确定gλ模糊测度的多分类器系统学习算法

模糊测度是非负的集函数且有非可加性,以模糊积分作为决策方法的多分类器系统在进行决策之前首先要确定模糊测度,因此它在整个多分类器系统中起着重要的作用,对整个系统的性能有很大的影响.根据Choquet模糊积分的数值计算过程和gλ模糊测度的特殊结构,提出了一种基于Choquet模糊积分的gλ模糊密度的调整方法.对该方法进行了理论分析和证明,并通过数值实验验证了该方法是可行的,在多分类器系统的构建过程中为模糊测度的确定提供了一种有效的方法,具有一定的实用性.     

Linguistic granular model: design and realization

Linguisticgranularmodel[1—5]hasemergedasan interesting,attractiveandpowerfulmodelingenvi ronment.Incontrasttothosenumericallylinguistic models,linguisticgranularmodelfocusesoncreating theinstructivelinguisticgranularindataspacerather thanthenumericformation.Mostnumericallylin guisticmodelsemphasizetheiraccuracyratherthan transparency.However,someresearchersutilized conditionalfuzzyclustering(CFC)[6—8]toconstructa user drivenlinguisticmodel,inwhichtheinformation andrequirementsofuserarerepre…     

一种基于Choquet积分的不精确推理方法

模糊规则是模糊推理中的重要工具之一,它表示了模糊知识的因果关系.在一个模糊规则集中,当模糊命题间存在交互作用时,将参数权重用模糊测度取代,得到了一种基于模糊规则矩阵变换和Choquet模糊积分的模糊推理方法.该方法主要应用在不完全归纳推理中.     

Linguistic granular model: design and realization

A new linguistic granular model is proposed and the effect of its parameters on the output is analyzed. The design of the model consists of two stages: using conditional fuzzy clustering for information granular, and integrating all information granules to final output. The integrating tool is fuzzy integral based on fuzzy measure, and the generalization of fuzzy integral increases flexibility of the linguistic granular model greatly. A heuristic algorithm to determine the parameters in the fuzzy integral is used to realize the linguistic model. Two experiments verify the feasibility of the proposed model.     

一种新的模糊决策树模型及其应用

模糊决策树是决策树在模糊环境下的一种推广,虽然其表示形式更符合人类的思维,但在构造时会增加预处理的工作量和创建树时的开销。基于这种情况,提出了一种混合算法,算法保留了较少属性值的Shannon熵,计算多属性和连续属性值模糊化后的模糊熵。将该算法应用于滑坡数据的挖掘中,得到了更易于理解的决策树和有效的规则,与传统算法的性能比较也证明了该算法的有效性。     

基于模糊-粗糙集模型的一种归纳学习方法

对传统粗糙集理论进行了扩展，提出了一种模糊-粗糙集模型。利用模糊集理论和Koho-nen网络自组织映射算法对决策表的连续属性进行模糊化，并用模糊贴近度构造模糊相似矩阵，把普通粗糙集的不可分辨关系推广为模糊相似关系。提出一种基于模糊-粗糙集模型的归纳学习算法FRILA，此算法和决策树算法相比，具有得到的规则数目少、规则表示简单等优点。实例验证了此方法的有效性。     

模糊关联规则的并行挖掘算法

介绍了模糊关联规则挖掘算法的基本思想及实现步骤,提出了模糊关联规则的并行挖掘算法.并行挖掘算法采用并行的模糊c-均值算法将数量型属性划分成若干个模糊集,并借助模糊集软化属性的划分边界.用改进布尔型关联规则的并行挖掘算法来发现频繁模糊属性集.最后由多个处理器并行地产生满足最小模糊信任度的模糊关联规则.在分布式互连的PC/工作站环境下进行性能分析,结果表明并行的挖掘算法具有好的可扩展性、规模增长性和加速比性能.     

基于粗集的模糊聚类方法和结果评估

粗集的决策表的属性包括定量属性和定性属性,针对这种情况,根据一种对象的相似性度量方法,使用模糊聚类方法对粗集对象进行模糊聚类,对聚类结果进行了评估(根据这种聚类方法得到的结果和实际的分类结果进行比较)．在这种相似性度量方法基础上,证明了粗集的等价关系可以被转化为模糊等价矩阵．基于粗集的聚类步骤如下：首先,一个粗集等价关系都可以转化为一个模糊相似矩阵,其次,转化成一个模糊等价矩阵,最后,进行模糊聚类．对此方法进行了实验,并对实验的结果进行评估．实验结果说明了这种方法的简单高效．     

广义实值函数的模糊积分

在非可加测度(模糊测度)意义下,定义了取值在[-∞, ∞]上广义实值可测函数的模糊积分;讨论了模糊测度意义下可测函数、模糊积分的性质并给出了刻划定理;最后,给出了积分转化定理.     

推广的Choquet积分及其计算

定义了一种推广的Choquet积分,积分中所采用的非可加集函数取得区间值,使其在实际应用中更具合理性.引入了一种进化算法———混合蛙跳算法(SFLA)来计算积分的值,通过实验数据所得到的计算结果验证了算法的可行性与有效性.     

基于Sugeno积分的区间直觉模糊多属性决策

拓展了模糊测度与Sugeno积分的概念与理论,给出了区间直觉模糊信息环境下多属性决策的一种新方法.定义了区间直觉模糊值模糊测度与区间直觉模糊值Sugeno积分,并分析了它们与经典模糊测度及Sugeno积分之间的内在联系.在研究了区间直觉模糊值Sugeno积分性质和计算方法的基础上,提出了以该积分为集成算子的多属性决策方法.通过具体实例验证了该方法的实用性和有效性.     

基于属性加权的不完全数模糊 c 均值聚类算法

针对现有的不完全数模糊聚类算法未考虑样本各维属性对聚类贡献不同的问题,提出了基于属性加权的不完全数模糊c均值聚类算法.利用ReliefF算法评价各维属性的重要程度,通过加权欧式距离将属性权重结合入聚类,并能实现在聚类迭代过程中的缺失属性、隶属度及聚类中心的一体化求解.实验结果表明,该算法强调了重要属性在不完全数模糊聚类中的作用,能够得到更为准确的聚类结果.     

模糊Choquet积分遗传性质的若干研究

讨论了由模糊Choquet积分定义的集函数的几个结构特征,证明了该集函数是模糊测度,并保持了原模糊测度的几个重要的结构特征,如零可加性、一致自连续性。     

城市交通信号的模糊控制研究

以城市主干道交叉口为研究对象,提出了一种实用的交通流模糊控制算法,该算法包括模糊控制算法和绿灯延时终止算法两部分。在现有的模糊控制算法的基础上,增加了绿灯延时终止算法,从而利用模糊逻辑对绿信比进行了优化。在SDCSTS仿真软件的基础上进行了仿真研究。仿真结果表明该方法的有效性。     

Choquet模糊积分融合模型中模糊测度的确定

用模糊积分进行多分类器融合时,模糊测度是至关重要的.有限的事例集上,基于模糊测度的Choquet模糊积分的计算可以用乘积与求和算子来表示,即转化成模糊测度的线性组合.本文用线性规划来确定模糊测度,并且用例子说明模糊积分融合方法要优于乘积法、最大值法、多数投票法、加权平均法等简单的融合方法.     

Moldability Evaluation for Molded Parts Based on Fuzzy Reasoning

Moldability evaluation for molded parts,which is the basis of concurrent design,is a key design stage in injection molding design.By moldability evaluation the design problems can be found timely and an optimum plastic part design achieved.In this paper,a systematic methodology for moldability evaluation based on fuzzy logic is proposed.Firstly,fuzzy set modeling for six key design attributes of molded parts is carried out respectively.Secondly,on the basis of this,the relationship between fuzzy sets for design attributes and fuzzy sets for moldability is established by fuzzy rules that are based on domain experts‘ experience and knowledge.At last the integral moldability for molded parts is obtained through fuzzy reasoning.The neural network based fuzzy reasoning approach presented in this paper can improve fuzzy reasoning efficiency greatly,especially for system having a large number of rules and complicated membership functions.An example for moldability evaluation is given to show the feasibility of this proposed methodology.     

基于PMAC和PID模糊自整定的复合材料拉伸机控制系统

以PMAC控制器为核心建立了复合材料拉伸机的控制系统.运用Visual C++开发控制软件,将软件的功能通过若干模块实现.把信号采集、信号滤波和人机交互分配到独立的线程中并行运行,提高了系统的运行效率.运用模糊算法进行PID参数的实时自整定,提高了系统的动静态性能.     

基于泛积分的Fuzzy综合评判

基于Fuzzy测度空间上的泛积分概念,给出了Fuzzy评判泛空间的概念.通过对常见的评判模型的讨论以及对Fuzzy积分结构的探讨,指出了泛积分与Fuzzy综合评判之间的联系,而泛积分在一定条件下的收敛定理为此打下了良好的基础.鉴于泛积分概念的高度抽象性和高度概括性,使得它在Fuzzy综合评判中的应用具有广泛的前景.文中给出了两个具体情况用以说明这种应用的可行性.     

基于粗集和模糊集的启发式规则约简算法研究

提出了一种新型的决策规则约简方法。基于均匀划分和正态分布隶属度函数,对决策表的连续属性进行模糊化,用欧氏距离贴近度来构建相似矩阵,并提出了一种论域的模糊划分算法;依据粗糙集隶属度进行属性约简的基础上,给出了一种决策规则约简算法,从而达到发掘知识并简化知识的目的。     

噪声大数据的MapReduce高度随机模糊森林算法

为解决日趋增长的噪声大数据分类问题,提出了一种高度随机模糊森林算法.该算法在决策树学习中生成连续属性的模糊分区,并给出在MapReduce框架中所提算法的分布式实现,用于受属性噪声污染的大数据集中学习模糊决策树的集合,该分布式实现模型可以适应计算的有效分配策略,从而产生良好的可扩展性数据,这种分布式算法使得模糊随机森林能够处理大数据集的学习和分类.高度随机模糊森林算法能够实现噪声大数据的高精度分类,为以后的大数据分析打下良好的基础.实验结果表明,所提算法比现有算法准确率更高,在属性噪声情况下,该文分类准确率也高于随机森林算法,说明该文算法的可行性和有效性.