还对每个属性维的模糊划分进行学习;另外,方法引入了基于相似性的选择机制,减轻了选择机制对低适应函数值个体造成的选择压力,保持了种群的多样性,从而很大程度改善了遗传算法收敛到局部解的问题.经实验结果表明,该方法在多维模糊分类器的构造问题上具有比较良好的性能.     

利用神经模糊系统从数据中挖掘模糊逻辑

提出一种利用神经模糊系统从实验记录的曲线或者数据中挖掘模糊逻辑规则的方法。首先根据生产控制系统的实验记录的曲线或者数据,初步确定一个“if…then”模糊逻辑规则模型;然后利用具有非线性特性的神经网络和模糊推理中的模糊逻辑运算,构造了一个神经模糊系统;通过有导师的误差反向传输学习,将训练后的神经模糊系统的网络联接权的变化结合为模糊逻辑规则的变化和修改,从而实现了从实验记录的曲线或者数据中推理、归纳的模糊逻辑控制规则。     

时频分析的模糊性及应用

从时频分布概念的局限性出发，提出的时频分布本质上是个模糊概念的观点，将模糊集的概念和方法引入时频分析，建立了时频分布模糊性的规范化定义，相应的测度指标和操作规则，在此基础上进一步引入时频域上模糊空间的概念，将此概念用于对Ｗｉｇｎｅｒ分布的分析和再处理具有良好的效果。     

基于模糊C均值聚类改进的最大似然分类法

基于参数密度分布模型的最大似然分类法(MLC)是遥感影像经典分类方法之一,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点,但是由于遥感数据具有高度的模糊性和随机性,使得贝叶斯(Bayes)判别函数中的均值向量和协方差矩阵很难准确确定。因此首先利用模糊C均值聚类得到模糊划分矩阵,然后基于模糊划分矩阵计算出每一个聚类类别模糊均值和模糊协方差矩阵,并利用模糊均值和模糊协方差矩阵来代替贝叶斯判别函数中的均值向量和协方差矩阵从而建立一个新的判别函数,最后与传统的最大似然分类结果进行比较,结果表明改进后的最大似然分类法在总体精度、Kappa系数均优于传统的最大似然分类方法。     

基于模糊集理论与CSMR的岩质边坡稳定性分析

将模糊集理论中模糊推理系统与CSMR岩质边坡稳定性综合评价方法相结合形成FCSMR评价方法.其步骤为:首先利用模糊推理系统处理岩质边坡稳定性影响因素所具有的模糊性,然后用CSMR评价方法对岩质边坡稳定性进行评价.将此方法评价大朝山水电站进水口边坡稳定性并与CSMR评价方法相比较.研究结果表明:FCSMR法的评价结果是边坡可能发生平面或圆弧形类似土质滑坡,CSMR评价方法的结果是边坡可能发生大规模平面滑动或楔形体滑动:利用理正软件计算得到发生平面滑动的安全系数为1.918,发生圆弧形滑动的安全系数为1.493,说明边坡发生圆弧形滑动的可能性更大,表明FCSMR评价方法比传统的CSMR评价方法的评价结果更加合理.     

模糊集合论在海浪谱分析中的应用

本文简要分析了海浪观测资料本身所存在的模糊性,针对这种模糊性,对海浪观测统计资料进行了模糊分级统计处理。根据分析结果,并运用模糊集会论的扩张原理,导出了模糊海浪谱集合的隶属函数。由此得到的最可能海浪谱与通常所采用的经验谱较为一致。由该模糊海浪谱集可进一步导出在一定的置信度时,可能出现的最危险的海浪谱,比经验谱更能反映实际情况。     

地震灾害的模糊予测与地震工程模糊可靠度

本文分析了产生地震危险的随机性与地震烈度本身的模糊性,从而获得将地震灾害予测作为模糊随机事件的处理方法。以模糊概率子集表示予测的结果,它全面的估计了地震发生后可能出现的震害评定,为工程抗震设防的决策提供了科学依据。其次,基于地震烈度的模糊性,定义了模糊烈度和清晰烈度。从基于清晰烈度的通常可靠度的概念和计算方法中,引伸出了基于模糊烈度的模糊可靠度的概念和计算方法。它不仅考虑了地震动效应和结构抗力的随机性,而且顾及地震烈度、场地分类等的模糊性,提出了以模糊概率表示的地震工程可靠度。最后,在分析了影响地震工程可靠度诸多因素基础上建议了对地震工程可靠度模糊综合评判的方法。     

企业动态联盟的风险因素及评价研究

根据动态联盟特性,分析了联盟的各种风险因素.针对联盟风险的模糊性和复杂性,建立了多伙伴、多目标联盟风险评价的模糊线性分配模型,并用实例进行了说明.这种方法能较好地将定性和定量相结合,具有实用性和可操作性.