基于Radon变换的运动模糊图像参数估计

通过对运动模糊图像进行分析,提出了对运动模糊图像两个重要参数:运动模糊角度和模糊长度估计的一种新的方法.基于频域特性利用Radon变换对模糊图像的模糊方向进行估计的改进,又根据Radon变换的性质,将投影理论引入到运动模糊长度的估计中.仿真实验证明了其估计结果的正确性且表明,该方法简单可行,较之先前提出的许多复杂的方法,该方法具有较高的精度.     

一种新的T-S模糊模型辨识算法

针对非传统T-S模糊模型,给出了一种新的辨识方法。利用改进模糊划分聚类算法辨识前件参数,最小二乘法对模糊模型的后件参数进行辨识。应用Box-Jenkins煤气炉数据和一个非线性系统进行仿真实验,结果证明了该方法的有效性与实用性。     

基于Pareto多目标遗传算法的模糊系统设计

提出一种基于Pareto多目标遗传算法生成一组精确性和解释性较好折衷模糊系统的方法.该方法采用模糊聚类算法辨识初始的模糊模型,利用匹茨堡型实数编码的遗传算法对初始模糊模型的结构和参数进行优化,基于NSGA-Ⅱ算法的目标函数同时考虑模型的精确性和解释性;最后,在算法中利用基于相似性的模型简化方法约简模糊系统.利用该方法对两个Benchmark系统进行建模,仿真结果验证了该方法的有效性.     

混合型模糊聚类分析方法及其应用

在动态聚类方法和模糊ISODATA方法的基础上,提出了混合型模糊聚类分析方法.该方法首先利用传统的传递闭包方法得到1个初始分类,并在此基础上提出初始分划矩阵,根据考虑权重因子的模糊ISODATA方法对相关数据进行迭代计算,从而对数据进行有效分类.以股票分类为例对该方法进行实证分析,分析结果表明,应用该方法可以对股票进行有效分类优选.     

一种新的图像分割方法

许多传统的分割方法往往是根据图像单一的属性标准对图像进行分割，通常不能满足整幅图像的分割要求。本文针对这个问题，介绍了一种新的图像阈值分割方法（FES），该方法在模糊集的基础上，结合模糊熵和模糊相似性两种截然不同的属性刻画分割图像。最后针对算法进行仿真，证明该方法是切实可行的。     

一类模糊线性规划模型及应用

针对以模糊数为目标函数的模糊线性规划问题,建立了一种模糊数值目标函数的模糊线性规划新模型。该模型通过定义新的辅助函数将其转化为经典线性规划问题,再通过经典线性规划问题求解方法进行求解。与已有模型相比,该模型更具一般性,且计算简单。选用投资问题对该模型进行验证,数值算例说明了该模型在实际应用中的有效性。     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

关于“模糊数的传递模糊排序”的注记

在文献[1]中,通过用t模取代文献[2]中的取小算子,得出了模糊数的一种传递性排序方法。但这种方法要求模糊数满足的条件过于严格。本文旨在指出:1)该方法实质上是按最小的t模进行排序;2)当取最大的t模时,该方法仅对一类非常特殊的模糊数成立。     

基于逼近误差的非线性自适应模糊控制

针对一类单输入单输出不确定非线性系统,提出了一种稳定的自适应模糊控制方法·该方法不需要系统状态可测的条件,而是通过设计模糊状态观测器来估计系统的状态·系统的未知非线性项通过模糊逻辑系统进行逼近,且逼近误差满足一定的有界条件,根据李雅普诺夫方法对系统进行分析,得出相应的参数自适应律·该方法不但能保证跟踪误差收敛于原点的一个小的邻域内,而且所涉及到的变量一致有界·仿真结果验证了此方法的有效性与正确性·     

模糊微分方程初值问题的数值解

对一阶模糊微分方程的模糊初值问题进行了研究,给出了模糊初值问题的阿当姆斯数值求解方法,通过举例说明了该方法的可行性,最后讨论了同其他数值求解方法的优点。     

基于模糊聚类广义回归神经网络的网络入侵研究

采用结合模糊聚类和广义神经网络回归聚类分析的方法,对5种网络入侵行为模式进行有效的聚类.首先用模糊 c 均值聚类算法将入侵数据分为5类,再将聚类的结果中最靠近每类中心的样本作为广义神经网络的聚类训练样本进行数据训练,训练输出的结果即为该个体所属的入侵类别.实验结果表明:新算法对网络入侵途径的分类精度更高,可为预防网络入侵提供更可靠的数据支持     

Fuzzy clustering method for Web user based on pages classification

A new method for Web users fuzzy clustering based on analysis of user interest characteristic is proposed in this article. The method first defines page fuzzy categories according to the links on the index page of the site. then computes fuzzy degree of cross page through aggregating on data of Web tog. After that, by using fuzzy comprehensive evaluation method, the method constructs user interest vectors according to page viewing times and frequency of hits. and derives the fuzzy similarity matrix from the interest vectors for the Web users. Finally. it gets the clustering result through the fuzzy clustering method. The experimental results show the effectiveness of the method.     

基于聚类中心分离的模糊聚类模型

在模糊C-均值聚类（FCM）目标函数的基础上按聚类中心分离原则增加一个聚类中心分离项来扩展FCM算法,提出基于聚类中心分离的模糊聚类模型(FCM_CCS)。该模型可使聚类过程中的聚类中心之间距离扩大,从而得到更好的聚类效果。由于该模型和FCM一样对噪声敏感我们提出它的可能性聚类模型(PCM_CCS),最后进一步扩展成它的可能性模糊聚类模型(PFCM_CCS)。基于聚类中心分离的可能性模糊聚类模型在处理噪声数据和克服一致性聚类问题方面表现出良好的性能。对数据集的测试实验结果表明了提出的PFCM_CCS能同时产生模糊隶属度和典型值,使聚类中心间距扩大,同时具有更好的聚类准确率。     

一种改进的模糊核聚类图像分割算法

模糊核聚类算法已广泛应用于图像分割领域,然而该算法对初始值的选取、噪声以及图像灰度不均匀比较敏感.针对该问题,提出了一种改进的模糊核聚类图像分割算法.将改进的最大类间方差法(Otsu)引入模糊核聚类算法中,结合图像的概率信息和空间信息,得到了一种高效、实用的图像分割方法.实验结果表明,改进算法具有较强的抗噪能力,较高的分割精度,可以用于工程实际.     

对角矩阵加入指数参数的AHP算法

基于AHP线性流形学习方法是通过适当的约束条件最小化目标函数来实现的,约束条件中对角矩阵的求解限制,使得公式不够灵活,于是考虑在对角矩阵求解时加入了指数参数,对公式进行泛化.通过人脸图像聚类实验,发现指数的改变对聚类结果能够产生较大影响,针对特定的人脸聚类,可以通过调整参数达到较好的聚类效果；另外,文中还对加入高斯白噪声的人脸数据库进行了实验,考察了参数对噪声的敏感度.     

A dynamic fuzzy clustering method based on genetic algorithm

A dynamic fuzzy clustering method is presented based on the genetic algorithm. By calculating the fuzzy dissimilarity between samples the essential associations among samples are modeled factually. The fuzzy dissimilarity between two samples is mapped into their Euclidean distance, that is, the high dimensional samples are mapped into the two-dimensional plane. The mapping is optimized globally by the genetic algorithm, which adjusts the coordinates of each sample, and thus the Euclidean distance, to approximate to the fuzzy dissimilarity between samples gradually. A key advantage of the proposed method is that the clustering is independent of the space distribution of input samples, which improves the flexibility and visualization. This method possesses characteristics of a faster convergence rate and more exact clustering than some typical clustering algorithms. Simulated experiments show the feasibility and availability of the proposed method.     

模糊聚类与信息熵综合评价法在防空C3I系统中的应用

建立了防空C3I系统总体效能评估指标体系,将模糊聚类和信息熵综合到评判过程中,在充分分析已有算法的基础上,给出了对其系统效能进行评估的基于模糊聚类和信息熵的综合评价方法,并通过算例验证了方法的正确性和实用性。     

基于减法聚类的自适应模糊神经网络评定织物起皱等级

提出了一种基于减法聚类的自适应模糊神经网络，用于织物起皱等级评定．首先利用减法聚类方法确定模糊神经网络的结构，再结合模糊推理系统进行模式识别，并详细介绍了其基本原理和学习算法，最后引入4种起皱特征参数对真实织物进行验证．实验表明，该方法有效且可行．     

基于模糊c-均值算法和遗传算法的新聚类方法

为了得到最佳聚类数和相应的每一类中的样本,文中首先介绍了一种新聚类方法,用该方法构造了一个既考虑类与类之间的分散程度、又考虑同一类紧凑程度的目标评价函数;再运用模糊c-均值算法(FCM)进行迭代,求得每一类的中心和隶属度值;然后运用遗传算法搜索全局极值点;最后运用该算法对我国全要素生产力进行了模糊分类．